AI PC对存储的需求演变
随着搭载Panther Lake处理器的AI PC正式进入市场，端侧人工智能不仅实现了更强的计算能力、更持久的续航和更出色的游戏表现，终端设备的形态也随之发生变化。芯片算力的提升与能耗的降低，使得1.2kg以下的轻薄型笔记本日益普及，同时，基于Windows系统的便携式游戏设备也因集成GPU性能的跃升而具备了良好的AI处理能力。
不只是Panther Lake，2026年国际消费电子展（CES）上，基于新一代骁龙X2 Elite Extreme和Ryzen AI 400系列的AI终端设备纷纷亮相。过去仅能依赖高性能台式级GPU处理的基础生成式AI任务，如今通过约65W的便携电源即可完成，这是整个产业协同进步的成果。
核心硬件缺一不可
AI PC的硬件架构主要围绕五个核心组件展开：CPU、NPU、GPU、内存与存储。这些硬件各自承担不同的AI工作负载。其中，NPU通常用于在低功耗条件下实现AI推理加速，适用于断电状态下的边缘处理；GPU则主要处理生成式AI和复杂智能体任务等高负载场景；而CPU则负责快速启动AI应用并进行资源调度。
与此同时，内存与存储在AI PC中的作用日益凸显。由于AI模型加载、多任务处理及本地化大语言模型运行均需大容量内存支持，16GB内存已难以满足多模型并行调用的需求。32GB DDR5内存被视为支撑AI应用流畅运行的基础配置。然而，受制于成本因素，内存容量难以像SSD那样提供更大的扩展空间。64GB以上内存在消费级AI PC中较为罕见，而128GB及以上容量则多见于专业工作站。
相较之下，SSD作为AI应用的数据载体，其容量和性能则具备更强的扩展性。随着BiCS 8三维闪存技术的普及，高性能、高密度的SSD容量已能够轻松突破1TB，甚至达到2TB、4TB级别。
铠侠在CES 2026期间推出的BG7系列SSD，正是基于BiCS 8与CBA技术打造的消费级端侧AI解决方案。该产品面向OEM和ODM厂商的移动AI设备，支持M.2 2280、2230和2242等多种形态。其随机读写速度可达1,000,000 IOPS，顺序读取速度高达7,000 MB/s，性能较前代BG6系列提升10%至16%。兼顾能效与存储性能，是端侧AI设备扩容的理想选择。
云端与边缘的协同演进
随着AI大模型的持续发展，单靠端侧AI本地运行难以覆盖所有应用需求。通常，语音识别、图像分类和实时翻译等对延迟要求较高的任务，由端侧的NPU或CPU负责处理，响应时间控制在100ms以内以提升用户体验。而复杂任务，如大语言模型推理、高级图像生成和多模态分析，则仍需依赖云端的GPU集群。
在边缘节点与云端AI任务处理中，除了高性能GPU之外，大容量缓存同样不可或缺。数据中心级SSD在存储性能、数据吞吐能力和可靠性方面发挥关键作用，直接影响AI训练和推理的效率与成本。例如，面对PB级训练数据集时，具备百万级IOPS的SSD可将数据加载时间压缩至秒级，减少GPU空闲等待，同时支持多模型并行处理，适用于A/B测试和灰度发布等场景。
铠侠CD9P系列固态硬盘专为满足云端AI计算需求而设计，兼容PCIe 5.0、NVMe 2.0与NVMe-MI 1.2c标准，顺序读取速度高达14.8GB/s，随机读写性能分别为2,600KIOPS（QD512）与750KIOPS（QD32）。
此外，铠侠还推出了LC9系列SSD，最大容量可达245.76TB，助力企业高效管理PB级数据，加速基础设施现代化，以支持生成式AI和机器学习的广泛应用，为边缘和云端AI部署提供更广阔的可能性。
当前，端侧AI的计算能力正在以前所未有的速度提升，100+ TOPS级别的性能已逐渐成为常态，越来越多AI任务得以在本地完成。与此同时，边缘计算的推广与模型压缩技术的突破，为端侧和边缘设备快速处理AI任务提供了坚实基础。随着ONNX、TensorFlow Serving等框架的不断完善，云端、边缘与端侧的协同工作模式正逐步走向成熟。
未来的AI部署不再是简单的“本地”或“云端”二选一模式，而是根据任务类型、网络状况和隐私需求等因素，实现智能动态调度。无论采用何种部署方式，强大的存储解决方案始终是AI应用高效运行的基石。而这，正是铠侠持续深耕的领域。