江波龙的存储Foundry，如何破解端侧AI需求的"千手观音"难题

伴随Agentic AI的兴起、以及人工智能从云端向终端设备加速迁移，AI应用正在进入一个由"云端大模型"与"边缘智能"共同驱动的新阶段。从智能汽车、机器人，到AI PC、智能终端以及工业设备，越来越多设备开始具备本地计算、实时推理和数据处理能力，也推动存储从传统的数据承载角色，向支撑AI计算的重要基础设施演进。本就因为大模型训练而导致供应紧张的存储，需求进一步被引爆。知名分析机构集邦咨询在今年五月也大幅上调全球存储器产值预估，将2026年产值从前一版的5516亿美元提高至8893亿美元，2027年则预计由8270亿美元上修至逾1.28万亿美元，年增率约44%。

这一趋势也成为FMS 2026（Future of Memory and Storage）的核心议题之一。作为全球存储产业最具风向标意义的年度技术交流平台，本届大会于8月4日至6日在美国加州圣塔克拉拉召开，三星、SK海力士、美光、闪迪（SanDisk）等厂商悉数亮相：三星发布了zHBM、zNAND-O概念模型以及堆叠超400层的V10 BV-NAND；闪迪与SK海力士则联手通过开放计算项目（OCP）发布全球首份开放式高带宽闪存（HBF）技术规格，谷歌、Tenstorrent等迅速加入生态。产业链参与者纷纷围绕高带宽、高性能、低功耗以及面向端侧AI的新型存储架构展开布局，探索存储如何满足下一阶段AI应用爆发带来的新需求。

作为存储领域的重要参与者，江波龙也在FMS 2026期间分享了对于AI时代存储发展的观察与思考。江波龙首席科学家陈健博士于FMS 2026同期演讲《Intelligence at the Edge: Powered by the Storage Foundry Model》中指出：“边缘人工智能将无处不在。未来10年，人工智能将从少数几个巨型模型发展到超过830亿个形态各异的边缘设备，给行业带来巨大的需求和机遇。”

与此同时，正如陈健博士所说，端侧AI也给存储带来新的挑战。

端侧AI时代，江波龙开辟新路径

众所周知，过去的存储产品主要服务于相对标准化的计算场景，即使在AI爆发的前几年，无论是HBM还是MRDIMM或者各种NAND闪存，都是在标准的框架下给厂商提供服务。但进入到端侧AI时代，人工智能电脑、AI手机、机器人、智能汽车、工业自动化、可穿戴设备等大量新兴应用将推动存储需求呈现高度碎片化和差异化。

陈健博士在演讲中以"千手观音"作比，形象概括了端侧AI时代存储面临的"双重碎片化"挑战：与云端AI不同，边缘设备受到功耗、延迟、安全性、尺寸、散热以及成本等多重约束，在技术层面呈现高度多元化——不同架构、芯片平台、AI模型、散热设计以及终端形态各自演进，形成复杂多样的技术组合；而在需求层面，端侧AI市场高度分散，不同应用场景和客户对性能、功耗、尺寸、成本及功能适配的要求也千差万别，呈现"千人千面"的特点，难以采用“一套方案适配所有场景”的模式。

面对这种现状，陈健博士认为，如何平衡端侧AI带来的机遇与需求复杂性、应用分散性之间的矛盾已经成为存储从业者需要考虑的问题。在他看来，这已经不是简单的产品迭代，行业也需要一种全新的思维模式和基础设施。

“让我想起就像39年前台积电开启代工业务一样，江波龙相信找到了应对这一挑战的解决方案——存储Foundry模式。”陈健博士说。

据介绍，自1999年创立以来，江波龙一直深耕存储主业、围绕产业链稳步布局。例如，凭借在2011年建立自主行业类存储品牌FORESEE和2017年收购国际高端消费类存储品牌Lexar雷克沙，江波龙扩展了公司的产品组合和品牌在B端和C端的影响力。与此同时，江波龙也一直在修炼内功，在自研模组产品之余，还自研主控芯片，往更上游延伸，增加公司的技术储备。

在制造端，江波龙也在持续完善产业布局。通过2023年收购苏州元成科技，公司强化了高端封测制造能力；2026年完成对Zilia（智忆巴西）的100%全资收购后，公司进一步完善海外制造布局。目前，江波龙已建立覆盖中国中山、苏州以及巴西玛瑙斯、阿蒂巴亚的全球化制造网络，形成国内外协同、多基地联动的产业体系。

正是基于这些积累，江波龙拥有了为端侧AI存储提供服务的底气。

“区别于仅聚焦硬件模组的单一模式，江波龙长期坚持工程师文化，沉淀芯片设计、固件软件开发、材料工程、主机软件/操作系统与上层适配平台、硬件设计、封装工艺、自动化测试、量产制造八大完整核心能力，贯通存储产业链关键环节，能够实现跨环节协同定制开发，是存储Foundry模式能够落地实践的关键基础。”陈健博士表示。

他进一步指出，存储Foundry模式彻底打破了传统存储“标准化硬件售卖”商业模式，能针对不同客户CPU/SoC、AI模型、整机形态做深度软硬件协同定制，一站式承接多元化、差异化需求，从而大幅缩减端侧AI存储产品开发周期与成本，成为破解行业碎片化困局的关键路径，也由此构建起全新的产业合作模式。

在FMS上，江波龙也带来了几款面向端侧AI打造的存储产品，向我们展现了公司这套组合拳给端侧AI带来的重要价值。

从概念到落地，多款领先产品亮相

江波龙认为，当前端侧大模型本地部署仍面临内存容量不足、带宽受限、KV Cache不断膨胀、推理延迟较高以及硬件成本压力等挑战，存储系统需要进行针对性创新，才能支撑AI能力真正落地到终端。以智能手机与便携式嵌入式AI终端为例，江波龙指出，受机身空间、功耗及BOM成本限制，无法搭载大容量DRAM，普遍存在移动端大模型部署受限、交互卡顿、硬件负载过高等问题。

有见及此，江波龙推出了HLCache高级缓存技术UFS与AILPBGA高带宽嵌入式内存一体化方案，依托软件调度创新的HLCache UFS实现DRAM资源减负降本，搭配高带宽运算能力的AILPBGA嵌入式内存，可有效降低移动端侧AI落地门槛，全面推动端侧AI在移动嵌入式设备的规模化普及落地。

据介绍，HLCache高速缓存技术通过优化UFS与DRAM之间的数据调度机制，将低频访问的冷数据迁移至UFS存储，在保障终端使用体验的同时，降低对DRAM容量的依赖。根据江波龙现场基于Google Pixel 7a的测试，搭载HLCache后，4GB LPDDR5设备的后台应用保活能力由17款提升至28款，DRAM占用从3.1GB降低至2.5GB，多任务切换流畅度明显提升，整体体验接近6GB LPDDR5配置水平。江波龙表示，基于该技术，4GB DRAM终端可实现接近6GB~8GB DRAM设备的性能表现，同时降低整机BOM成本，并减少内存负载，为移动端AI应用提供更高效的存储支撑。

至于AILPBGA，则是江波龙面向嵌入式AI推理终端打造的高带宽内存方案，通过自研架构和创新封装设计，实现高性能与小型化兼顾。该产品采用256bit超高位宽，单颗峰值带宽达307GB/s，容量覆盖24GB至64GB，并兼容LPDDR5x接口。凭借紧凑型BGA封装，AILPBGA™可满足空间受限、低功耗的AI终端需求，助力解决嵌入式设备在算力、性能和功耗之间的平衡挑战。

面对AI推理主机、AI BOX普遍存在的内存带宽不足、模块升级繁琐、PCB占用面积大等难题。江波龙率先推出全球首款插拔式高带宽内存AIDIMM。

据介绍，该产品采用4颗LPDDR5x颗粒同面一体化布局，原生256bit超宽位宽，提供307.2GB/s带宽。产品采用高针脚高速专用连接器，支持插拔式升级，兼容市面主流智能体主机主板设计架构，可以快速进行硬件设计移植，无需对现有整机结构进行大幅改造，从而降低客户硬件迭代成本与周期。相较于CAMM2架构，AIDIMM具备易插拔特性，更契合端侧AI设备运维、量产装配的应用需求。

针对AI PC、智能体主机运行大模型时内存占用过高、超大模型难以本地运行的痛点，江波龙也带来了“iSA（Intelligent Storage Agent）存储智能体+混合架构AISSD”方案。

据介绍，作为行业独有的端侧AI推理专用智能调度引擎，江波龙iSA专为公司的AISSD深度适配优化，形成软硬件深度绑定的成套存储解决方案。依托MoE专家模型动态卸载、智能缓存分层管控、数据预取智能预判三大核心自研算法，可实时动态调配内存与存储资源，精准分流闲置算力与缓存数据，大幅降低DRAM内存占用率，全面提升本地大模型对话、生成、续写等交互场景的流畅度，让端侧大模型推理更高效、更稳定。

此外，江波龙还以自研SP存储处理单元与PCIe Gen4/Gen5 mSSD高速存储介质为载体，搭载多项AI存储自研技术，多维升级存储综合能力，创新迭代解决传统方案，赋能AI PC产业规模化落地。据悉，江波龙已建设完成mSSD月产能百万级的稳定交付能力.

在演讲最后，陈健博士强调，虽然端侧AI困难重重，但他们坚信，只要产业链共同携手合作，就能攻克难关，让世界变得更智能。而江波龙，正在力争成为这个时代的最重要的存储赋能者。

“我们希望定制边缘人工智能解决方案，就像向台积电流片一样简单。”陈健博士表示。“展望未来，江波龙希望能够与合作伙伴携手共创一个全新的Collabovate（协同创新，Collaborate+Innovate 合成新词）世界，把握边缘人工智能带来的机遇。”陈健博士说。

而要实现这个目标，江波龙推动的“存储Foundry”在其中扮演重要角色。作为一个开放全栈技术能力的模式，存储Foundry”联合芯片、整机、AI算法产业链伙伴协同创新，打通算力、内存、存储一体化优化链路，合力降低端侧AI商业化落地门槛。

我们也坚信，在江波龙和合作伙伴的共同努力下，我们曾经在电影中畅想的智能世界，正在加速向我们走来。

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。