江波龙端侧AI存储方案落地高通旗舰平台：存储器厂商在AI推理链中的角色正在被重估

本文来源：时代周报 作者：颜晨

在2026年骁龙峰会上，高通联合阶跃、无量火与江波龙完成了一项标志性演示：将阶跃StepEdge-Omni 30B-MoE模型完整部署进智能手机，并跑通从邮件理解、行程规划到航班酒店推荐的全链路智能体工作流，全程本地完成，无需云端调用。

四方合作中，阶跃提供模型，无量火提供推理引擎，高通提供算力平台，江波龙提供端侧AI存储解决方案。这一分工细节折射出端侧AI产业链的关键变化：制约端侧大模型规模化落地的瓶颈，正在从NPU算力转向存储系统的调度能力。

端侧AI的存储瓶颈：从“容量够大”到“调度够智能”

端侧AI落地喊了两年多，但真正制约其规模化的，并不只是算力。大模型参数膨胀与终端DRAM容量之间的鸿沟，才是智能体难以在手机端常态化运行的核心障碍。

30B MoE模型如果按常规方式加载，对运行内存的占用足以让多数旗舰手机“内存告急”。MoE模型虽在推理时仅激活部分专家模块，但专家权重总量依然庞大，不可能全部常驻DRAM；多轮对话中KV Cache持续膨胀，进一步挤占有限内存。标准存储方案面对这种I/O节奏，只能被动响应读取请求，计算单元经常处于“等数据”状态。

江波龙的解法是一套软硬协同体系：UFS 4.1存储芯片提供可调度的高性能传输基础，iSA存储智能体在软件层承担智能调度角色。iSA围绕AI数据访问特点与计算时序，协同设计存储介质、数据布局、主控和固件——针对模型权重、MoE Expert和KV Cache的不同特点，优化分层存放与生命周期管理；通过预取提示和关键读取优先策略，让存储访问匹配推理节奏；同时针对KV Cache卸载带来的额外写入优化写放大，延长闪存寿命。

实测数据显示，这套方案使30B MoE模型在智能手机上实现预填充吞吐超过330 Token/s、解码吞吐超过28 Token/s，对比仅使用NPU的通用推理方案提升超过30%。

更关键的是跨平台复用能力。此前该方案已在AI PC和AI移动工作站场景完成验证，此次在移动端平台的适配，证明iSA调度逻辑不依赖特定SoC架构。江波龙副总裁、嵌入式存储事业部总经理黄强在峰会上的表态也指向这一方向：“iSA率先适配高通第六代骁龙8超级至尊版，通过存算协同释放平台算力价值，突破端侧大模型推理存储瓶颈。”

自研主控是底层支撑：2.8亿颗量产背后的产业链位置

iSA之所以能实现精细调度，前提是江波龙对存储主控拥有完全自研能力。若主控来自外购，固件算法无法深度定制，存储与计算之间的协同只能停留在标准协议层面，难以真正“理解推理节奏、预判数据需求”。

这正是江波龙区别于多数存储模组厂商的根本所在。公司自研主控芯片累计量产已突破2.8亿颗，5nm制程UFS 4.1主控已实现规模化出货。在车规级领域，搭载自研5nm WM7400主控的UFS 4.1产品顺序读取速度达4200MB/s，已进入全球头部车企验证导入阶段。

自研主控的战略价值不止于性能指标。它改变了江波龙与上游晶圆原厂的合作逻辑。2025年6月，公司与闪迪签署具有约束力的合作备忘录，双方整合闪迪BiSC8-218层3D闪存晶圆技术与江波龙自研主控、定制固件和封测能力，联合推出面向移动终端和IoT设备的UFS解决方案。在这一合作中，江波龙的角色不是采购方或代工厂，而是核心技术输出方。

从产业链视角看，能否自主掌控主控、固件、封测三大核心环节，是区分“低端颗粒贸易商”与“高端系统级解决方案厂商”的核心标准。端侧AI时代，这一判断变得更加刚性。端侧推理对存储的要求不再是“容量够大、速度够快”，而是存储系统能否理解推理工作负载的时序特征，主动参与数据调度。没有自研主控和固件能力的存储器厂商，在这一赛道上天然缺一条腿。

企业级与车规级：端侧AI只是江波龙AI版图的一角

端侧AI的高调落地容易让人忽略一个事实：江波龙在AI存储上的布局远比手机场景更宽。

2026年上半年，公司企业级存储业务收入21.40亿元，同比增长208.80%，增速远超整体营收136.26%的增长水平。eSSD和RDIMM产品已通过联想、京东云、Bilibili等头部客户认证并量产出货，同时完成鲲鹏、海光、飞腾等国产CPU平台兼容适配。IDC数据显示，2025年上半年中国企业级SATA SSD总容量排名中，江波龙位列行业第三、国产品牌第一。

车规级存储的增长逻辑同样清晰。全球单车平均车载存储容量从2021年34GB飙升至2026年483GB，L3及以上自动驾驶车型单车存储需求高达4TB—20TB，是传统手机的数百倍量级。公司已与20余家主机厂、50余家Tier1供应商建立合作，自研5nm主控配套的车规级UFS 4.1产品直接供货北美智能汽车与自动驾驶科技巨头。

三条产品线——企业级、车规级、端侧AI——共同指向一个结构性变化：江波龙的收入驱动力已经从消费电子的库存周期，切换为AI算力基础设施的资本开支周期。 2026年上半年公司综合毛利率达58.90%，ROE高达56.92%，非消费级产品收入占比从2023年的5.3%持续攀升至2026年前4个月的11.6%。这些数字背后的业务结构变化，比绝对增速本身更值得关注。

估值错位的本质：市场还在用旧框架定价新资产

江波龙当前面临的市场认知差，与端侧AI突破所带来的业务性质变化直接相关。

资本市场的定价惯性依然锚定在“存储模组厂商”框架中——周期性强、毛利率波动大、估值中枢偏低。但公司实际业务结构已经发生根本性偏移：企业级存储增速领跑、端侧AI解决方案进入高通生态、自研主控完成从设计到量产的闭环、车规级产品进入全球头部车企验证阶段。

长城证券在研报中维持“增持”评级，预计公司2026至2028年归母净利润分别为129.30亿元、131.33亿元和132.70亿元，对应PE分别为24倍、23倍、23倍。摩根士丹利在NAND闪存超级周期报告中，将江波龙目标价从300元大幅上调至673元。机构预期与市场实际定价之间的分歧，折射的正是旧框架与新资产之间的张力。

端侧AI存储赛道刚刚进入规模化落地拐点。灼识咨询预测，全球端侧AI设备存储产品市场规模将从2025年的138亿美元增至2030年的1415亿美元，年复合增长率59.4%。江波龙在这一时间节点上，同时具备自研主控的硬实力、iSA软硬协同的架构能力，以及高通生态的入口位置——这种组合在国产存储器厂商中几乎没有第二家。

存储行业的竞争逻辑正在被重写。过去看谁产能大、成本低、库存周转快；未来看谁能让存储系统理解计算、参与计算、优化计算。江波龙端侧AI解决方案在高通旗舰平台上的落地，是一个明确信号：在这条新赛道上，它已经跑到了靠前的位置。