Mac Mini M6 和 Mac Studio M5 Ultra 一發表，留言區清一色在問同一件事：統一記憶體到底是什麼？
32GB、128GB、512GB，這些數字聽起來跟一般電腦差不多，但 Apple 的記憶體跟 Windows PC 的運作方式完全不同。搞懂統一記憶體在幹什麼，就能理解為什麼一台桌上型 Mac 可以在本機跑四百億參數的 AI 模型，而一張快兩千美元的 Nvidia 顯卡辦不到。
這篇是 AI 硬體供應鏈一條龍 的記憶體延伸篇，從消費端的統一記憶體切入，看它的設計邏輯、AI 應用場景，以及它在供應鏈裡被夾擊的處境。
統一記憶體是什麼？一句話加一個畫面
先給畫面。
一般 Windows 電腦裡，CPU 用的系統記憶體（DDR5）和顯示卡上的顯示記憶體（VRAM，通常是 GDDR7）是兩塊分開的記憶體，中間靠 PCIe 匯流排（主機板上連接各元件的高速通道）搬資料。CPU 要把一張圖交給 GPU 處理，得先「複製一份」送過去。
Apple Silicon 把這件事砍掉了。CPU、GPU、Neural Engine（Apple 晶片裡專門加速 AI 運算的硬體單元）共用同一塊 LPDDR5X 記憶體，直接焊在晶片旁邊，距離只有幾毫米。任何一個處理器要用資料，不用複製，直接讀同一塊。
一句話：統一記憶體就是「所有處理器共用同一塊」，資料不用搬家。
跟傳統電腦的記憶體差在哪
| 傳統架構（Windows PC＋獨立顯卡） | Apple Silicon 統一記憶體 | |
|---|---|---|
| 記憶體種類 | 系統 DDR5 加顯卡 GDDR7，各一塊 | 一塊 LPDDR5X，全部共用 |
| 資料怎麼搬 | CPU → PCIe → GPU，要複製 | 不用搬，直接讀同一塊 |
| GPU 能用多少記憶體 | 只有顯卡上那塊（RTX 5090 是 32GB） | 全部。M5 Ultra 512GB，GPU 能用 512GB |
| 擴充 | 系統記憶體可換；顯卡記憶體不能 | 出廠焊死，買的時候就決定 |
差異的核心在「GPU 能用多少記憶體」。
傳統架構下，Nvidia RTX 5090 只有 32GB 顯示記憶體。模型塞不進去就得把一部分暫存在系統記憶體，再透過 PCIe 一批一批餵過來，速度大幅下降。統一記憶體不分家，512GB 全在 GPU 可以直接存取的範圍內。
代價也很明確：LPDDR5X 的頻寬比不上 Nvidia 用的 GDDR7。RTX 5090 的記憶體頻寬 1.79TB/s，M5 Ultra 是 1.2TB/s，M5 Max 只有 614GB/s。同一個模型、兩邊都塞得下的情況，Nvidia 顯卡算得快。但模型一旦大到塞不進顯卡記憶體，統一記憶體的容量優勢就壓過了頻寬差距。
核心數據快照
2026 年 8 月的 Apple Silicon 統一記憶體陣容，以及 Nvidia 旗艦顯卡的對照。
| 晶片 | 最大統一記憶體 | 記憶體頻寬 | 製程 | 搭載產品 | 台灣起價 |
|---|---|---|---|---|---|
| M6 | 32GB | 170 GB/s | 2 奈米（N2） | Mac mini | NT$29,900 |
| M5 Pro | 64GB | 307 GB/s | 3 奈米 | Mac mini | NT$59,900 |
| M5 Max | 128GB | 614 GB/s | 3 奈米 | Mac Studio、MacBook Pro | NT$84,900（Studio） |
| M5 Ultra | 512GB | 1.2 TB/s | 3 奈米（四晶粒） | Mac Studio | NT$199,900 |
| Nvidia 顯卡 | VRAM | 記憶體頻寬 | 建議售價 | 2026 實際市場價格 |
|---|---|---|---|---|
| RTX 5090 | 32GB GDDR7 | 1.79 TB/s | US$1,999 | US$5,000 以上 |
| RTX 5080 | 16GB GDDR7 | 960 GB/s | US$999 | 多數通路缺貨 |
頻寬 Nvidia 贏，容量 Apple 贏。這個落差在跑 AI 的時候會被放到最大。
為什麼統一記憶體跟 AI 扯上關係
跑 AI 模型有兩道門檻：記憶體容量決定「能不能跑」，頻寬決定「跑多快」。容量是第一道，模型塞不進去，頻寬再高也沒用。
拿「在自己電腦上跑大型語言模型」這件事當例子。
一個 70B 參數的模型（如 Llama 3 70B），經過量化壓縮後大概需要 40GB 記憶體。RTX 5090 的 32GB 塞不下，只能把一部分搬到系統記憶體再透過 PCIe 慢慢餵，推論速度從每秒二十幾個 token 直接掉到個位數。M5 Max 的 128GB 輕鬆裝得下，用 Apple 的 MLX 框架（專門為統一記憶體設計的 AI 框架）跑，每秒能吐十幾個 token。
40B 參數的 MoE（混合專家模型，如 Llama 4 Maverick）更誇張。壓縮後大約要兩百多 GB，就算買兩張 RTX 5090 加起來也只有 64GB，根本不夠。M5 Ultra 的 512GB 是 2026 年唯一能在單台桌機上完整裝下這種模型的方案，不用伺服器、不用雲端，每秒約十二個 token。
所以規律很簡單：模型越大，統一記憶體的容量優勢就越明顯。 小模型兩邊都跑得動，Nvidia 靠頻寬贏；大模型 Nvidia 塞不下，Apple 靠容量贏。
MLX 之所以能發揮，也是因為統一記憶體省掉了 CUDA 工作流裡「把 tensor 從 CPU 記憶體搬到 GPU 記憶體」這個步驟。資料本來就在同一塊上，啟動快、記憶體利用率高。
供應鏈角色：LPDDR5X 的搶奪戰
統一記憶體用的 LPDDR5X，跟手機用的是同一種記憶體規格。供應商就三家：三星、SK 海力士、美光。
這件事在 2026 年變成大問題。
SK 海力士和美光把大量產能轉去做 HBM（AI 資料中心 GPU 專用的高頻寬記憶體），利潤更好，排產優先。結果 LPDDR5X 的產能被擠壓。2026 年第二季，LPDDR5X 價格單季暴漲近九成；交期從十幾週拉長到四十到五十八週。三星補上了部分缺口，目前供應 Apple 六到七成的 iPhone 記憶體，但報導指出 Apple 接受了三星開出的翻倍報價。Tim Cook 在法說會上稱這波漲價是「百年洪水」。
漲價直接反映在 Mac 售價上。Mac mini M6 的台灣起價從上一代的 NT$19,900 跳到 NT$29,900，漲幅超過五成。MacBook Air 和 MacBook Pro 也各漲了近兩成。美國甚至有聯邦訴訟指控記憶體廠商聯合定價。
結構性的問題在更深的地方：Nvidia 也開始大量採購 LPDDR5X，用在邊緣 AI 平台（如 Jetson Thor）。預估 Nvidia 的 LPDDR 採購量將超過傳統手機廠商，成為全球最大的 LPDDR 需求方。Apple 和 Nvidia 搶同一塊記憶體的局面，要到 2028 年記憶體廠擴產完成後才可能緩解。
Apple 試過找第四家記憶體供應商來分散風險，據報導沒有成功。整個 DRAM 市場到 2027 年前預計不會有新玩家進場。
台灣在這關的角色
統一記憶體能做出來，靠的是台積電兩項能力的疊加：先進製程和先進封裝。
M6 是 Apple 第一顆 2 奈米晶片，用的是台積電 N2 製程。Apple 拿下了台積電 2026 年 2 奈米產能的過半份額。2 奈米比 3 奈米快約一成八或省電三成六，這是 M6 能在更低功耗下跑更快的底層原因。
封裝上，M6 換用了台積電的 WMCM（Wafer-Level Multi-Chip Module，晶圓級多晶片模組）技術，取代舊的 InFO。WMCM 把處理器晶粒和記憶體晶粒並排放在同一層重佈線層上，不需要傳統的中介層，散熱更好、成本更低。這項技術讓記憶體能貼在處理器旁邊幾毫米的距離，正是統一記憶體「不用搬資料」的硬體基礎。台積電的 WMCM 月產能在 2026 年底約六萬片晶圓，預計 2027 年翻倍到十二萬片以上。
M5 Ultra 更特別。四顆晶粒用 Apple 的 UltraFusion 互連技術封成一顆晶片，晶粒之間的頻寬超過每秒 4.4TB，連接密度比上一代高六倍。這種規模的多晶粒封裝，目前只有台積電能量產。對比 AI 資料中心那邊的 CoWoS 先進封裝，UltraFusion 走的是另一條路，但對台積電封裝產能的依賴同樣深。
簡單說，Apple Silicon 統一記憶體的故事，從晶圓製造到封裝都壓在台灣。
這一關的重點
統一記憶體做的事很直觀：把所有處理器的記憶體合成一塊，不分家、不用搬。這個設計在 AI 時代找到了新的意義。當模型越來越大，「記憶體容量」成了比「運算速度」更先撞到的天花板，統一記憶體的容量優勢就變成本機跑 AI 的入場券。M5 Ultra 的 512GB 是目前個人桌機的最大值，能裝下過去只有伺服器才跑得動的模型。
但它也把 Mac 的命運更深地綁在記憶體供應鏈上。LPDDR5X 被 HBM 擠壓產能、被 Nvidia 分食需求，價格暴漲直接推高 Mac 整線售價。這塊記憶體的供需角力，會是接下來幾年影響 Apple 產品定價和出貨節奏的大變數。當 Nvidia 邊緣 AI 平台也開始大量吃 LPDDR，消費端和資料中心的記憶體戰爭到底會怎麼分化，目前還看不到底。
想接著看 AI 資料中心用的另一種記憶體，可以讀 HBM 是什麼；想看整條 AI 硬體供應鏈八個關卡怎麼串起來，回到 供應鏈總覽。
本文為 AI 硬體產業的知識整理，所有規格與價格以發表時點為準，會隨時間更新，不構成任何投資建議。