FMS 2026：江波龙以存算协同方案盘活端侧AI能力

  【天极网DIY硬件频道】端侧AI正加速进入手机、平板、智能穿戴和各类嵌入式设备，但机身空间、功耗与BOM成本的限制，也让本地大模型部署和持续推理面临存储、内存资源不足的挑战。面向这一需求，江波龙在FMS 2026上围绕“端侧AI 存储聚变”主题，展示HLCache™高级缓存技术UFS与AILPBGA™高带宽嵌入式内存等存算协同方案，聚焦以更高效的端侧AI存储能力，释放移动嵌入式终端的AI潜力。

  美国硅谷当地时间2026年8月4日至6日，全球存储与内存领域重要展会FMS 2026在美国圣克拉拉会议中心举行。除面向移动嵌入式场景的方案外，江波龙还展出了服务智能体主机、AI PC等场景的相关产品，呈现其在端侧AI存储领域的技术布局。

  智能手机和便携嵌入式AI终端往往受限于机身空间、功耗及BOM成本，难以配置大容量DRAM，在本地部署大模型时可能出现交互卡顿、硬件负载偏高等问题。对此，江波龙推出HLCache™高级缓存技术UFS+AILPBGA™高带宽嵌入式内存协同方案：一端通过软件调度提升有限DRAM的利用效率，另一端以高带宽、小体积内存适配嵌入式推理需求，为移动端AI落地降低硬件门槛。

  HLCache™ UFS：以技术调度盘活有限DRAM资源

  搭载HLCache™高速缓存技术的UFS产品，可智能区分冷热数据，将低频访问的冷数据迁移至UFS存储，在不影响流畅度的前提下缩减DRAM占用。现场以Google Pixel 7a真机实测为例，4GB LPDDR5机型运行30款常用App时，后台保活应用由17款增至28款，涨幅约64%;DRAM运行占用由3.1GB降至2.5GB，降幅约20%;多应用切换流畅度接近原生6GB LPDDR5机型。

  据现场实测，搭载该技术的4GB DRAM终端综合体验接近6GB至8GB DRAM移动设备，并可稳定运行13B、20B量级大语言模型。对终端厂商而言，这一方案可在控制整机DRAM配置与BOM开支的同时，减少内存高频读写损耗，为移动终端的使用寿命与端侧AI体验提供支持。

  AILPBGA™嵌入式AI专用高带宽内存

  AILPBGA™面向嵌入式推理终端和便携智能设备打造，采用自研架构与创新封装，原生支持256bit高位宽，单颗峰值带宽达307GB/s，性能水平比肩HBM2;容量覆盖24GB至64GB多梯度区间，并兼容通用LPDDR5x接口。其22×22mm BGA1764紧凑封装占用主板空间较小，适配窄空间嵌入式设备，在高能效、低功耗与高稳定性之间寻求平衡，以应对算力、体积和功耗的多重约束。

  同期亮相的其他端侧AI产品同样覆盖不同应用形态。面向智能体主机的联合调优方案中，全球首款面向端侧AI推理的高带宽内存AIDIMM™，以及AISSD™+iSA™存储智能体，可服务大模型高效本地运行;适配AI PC的SPU™存储处理单元、Gen5/Gen4多规格mSSD高速存储介质，则为高性能终端运行提供支持。在全球化布局方面，江波龙通过Lexar雷克沙(国际高端消费类)、Zilia(海外行业类)多品牌协同模式，依托南美洲制造运营中心的封装测试与SMT制造能力，为全球移动嵌入式客户提供本地化生产、交付与技术服务。

  伴随手机、平板、穿戴设备及工业嵌入式终端逐步普及端侧AI功能，轻量化存算协同方案有望成为推动移动端AI普及的重要抓手。江波龙通过HLCache™与AILPBGA™等产品组合，将存储与内存资源转化为可调度、可适配的端侧AI能力，为便携嵌入式终端和中轻量级推理设备的常态化落地提供了新的技术路径。

  小结

  端侧AI能否走向普及，关键不只在于芯片算力提升，也在于存储和内存能否在真实终端约束下实现更高效协同。江波龙此次展示的方案，瞄准的正是移动设备空间、功耗与成本之间的平衡问题。随着端侧AI应用向更广泛终端延伸，这类以存算协同提升资源利用率的探索，将成为推动体验落地的重要一环。