生成式AI与大(LLM)对算力和内存容量的需求持续攀升，推动半导体行业加速向“算显合一(Compute and Graphics Integration)”架构演进。其中，统一内存架构（Unified Memory Architecture, UMA） 因允许CPU与GPU共享同一内存池，被业界视为突破AI“内存墙”的重要技术方向。
传统PC架构中，CPU使用DDR系统内存，GPU则搭配GDDR或HBM独立显存。训练或推理时，数据需通过PCIe等接口从CPU内存复制到GPU内存，不仅增加延迟与功耗，还造成同一份数据重复存储，严重制约计算效率。“算显合一”并非取消内存，而是打破CPU与GPU各自拥有独立内存的设计——通过共享内存池让两者直接存取同一份数据，省去数据搬移与复制环节。
以ChatGPT为代表的大动辄需要数百GB内存。传统架构下若GPU显存不足，数据需频繁在CPU与GPU间往返，成为AI性能瓶颈。而共享内存架构允许GPU直接调用更大内存空间，以更低成本运行更大规模。
各大芯片厂商正密集布局这一赛道。
苹果率先在Apple Silicon中导入统一内存架构，CPU、GPU与神经网络引擎共享同一内存池。M5 Max最高提供614GB/s内存带宽。苹果芯片产品经理Doug Brooks表示，从M5到M5 Pro再到M5 Max，苹果在增加GPU核心数的同时将内存位宽翻倍。
AMD在数据中心端推出MI300A加速处理器(APU)，将Zen 4 CPU核心与CDNA 3 GPU集成于同一封装，配备128GB共享HBM3内存池。消费级方面，首代Ryzen AI MAX系列最高支持128GB统一内存，最多可向GPU分配112GB。下一代Ryzen AI MAX 400系列将内存提升至192GB，其中160GB可分配给GPU，足以本地运行参数超3000亿的大。AMD副总裁David McAfee称，UMA将为产品选型、路线计划及部署形态打开“一整个世界的可能性”。
英伟达通过Grace Hopper超级芯片平台及NVLink-C2C高速互连（900GB/s） ，配合Unified Memory软件机制，大幅降低CPU与GPU间数据交换成本。2026年6月GTC大会上，英伟达发布RTX Spark超级芯片，将20核Arm Grace CPU与Blackwell GPU融合，最高128GB统一内存，全部集成于14毫米厚轻薄本中。在CES 2026上亮相的DGX Spark桌面级AI超算同样搭载128GB LPDDR5x统一内存，CPU与GPU共享同一物理地址空间，带宽达273GB/s，可原生运行千亿参数级模型。
业界分析指出，AI时代的竞争已不再只拼算力绝对值，数据流动效率正成为新的决胜点。“算显合一”搭配统一内存架构，正成为AI服务器与高性能计算平台的重要演进方向。
