統一記憶體（CPU 與 GPU 共用一個記憶體池）
又稱：統一記憶體 · UMA · unified memory · Apple Silicon 記憶體 · 共享記憶體
CPU 和 GPU 共用同一塊記憶體，不必在兩個池子之間複製資料。Apple Silicon 是典型代表。
你會在什麼時候遇到它
當你在比較「為什麼一台 Mac 筆電能載入一台大顯卡桌機載不動的模型」時，答案就在這裡。它解釋了一個看似矛盾的現象：算力較弱的機器，反而能跑更大的模型。不懂這個取捨，你會在選購時只盯著 GPU 核心數，錯過真正決定「能載多大」的記憶體容量與架構。
打個比方
傳統架構像兩個部門各有一間倉庫，貨物要在兩間倉庫之間搬來搬去（複製）。統一記憶體像全公司共用一間大倉庫，誰要貨就地拿，不用搬。代價是：大家擠同一間倉庫、同一條走道（頻寬），人多的時候會互相卡住。
最小範例
離散 GPU（傳統）：
權重必須先放進 VRAM
VRAM 裝不下 → 溢出到系統記憶體 → 每步都要跨池搬 → 慢到不可用
統一記憶體（Apple Silicon 等）：
CPU／GPU 看的是同一個大池子
池子夠大 → 大模型整個放得下 → 不必跨池複製
但頻寬是共享的 → 生成速度（decode）受限於這條共享頻寬取捨很清楚：省掉了「跨池複製」這個致命瓶頸，換來「頻寬共享」這個較溫和的限制。這就是為什麼大記憶體的 Mac 能跑超大模型，但生成速度不一定比得過高頻寬的離散顯卡。
最常搞錯的地方
- 以為統一記憶體「沒有瓶頸」。它把複製瓶頸換成了共享頻寬瓶頸 —— 頻寬被 CPU、GPU 與其他程式瓜分，decode 速度因此有上限。
- 以為統一記憶體等於「GPU 很強」。能讓大模型載入的是記憶體容量；生成快慢是另一回事，取決於頻寬與 GPU 核心。
- 以為池子大就能隨便開超長上下文。模型與 KV cache 共用同一個池，上下文開太長一樣會把池子吃光、在生成中途失敗。