当大模型从云端继续往 PC、AI Box 和边缘设备下沉，端侧 AI 面临的问题也开始变得具体：模型能不能装得下，数据能不能及时喂给 CPU、GPU 和 NPU，以及有限的内存容量能不能撑住越来越长的上下文。2026 云栖大会上，江波龙把这些问题直接摆到了展台上。
江波龙以 " 端侧 AI 存储 集成应用 " 为主题，带来了 XP2380MA AISSD 、AIDIMM 、AILPBGA 等产品，并通过本地大模型实际运行展示存储与内存方案如何参与端侧 AI 推理。相比单纯比拼容量和顺序读写速度，这次展出的重点更像是在回答一个问题：当 AI 模型真正进入本地设备，存储应该怎么跟着变。
AIDIMM ：端侧大模型先要解决 " 内存墙 "
现场最显眼的新品之一是这全球首款的 AIDIMM ，展牌给出的核心参数很直接：256bit 位宽、最高 307.2GB/s 传输带宽、最大 128GB 容量，并采用可插拔 DIMM 形态。江波龙公开资料显示，这款产品面向 AI PC、智能体主机等端侧 AI 设备，旨在在大容量与高带宽之间实现新的平衡。
传统 PC 内存体系更强调通用性，但 AI PC 本地大模型推理对内存容量和带宽都更敏感。模型参数、KV Cache 以及 CPU、GPU、NPU 之间的数据交换，会让内存很快从 " 够不够大 " 变成 " 够不够快 "。AIDIMM 采用 LPDDR5X 与 256bit 大位宽设计，最高 128GB 容量，同时保留模块化、可插拔的形态，这也是它区别于 CAMM 形态内存方案的一点。
江波龙此前公布的信息显示，AIDIMM 单条可支持 122B 级以上端侧模型运行；而本次云栖大会现场的联合方案又把展示规模继续往上推。需要说明的是，现场演示界面显示的是经过量化的 Qwen3.5-122B-A10B 模型，因此更准确的理解是：江波龙在展示 122B 参数规模模型经过量化后在本地平台上的运行能力，而不是简单把 "122B" 直接等同于传统全精度模型所需的内存规模。
与 AIDIMM 放在一起展示的 P2380MA AISSD ，则代表另一条思路：让 SSD 承担更多 AI 工作负载。现场展牌显示，这款产品采用 QLC NAND，支持 PCIe 4.0，提供 1TB 和 2TB 方案，顺序读取最高 7400MB/s、顺序写入最高 5500MB/s，随机读写最高 1000K/850K IOPS，应用方向包括 AI PC、AI Box、Home AI Station 和边缘 AI 设备。
现场还能看到 XP2380MA AISSD 与 AIDIMM 并排工作的演示平台，软件界面会实时显示 CPU、GPU 和 RAM 占用情况。相比把 SSD 单独放在玻璃柜里，这种 " 模型跑起来给你看 " 的展示方式，更能说明江波龙这次想讲的并非传统标准存储产品，而是存储介质、内存和软件调度之间的协同。
这背后的变化是，存储厂商开始从 " 提供硬件 " 往系统层走。过去用户购买 SSD，最容易比较的是容量、接口和读写速度；到了端侧 AI 场景，单个器件的峰值性能并不能完全决定模型体验。模型如何加载、缓存如何分层、内存和 NAND 怎样协同，以及不同算力单元如何调用数据，都会直接影响首 Token 时间和持续推理效率。
这也是江波龙强调 " 集成存储 " 的原因。硬件仍然是底座，但真正拉开差异的部分，越来越可能出现在主控、固件、封装、软件和系统级适配之间。
热点科技洞察：AI 时代，存储正在从 " 容量配角 " 变成系统变量
AI 算力讨论过去很容易集中在 CPU、GPU 和 NPU 上，但当模型真正落到端侧，存储和内存的重要性会迅速上升。原因并不复杂：算力再强，如果模型装不下、数据搬不动，或者 KV Cache 持续挤占内存，最终体验依旧会卡在数据这一侧。
江波龙这次在云栖大会展示 AIDIMM 、XP2380MA AISSD 和 iSA ，比较有意思的地方就在于它没有把三者割裂开来。AIDIMM 解决高带宽、大容量内存的问题，XP2380MA AISSD 尝试用更大的 NAND 空间承接部分数据压力，iSA 则负责软件层面的调度与协同。三者放到一起，才构成一套更完整的端侧 AI 存储叙事。
当然，这条路线最终能否大规模进入消费级 AI PC 和智能体主机，还要看整机平台支持、软件生态、实际模型负载、成本以及长期稳定性。尤其是 SSD 参与缓存之后，延迟、写入放大和耐久性如何平衡，都需要真实应用继续验证。但可以确定的是，端侧 AI 正在改变存储行业过去以容量和接口代际为主的升级节奏。未来用户讨论一台 AI 设备时，除了 TOPS 和模型参数，内存带宽、可用容量以及数据调度方式，很可能也会成为越来越重要的指标。
