一米阳光

삼성전자 ‘연산기 넣은 메모리’ 실증…AI 답변 속도 3배 빨라졌다_我的网站

兵临城下

一 | 메모리 안에 연산기 넣어 데이터 이동 최소화‘라마3.1’ 모델 실증…토큰 생성속도 3배↑기존 제어장치 활용해 상용화 문턱도 낮춰 0.65㎜(밀리미터) 두께의 삼성전자 7세대 저전력 D램(LPDDR5X). 삼성전자삼성전자(005930)가 메모리 내부에서 연산 기능을 수행하는 프로세싱 인 메모리(PIM) 기술을 통해 인공지능(AI) 답변 생성 속도를 3배 이상 끌어올렸다. AI 반도체 성능 경쟁이 그래픽처리장치(GPU)의 연산 능력을 높이는 데서 나아가 데이터 이동 시간을 줄이는 방향으로 확대되고 있다는 분석이다.26일 업계에 따르면 삼성전자는 25일(현지 시간) 미국 스탠퍼드대에서 열린 ‘핫칩스 2026’에서 LPDDR5X 기반 프로세싱 인 메모리(PIM)의 실제 AI 추론 성능을 공개했다.PIM은 메모리 내부에 연산 기능을 탑재하는 기술이다. 데이터를 저장하는 역할에 머물던 메모리가 일부 계산까지 직접 처리해 프로세서의 부담을 줄이는 방식이다.기존 AI 반도체 구조에서는 메모리에 저장된 데이터를 GPU가 가져와 연산한 뒤 다시 메모리로 보내는 과정을 반복한다. 반면 PIM은 메모리 내부에서 필요한 연산 일부를 처리해 데이터 이동 거리를 줄인다. 이를 통해 처리 속도를 높이고 전력 소비도 낮출 수 있다.삼성전자는 저전력 더블 데이터 레이트 5X(LPDDR5X)-PIM에 16개 D램 뱅크마다 하나의 PIM 블록(연산회로 묶음)을 배치해 총 16개의 연산 블록을 탑재했다고 밝혔다. 뱅크는 데이터를 나눠 저장하는 D램 내부의 독립적인 저장 공간으로, 각 뱅크가 동시에 연산을 수행할 수 있도록 설계했다.이번 발표의 핵심은 실제 제작한 반도체에서 AI 모델 성능 향상을 검증했다는 점이다. 삼성전자는 자체 개발한 엣지 AI 가속기 시스템온칩(SoC)에 기존 LPDDR5X와 LPDDR5X-PIM을 각각 연결하고 메타의 거대언어모델(LLM) ‘라마 3.1 8빌리언(B)’을 구동했다. ‘생각하는 메모리’인 프로세싱 인 메모리(PIM) 구조 설명자료. 삼성전자그 결과 LPDDR5X-PIM의 토큰 생성 속도는 초당 81.3개로 기존 LPDDR5X(27개) 대비 3.01배 빠른 것으로 나타났다. 같은 작업에 걸리는 시간도 12.3초에서 5.4초로 줄었다.토큰은 AI가 답변을 생성할 때 사용하는 글자나 단어 단위의 데이터 조각이다. 동일한 AI 모델을 사용하더라도 메모리 구조를 개선하면 추론 속도를 크게 높일 수 있다는 의미다.삼성전자는 앞서 LPDDR5X-PIM 시제품과 기본 성능을 공개해왔다. 이번 발표는 실제 반도체 칩에 상용 AI 모델을 적용해 성능 개선을 확인하고, 내부 연산 구조까지 구체적으로 공개했다는 점에서 의미가 있다.상용화를 고려한 설계도 적용했다. 삼성전자는 주소정렬모드(AAM)를 활용해 LPDDR5X-PIM이 기존 D램 메모리 컨트롤러를 그대로 활용할 수 있도록 했다. 메모리 컨트롤러는 프로세서와 메모리 사이에서 데이터 입출력을 관리하는 장치다. PIM 적용을 위해 기존 시스템 구조를 전면 개편해야 하는 부담을 낮춘 것이다.삼성전자는 차세대 LPDDR6-PIM의 국제반도체표준협의기구(JEDEC) 첫 정식 규격도 최종화 단계에 가까워졌다고 밝혔다. 특정 업체만 사용하는 기술을 넘어 다양한 시스템 업체가 활용할 수 있는 표준 메모리 기술로 확대하겠다는 계획이다.업계 관계자는 “삼성전자가 세계적인 반도체 학회 핫칩스에서 선보인 LPDDR5X-PIM은 메모리가 위치한 곳에서 AI 연산 일부를 직접 처리하는 구조적 변화”라며 “AI 반도체 경쟁도 이제 GPU의 연산 속도를 높이는 것뿐 아니라 데이터를 얼마나 효율적으로 이동시키고 처리하느냐가 중요한 단계로 넘어가고 있다”고 말했다.。

二 |

新智元报道

AI 没有抢走任何人的工作。至少到目前为止没有。这个结论来自 Anthropic 经济研究负责人 Peter McCrory 近日发布的一篇长文。

https://x.com/PeterMcCrory/article/2079979321607745905经质量调整的 AI 产出在 2024 和 2025 年均增长超过 2000%，约五分之一的美国企业已在业务中使用 AI，但美国 6 月失业率仍然是 4.2%，恰好落在充分就业水平上。McCrory 的核心判断是：AI 目前仍是一种「技能偏向型、劳动力增强型」技术，它在放大人的能力，而不是替代人。他同时给这个判断标了有效期：12 个月。

数据不撒谎：

连 AI 高暴露岗位都没事McCrory 拉了一整条数据链来证明美国劳动力市场有多稳：失业率 4.2%，职位空缺与失业人数之比刚过 1，25 至 54 岁就业比例接近数十年高位，初请失业金人数连续四年低位运行。他认为，总体而言，美国就业形势稳中向好。总量数据只是起点，分组对照才见真章。McCrory 与同事 Maxim Massenkoff 此前做过一项分析：把 Claude 被大量用来自动化的任务所对应的岗位单独拎出来，看它们的失业率是否比其他岗位恶化更快。答案是没有。用最新的劳动统计局数据更新，结论不变。软件工程类职位的招聘帖自 2025 年 5 月起反弹，涨幅甚至高于其他岗位的平均水平。唯一值得留意的是年轻劳动者。McCrory 承认，年轻人在 AI 高暴露岗位上求职确实变难了，斯坦福数字经济实验室的论文提供了类似证据。

三 | 但他也指出一个容易被忽略的背景：2022 年至今，美国经历了有记录以来最大幅度的非衰退式劳动力市场降温，「低招聘、低裁员」格局本就最先挤压早期职业者。把这笔账全算到 AI 头上，证据不够。

为什么没抢走工作：

每个岗位都有 AI 搞不定的环节McCrory 的解释建立在 Anthropic 过去 18 个月多份研究报告的事实基础上，逻辑链条是这样的：第一层事实：在美国劳工部 O*NET 的全部职业分类中，没有任何一个岗位的所有关联任务被 Claude 系统性地完成。每个岗位都存在 AI 搞不定的环节：人际协调、面对面互动、与物理世界打交道。这些环节像木桶的短板，既限制了 AI 对整体生产力的提升幅度，也让能补上短板的人变得更值钱。第二层事实：AI 越强，对操控它的人的要求也越高。Anthropic 今年 1 月的 Economic Primitives 报告发现，Claude 产出越复杂，背后用户的输入专业度越高。模型做出复杂经济模型时，往往是一个能给出精准指令的专业用户在指挥。

https://www.anthropic.com/research/economic-index-primitives3 月的 Learning Curves 报告显示，用 Claude 六个月之后，用户更多地把它当思维伙伴来用，交互成功率更高。如果 AI 已经强到能独立完成工作，这种学习效应不该出现。

https://www.anthropic.com/research/economic-index-march-2026-report第三层事实：即便到了 Agent 时代，人的价值依然稳固。Anthropic 分析了 Claude Code 七个月的使用数据，发现任务价值在持续攀升，但人类专业能力的回报没有下降：用户负责规划，把实现委派给 Claude；专业能力更强的用户，任务成功率更高，Claude 犯错时恢复也更快。

四 | 纯编程实现的溢价可能正在缩水，但规划、判断和纠错的价值反而上升了。一个有趣的佐证来自用户自己的感受。Anthropic 6 月的经济指数调查里，超过三分之一的受访者预期 AI 在 12 个月内能完成自己大部分工作，但预期自己因此失业的比例明显更低。

五 | 用 AI 自动化程度更高的那批用户，对薪资和工作安全感反而更乐观。

https://www.anthropic.com/research/economic-index-june-2026-report

三种「奇点」和一道防线McCrory 对当下的判断是乐观的，但他没有回避三种可能打破现有格局的未来场景。它们在学术文献和行业讨论中分别被称为软件奇点、经济奇点和科斯奇点。

https://x.com/MTSlive/status/2090610614154764509软件奇点指的是 AI 自动化创新本身。过去的通用技术再强大，内燃机造不出新的交通方式；但 AI 被直接赋予了通用认知能力，理论上可以反过来加速自身迭代。

六 | McCrory 原文明确讨论了这一场景：递归自我改进（RSI）一旦成立，AI 能力的提升将脱离人类控制的节奏。经济奇点是软件奇点的经济学后果。McCrory 援引 Aghion、Jones 和 Jones 2017 年的模型指出，如果创新过程本身被自动化，标准经济模型会预测出「有限时间内的无限增长」。这个结论听起来像科幻，但它是严格的数学推演。

七 | 科斯奇点则瞄准另一个维度。NBER 2025 年的一篇论文（Shahidi、Rusak、Manning 等人合著）提出，当 Agent 把搜索、谈判、签约和监督等交易成本压到接近零时，Ronald Coase 1937 年的经典问题就会被重新激活——市场协调的成本一旦消失，企业存在的理由也就动摇了。

八 |

https://www.nber.org/system/files/chapters/c15309/c15309.pdfMcCrory 讨论的 Agent 场景天然与这一框架对话：如果 Agent 不只改变生产方式，还改变组织形态，劳动力市场的影响将远不止「谁丢了工作」这么简单。面对三种奇点，McCrory 给出的防线是同一道：「弱环节」。这个概念来自 Aghion、Jones 和 Jones 的论文——经济增长的上限不由做得最好的环节决定，而由那些不可或缺却难以改进的环节决定。

https://www.nber.org/system/files/working_papers/w23928/w23928.pdf只要存在始终无法被自动化的关键任务，无论是技术瓶颈还是社会约束，劳动收入份额就不会崩塌，企业形态也不会彻底解体。编程 Agent 的现状已经在验证这条逻辑。McCrory 引用的数据显示，引入编程 Agent 后代码行数增长了 10 到 20 倍，但软件发布量只增加了 30%，应用实际使用量没有任何增长。代码只是软件生产的一环，测试、架构设计、产品判断这些环节仍然卡在人手上，它们就是当前的「弱环节」。McCrory 给出了明确的预测：一年后美国的失业率不会因为 AI 而明显上升。这个判断的有效期是 12 个月，验证信号也很清晰——观察 AI 高暴露岗位的失业率是否开始偏离其他岗位，以及 Agent 场景中人类专业能力的回报是否开始下降。两个指标同时转向的那天，他自己搭建的这套分析框架也需要被修正。