AI PC所需的存储方案解析
电子创新网
AI PC所需的存储方案解析
随着搭载Panther Lake处理器的AI PC陆续上市，终端侧AI不仅在算力、续航和游戏体验方面取得了显著提升，设备的形态也随之发生变化。由于芯片性能增强和功耗降低，1.2kg以下的轻薄笔记本逐渐普及，而基于Windows平台、配备集成GPU的游戏掌机也在性能提升后展现出卓越的使用体验。
不仅是Panther Lake，CES 2026展会上也展示了基于新一代骁龙X2 Elite Extreme和Ryzen AI 400系列的多款轻薄本、游戏掌机和平板设备。这些端侧AI产品表明，过去依赖高性能台式GPU才能运行的简单生成式AI应用，如今仅需约65W的便携电源即可流畅执行，这背后离不开整个行业的协同推动。
核心硬件缺一不可
在AI PC的硬件架构中，CPU、NPU、GPU、内存和存储五大核心组件各司其职。其中，NPU主要负责在低功耗条件下实现AI加速，GPU则承担生成式AI和AI智能体等高负载任务，而CPU则负责快速调度资源，确保AI应用的启动和运行效率。
与此同时，内存与存储的重要性日益凸显。AI模型加载、多任务并发处理及大语言模型本地运行均对内存提出了更高要求。16GB内存已难以满足多模型切换的需求，32GB DDR5被视为保障AI应用流畅运行的基础配置。然而，受限于成本，内存容量难以像SSD那样大幅扩展，64GB以上的内存在消费级AI PC中仍属罕见，128GB以上则多见于专业工作站。
相较之下，SSD的容量更具扩展性。目前主流AI PC普遍采用512GB起步的SSD，而随着BiCS 8闪存技术的广泛应用，SSD不仅具备高性能，还能实现更高容量密度，使1TB乃至2TB、4TB的产品成为现实。
CES 2026期间发布的铠侠BG7系列即是一款面向OEM与ODM的消费级SSD解决方案。该产品基于BiCS 8和CBA技术，随机读/写速度可达1,000,000 IOPS，顺序读取速度最高达7,000 MB/s，相比前代BG6系列提升约10%至16%。其不仅在性能和能效方面表现出色，还提供M.2 2280、M.2 2230和M.2 2242等多种尺寸选择，是端侧AI设备的理想扩容方案。
云端协同的必要性
随着AI模型的持续进化，端侧AI虽在本地执行部分任务，但完全依赖端侧实现所有AI功能尚不现实。当前常见的策略是：将语音识别、图像分类、实时翻译等低延迟需求任务交由端侧NPU或CPU处理，以确保响应时间控制在100ms以内，提升整体体验。
而更复杂的任务，如大语言模型推理、图像生成与多模态分析，则由云端GPU集群执行。无论是在边缘节点还是云端运行AI任务，除了高性能GPU外，充足的缓存支持同样不可忽视。因此，具备大容量的数据中心级SSD成为关键组件，其在存储性能、数据吞吐能力和可靠性三方面对AI训练与推理效率及成本控制产生直接影响。
例如，在处理PB级训练数据集时，具备百万级IOPS的SSD可将数据加载时间缩短至秒级，避免GPU因等待数据而空转，同时支持多模型并行运行，适用于A/B测试与灰度发布等高级应用场景。
铠侠CD9P系列SSD专为满足云端AI计算需求而设计，支持PCIe 5.0、NVMe 2.0和NVMe-MI 1.2c标准，顺序读取速度可达14.8GB/s，随机读写性能分别为2,600KIOPS（QD512）和750KIOPS（QD32）。
此外，铠侠还推出了最高容量达245.76TB的LC9系列SSD，可协助企业管理PB级数据，推动基础设施现代化，为生成式AI和机器学习应用提供支撑，为云端与边缘部署开辟更多可能性。
当前，端侧AI能力正以前所未有的速度发展，100+ TOPS算力已逐渐成为常态，越来越多AI任务得以实现本地化处理。边缘计算的普及和模型压缩技术的突破，也在推动端侧和边缘设备快速执行AI应用。
随着ONNX、TensorFlow Serving等框架的不断完善，云端、边缘与端侧协同工作以实现流畅AI体验已不再是遥远目标。AI计算的调度方式也从单纯的本地或云端二选一，演进为根据任务特性、网络状况和隐私需求进行动态分配的智能系统。
无论系统如何部署，优质的存储解决方案始终是AI应用稳定运行的核心保障。这也是铠侠长期以来在该领域持续深耕、不断创新的关键方向。
查看全文
评论0条评论