AI PC的存储需求演进
随着搭载Panther Lake处理器的AI PC陆续上市，终端侧的AI能力实现了显著提升，不仅增强了AI算力、续航表现以及游戏性能，也让设备的形态发生改变。得益于芯片性能的优化和能耗的下降，如今市场上1.2kg以下的超轻薄笔记本逐渐成为主流，同时基于Windows平台的游戏掌机也因iGPU性能的跃升而展现出更佳的体验。
这种趋势并不仅限于Panther Lake架构。在CES 2026上，基于全新骁龙X2 Elite Extreme平台和Ryzen AI 400系列的轻薄本、掌机和平板等端侧AI设备也蓄势待发。曾经需要依赖台式机级别的独立GPU才能完成的生成式AI任务，如今在65W左右的便携电源支持下即可高效运行，这背后是产业链各方持续优化的结果。
五大核心硬件缺一不可
AI PC的硬件平台主要围绕CPU、NPU、GPU、内存与存储五大关键组件展开，每个部件在不同AI应用场景中承担着特定功能。例如，NPU在低功耗条件下提供高效的AI加速，适用于离线状态下的智能处理；GPU则负责运行高负载的生成式AI任务和AI智能体；而CPU则承担系统调度与快速响应的职责，确保AI应用的流畅启动与资源分配。
与此同时，内存与存储在AI PC中的作用日益凸显。考虑到AI模型的加载、多任务处理以及大语言模型的本地化运行，传统16GB内存已难以满足需求，32GB DDR5内存逐渐成为支撑AI体验的基本配置。然而，受限于成本因素，内存容量通常无法像SSD那样轻易扩展。64GB以上的内存在消费级AI PC中仍较为罕见，而128GB以上的配置则更偏向于工作站级别。
相比之下，SSD则具备更大的扩展空间。目前512GB起步的SSD已能满足AI任务的需求，尤其是在BiCS 8闪存技术的普及下，SSD不仅提升了容量密度，也显著增强了性能，使得1TB乃至2TB、4TB以上的大容量SSD成为可能。
2026年CES上发布的铠侠BG7系列SSD，便是一款面向OEM和ODM厂商的端侧AI设备解决方案。该产品基于BiCS 8和CBA技术打造，支持M.2 2280、M.2 2230和M.2 2242多种封装形式，具备高达1,000,000 IOPS的随机读写速度和7,000 MB/s的顺序读取性能，较前代BG6系列提升10%至16%。其出色的能效比和存储性能，使其成为端侧AI设备的理想扩容选项。
端侧与云端的协同演进
随着AI大模型的持续进化，单靠端侧设备实现完整的AI功能仍有一定局限。当前的常见做法是，将语音识别、图像分类、实时翻译等低延迟任务交由端侧NPU或CPU处理，以保持响应时间在100ms以内，从而提升用户体验。
而对大语言模型推理、复杂图像生成和多模态分析等高算力需求的任务，则通常由云端GPU集群来承担。无论AI任务部署在边缘节点还是云端，除了GPU算力外，还需要高效的数据缓存与存储支持。因此，大容量数据中心级SSD在提升AI训练和推理效率方面发挥着关键作用。
高性能SSD不仅影响数据吞吐速度，还在可靠性与存储效率上提供支撑。例如，面对PB级的训练数据集，百万级IOPS可以大幅缩短数据加载时间，避免GPU因等待数据而空转，同时支持多模型并行执行，满足A/B测试和灰度发布等场景。
铠侠CD9P系列SSD正是为满足云端AI计算的严苛需求而设计。该产品兼容PCIe 5.0、NVMe 2.0及NVMe-MI 1.2c标准，顺序读取速度高达14.8GB/s，随机读取可达2,600KIOPS（QD512），写入性能也达到750KIOPS（QD32），为高负载AI应用提供了稳定支撑。
此外，铠侠还推出了LC9系列SSD，单盘容量最高可达245.76TB，可帮助企业管理和处理PB级数据，推动基础设施向现代化演进，为生成式AI和机器学习应用提供坚实支撑。该系列产品在云端与边缘部署中均具备广泛应用潜力。
随着端侧AI性能的持续提升，100+ TOPS算力已成为现实，越来越多AI任务可在本地完成。同时，边缘计算的普及和模型压缩技术的突破，也使AI在边缘侧的实时执行成为可能。随着ONNX、TensorFlow Serving等框架的不断完善，端侧、边缘与云端之间的AI协作日益紧密，构建出一个高效、智能的计算体系。
如今，AI任务的调度不再局限于“本地或云端”的二选一模式，而是根据任务特性、网络状态和隐私需求进行动态分配。无论采用哪种部署方式，具备高性能、高可靠性的存储解决方案都是确保AI应用流畅运行的关键基础。这也正是铠侠在存储技术领域的核心优势所在。