问题——端侧智能从概念走向规模化，存储成为关键瓶颈之一；行业活动传递的共识是，智能应用正从云端向终端下沉，越来越多的推理与数据处理开始PC、手机、可穿戴设备乃至智能眼镜等产品上本地完成。随着本地大模型、多模态交互、长上下文理解等需求升温，终端对存储提出更严苛的组合要求：既要高速、低时延支撑实时推理，又要更大容量容纳模型与数据，同时还要兼顾小尺寸、低功耗、可定制和成本可控。以“通用标准件覆盖多场景”的传统思路，越来越难在性能、形态与能效之间取得平衡。 原因——“后摩尔时代”叠加应用碎片化，标准件难以匹配端侧多样需求。一上——终端持续轻薄化——散热与空间余量有限；高速接口带来更高功耗与热密度，使单纯依靠“堆性能”的方式受限。另一方面，端侧智能催生出大量介于热数据与冷数据之间的“温数据”：访问频次不低、规模大、对成本敏感，既不适合都放高成本内存中，也不适合完全沉到低性能介质上。再加上AI PC、智能手机、机器人、可穿戴等不同终端对响应时间、可靠性和功耗曲线的侧重点不同，客制化需求随之上升。 影响——存储竞争从“容量与速度”转向“系统级协同”。业内普遍认为，端侧智能落地正在推动存储产业链从单点器件比拼，转向体系化能力竞争，包括控制器与介质协同、数据压缩与缓存策略、散热与封装，以及软硬件联合优化等。谁能在终端有限空间内稳定输出高性能、降低内存占用、提升能效并控制成本，谁就更可能在新一轮需求周期中获得增量市场。对企业来说，这既是技术赛跑，也是供应链与交付能力的综合较量。 对策——以“集成存储”推出SPU与Gen5 mSSD，直指温数据与轻薄终端痛点。活动期间，江波龙提出“集成存储”路径：不再只提供单一标准产品，而是面向具体端侧场景，将处理单元、介质形态、散热与算法能力组合成可落地方案。其发布的SPU（存储处理单元）定位为面向智能存储架构的专用处理单元，重点强调两项能力：容量扩展与“存内智能”。据介绍，SPU支持更高的单盘容量上限，用于覆盖端侧大模型与温数据池的承载需求；同时通过无损压缩与高等级缓存等机制，在不明显抬升系统成本的前提下提升有效容量与带宽，并在一定程度上降低对高成本内存的依赖。企业披露的测试与优化案例显示，涉及的机制可将内存占用降低近四成，为终端侧运行更大参数规模模型与更长上下文腾出空间。 与SPU配套的PCIe Gen5 mSSD，则聚焦“高性能与小型化难兼顾”的行业难题。该产品在更小封装尺寸下实现较高的顺序读取能力，并集成相变液冷等散热思路，尝试在不牺牲轻薄设计的前提下延长峰值性能的可持续时间，适配AI PC等对持续吞吐与稳定性更敏感的场景。这也反映了端侧产品设计的现实约束：终端不可能无限增加散热器与体积，存储需要在封装、热管理与功耗曲线上给出更完整的“系统解”。 前景——端侧智能与存储创新相互拉动，定制化与规模化将同步推进。趋势上，端侧智能的主流应用仍在扩展：AI PC的本地推理与缓存负载、手机的多模态实时处理、机器人环境感知与决策、穿戴设备的低功耗持续感知等，都将抬高对存储“低时延+高并发+强能效+成本可控”的综合要求。未来一段时间，存储产业的竞争焦点可能集中在三上：其一，围绕温数据构建更低成本的本地数据池，增强终端离线能力与隐私安全；其二，通过软硬件协同提升有效带宽与持续性能，减少对内存与云端的依赖；其三，更加重视供应链韧性与交付能力，能够稳定量产并快速适配不同平台与客户需求的企业，更可能把技术优势转化为市场份额。
在人工智能与终端设备加速融合的背景下，存储正从配角走向关键位置，直接影响AI应用的响应速度、体验稳定性与成本结构。江波龙的有关探索为解决端侧存储瓶颈提供了思路，也展示了以系统化方案推动产业升级的方向。随着端侧场景持续扩张与技术迭代加快，存储创新有望成为下一阶段智能终端能力提升的重要支撑。