算力「芯」动向 | 算力焦虑被高估了?存储厂抢了算力厂的戏,江波龙FMS现场改写端侧AI规则

🐆:江波龙FMS 2026以64GB AIDIMM跑通122B大模型,实机验证端侧AI瓶颈已从算力转向存储软硬协同失衡。存储正从数据容器升级为算力调度中枢,江波龙凭全栈定制切入AI整机前置设计,存储厂商正从供应链下游跃升为AI终端方案定义者。

图片

江波龙FMS 2026的实机演示,表面看是一家国产存储厂商秀肌肉,实则暴露了一个正在发生的产业转向。

端侧AI规模化落地的核心瓶颈,已从NPU TOPS算力不足转向内存带宽、缓存调度的软硬协同失衡。

当行业还在争论端侧大模型需要多少TOPS算力时,江波龙用64GB AIDIMM™跑通了122B参数模型的现场演示,把问题的焦点从芯片算力拉回到了内存带宽与数据调度效率。

这不是简单的硬件升级,而是存储在AI系统架构中角色定位的根本性迁移。

存储正在从数据容器变成算力调度中枢。

传统存储的价值衡量标准是容量和读写速度,但在端侧AI场景里,KV Cache膨胀、长上下文交互卡顿、多轮对话延迟,本质上都是内存带宽与存储资源协同失效的症状。

图片

江波龙这次拿出的AIDIMM™+iSA™+AI SSD™成套方案,核心逻辑是用软件定义存储调度,通过MoE专家模型动态卸载、智能缓存分层管控和数据预取预判,把DRAM的占用率压下来,让有限容量的高带宽内存支撑起更大参数的模型运行。

技术底座拆解

这里的技术底座值得拆开来看。

iSA存储智能体针对MoE混合专家模型的稀疏激活特性,实时追踪专家激活状态,将超50%的冷专家权重卸载至SPU高速缓存,DRAM仅保留活跃热专家,冷专家被路由时由SPU低延迟回填。

配合HLC高级缓存技术通过智能分层把温冷数据下沉至SSD,SPU内置的硬件级无损压缩引擎对AI模型参数和推理缓存进行平均2:1的压缩处理。

这套软硬协同的闭环,才是64GB物理内存能够等效支撑122B大模型流畅运行的核心技术根基,单纯堆料解决不了端侧AI的落地问题,必须介入到算力与数据的调度层。

商业模式迭代

这意味着商业模式正在发生迭代。

Storage Foundry模式的核心逻辑,是摆脱标准化存储模组的低价内卷,通过芯片、固件、封测一体化定制,切入AI整机前置设计环节,提升产品附加值与长期客户绑定。

江波龙覆盖从芯片设计、固件开发到封装测试的全栈环节,实际上是在复制半导体Foundry的成功路径。

在端侧AI时代,不同终端对存储的形态、功耗、接口、调度逻辑需求高度分化,标准化内存条和SSD越来越难以满足AI BOXAI PCAI Mobile三类场景的差异化诉求。

算力生态博弈

端侧AI的生态系统尚未固化,存储厂商与算力平台的绑定深度,将直接决定方案的市场穿透力。

江波龙目前与AMD锐龙AI Max+ 395AI Halo开发者平台完成了深度联合调优,一方面借助AMD在端侧算力的布局快速验证场景,另一方面也在提前卡位生态位。

需要看到的是当前公开信息未见排他合作协议,后续可拓展英特尔、高通等端侧平台,在端侧AI存储的标准尚未形成之前,谁先与主流算力平台完成软硬协同验证,谁就能在后续规模化落地中占据先发优势。

但芯片厂商优先自研配套存储调度工具是行业通用逻辑,第三方存储厂商的生态卡位依赖整机ODM和终端品牌的二次认证,先发优势不具备永久壁垒。

势力范围重划

端侧AI正在倒逼存储行业重新划分势力范围。

江波龙这次展出的HLCache™ UFS让4GB DRAM机型达到6-8GB体验,AILPBGA™把256bit位宽和307GB/s带宽塞进22×22mm的BGA封装,SPU™存储处理单元用5nm工艺实现14.8GB/s顺序读取的同时把功耗压在6.3W以下。

图片

这些产品的共同指出在机身空间、功耗和BOM成本严格受限的终端设备里,存储必须承担更多算力支撑和资源调度的职能,而不只是被动读写数据。

对标海外原厂,三星、SK海力士、美光目前仍以标准化DRAM和NAND颗粒供应为主,配套调度固件与自研SPU硬件协同方案尚未见同级别落地。

国内佰维侧重嵌入式存储,AIDIMM级高性能内存产品线布局相对空白。

江波龙是国内少有的同时覆盖主机内存、嵌入式UFS、AI SSD和自研存储主控的全栈厂商,差异化壁垒客观存在。

但Storage Foundry涉及自研5nm SPU和海外封测产线的持续高额研发与资本开支,当前方案仍处于样品验证和开发者平台阶段,大规模订单尚未落地,后续商业化路径仍需观察。

端侧AI存储的竞争,最终比拼的不是单点参数,而是系统级优化能力和生态绑定深度。

江波龙通过多品牌矩阵和南美属地化制造体系搭建全球交付能力,说明其已经不满足于国内市场的零部件供应角色,而是试图以端侧AI存储方案为切口,参与全球AI终端产业链的价值分配。

当大模型轻量化迭代与本地数据安全诉求同步攀升,能够提供软硬一体、全栈定制、全球交付的存储厂商,将在端侧AI的商业化落地中拿到比传统存储时代更高的话语权。


这场FMS上的实机演示,验证的不仅是一款内存产品的性能,更是存储产业在AI时代价值重构的可行性

大模型参数军备竞赛从云端训练场景传导至本地端侧推理,内存资源约束成为落地最大掣肘。

云端HBM比拼极致带宽与容量,端侧AI存储比拼带宽、功耗、体积、智能调度四者平衡。过去存储是算力配套零部件,如今软硬一体存储架构直接决定端侧大模型能否低成本商用,存储厂商正在从供应链下游,上升至AI终端整机的前置方案设计参与者

图片



算力“芯”动向 · 专注AI与算力产业观察

今日阅读文章分享:

(1)存储聚变:江波龙亮相FMS 2026聚焦三大端侧AI场景综合应用

(链接:https://www.prnasia.com/story/543077-1.shtml)

(2)FMS 2026:江波龙存储聚变,以软硬一体AI存储方案破解端侧AI痛点

(链接:https://m.sohu.com/a/1059182246_121948415?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334)

(3)存储聚变:江波龙亮相FMS 2026,聚焦三大端侧AI场景综合应用

(链接:https://k.sina.com.cn/article_5953466437_162dab0450670b7aa2.html?from=tech)

本文若有歧义欢迎读者分享指正。


2026全球闪存峰会

随着生成式AI进入规模化落地阶段,大模型训练与推理对存储性能、容量、架构的需求持续攀升,存储正从被动的数据容器,升级为驱动AI产业发展的核心底座。


在此背景下,以“存力跃迁,AI破局”为核心主题的2026全球闪存峰会(Flash Memory World 2026),将于2026年8月26日在中国武汉正式举办。本届峰会由 DOIT 传媒、华中科技大学计算机科学与技术学院、华中科技大学集成电路学院联合主办,汇聚全球存储产业链力量,全面呈现闪存技术前沿突破与 AI 时代的产业新图景。



报名通道:https://app.ehub.net/register/nga5ph





扫描下方二维码 关注我们

我们以算力为线,持续跟进算力基础设施的报道,输出洞察,伴随算力行业实现算力自由。敬请关注!

本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信