一句话定义：统一内存（Unified Memory）是指 CPU、GPU 和其他加速单元共用同一块物理内存、同一套地址空间，数据不需要在两边来回拷贝。
打个比方
传统电脑像两个仓库：CPU 用系统内存（RAM），GPU 用独立显存（VRAM），中间只有一条叫 PCIe 的乡间小路。要一起干活，就得先把货物装车、运过去、卸下来，用完再运回来。货物越大，路上越费时间，而且两边仓库不能互相借空间——一个堆满了，另一个空着也没用。
统一内存架构（Unified Memory Architecture, UMA）则是把两个仓库合并成一个大通间，谁都能直接伸手取货，不用装车。
Apple Silicon 走的就是这条路：它把 CPU、GPU、神经引擎和内存控制器做进同一块芯片，内存紧贴芯片放置，所有单元通过同一条高带宽通路访问同一块内存。游戏主机用的也是类似思路。
和相邻概念的区别
这里有个容易混淆的点：NVIDIA 在 CUDA 里也有一个叫 Unified Memory 的东西，那是编程模型层面的统一地址空间，底层依然靠分页迁移在 CPU 和 GPU 之间搬数据，只是由驱动自动完成、不用手写拷贝。而 Apple Silicon 的统一内存是物理层面真的只有一块内存。两者目标相似，实现路径完全不同。
| 对比项 | 传统独显架构 | 统一内存架构 |
|---|---|---|
| 内存归属 | CPU 系统内存 + GPU 独立显存 | 同一块物理内存 |
| 数据搬运 | 需要显式拷贝，走 PCIe | 无需拷贝，同一地址空间 |
| 模型体积上限 | 主要由显存容量决定 | 主要由整机总内存决定 |
| 带宽 | 专用显存带宽通常更高 | 全芯片共享，一般低于高端独显 |
对本地跑大模型意味着什么
大模型推理有个残酷的硬约束：权重必须能装进内存。算法很朴素——模型体积约等于参数量乘以每参数的字节数：半精度约 2 字节，8 位量化约 1 字节，4 位量化约 0.5 字节。一个 700 亿参数的模型做 4 位量化，光权重就要 30 多 GB。此外还有 AI 词典：KV Cache">KV Cache，上下文越长占用越大。
在传统独显机器上，这 30 多 GB 必须挤进显存。显存不够怎么办？要么把部分层卸载到 CPU 内存，速度断崖式下跌；要么换个更小的模型。而统一内存下，GPU 能访问的内存池跟着整机总内存走，"装不下"的门槛被大幅降低——这正是某些内存配置较高的轻薄本能跑起大模型，而一些带独显的机器反而吃力的原因。
但别只看容量。生成阶段（decode）是内存带宽受限的：每吐出一个 token，都要把权重完整读一遍。所以带宽决定了速度上限，而统一内存的带宽要和 CPU、系统、其他应用一起分。加上系统本身和其他 App 也占内存，实际能留给模型的往往小于标称总容量；内存吃紧时触发交换（swap），速度会明显下滑。
对从业者的实际建议：挑本地推理机器时，先算"内存总量 ÷ 每参数字节"能装下多大的量化模型，再看带宽，最后才看算力核心数。具体机型的最大内存配置与带宽指标，以官方页面为准。