AI应用的快速升级让感知AI与生成式AI不再是唯一主角，通过AI智能体对一项复杂工作从感知、生成到实践成为了新的可能。但诸如机械臂、机器人等对现实世界进行物理干预的AI智能体显然不可能每一条指令都依靠远方的AI服务器提供算力支持，如果端侧获得毫米级响应决策，并能很好的控制数据安全、优化成本、降低对网络依赖，对于AI应用普及无疑可以更进一步。这时候，边缘AI自然变得愈发重要。
边缘AI可以看成云端AI的补充。事实上，未来AI运算将呈现出训练与迭代在云端，推理与内容生产梯度分布在云、雾、边缘的格局。复杂的模型训练仍在云端进行，但实时的推理决策则下沉到边缘。特别是近期诸如Panther Lake等SoC大幅度提升AI TOPS算力，优秀的低功耗表现让其不再限制应用于笔记本电脑中，边缘AI在现实世界中的推广到了蓄势待发的节点。
AI智能体则可以看成边缘AI应用中一个重要的赋能，在延迟、隐私和成本得到解决的同时，也大幅降低了使用门槛。比如近端时间时常被提到的AI智能手机、AI机器人都正在向着这个方向发展，用户只需要提出最终的目的，收集信息、整理素材、最终操作都会交给AI智能体完成。
举个简单的例子，当用户希望在明天以优惠的价格和最短的时间前往某个目的地，AI智能体可以做到整理机票、酒店等相关信息，总结出合理的解决方案，然后最终订票的操作也由AI智能体完成。
正如开头所言。如果仅依靠AI服务器的算力，是没有办法做到许多本地工作的毫秒级响应和数据安全。通过边缘AI硬件的解决方案，即使在弱网的状态下，AI智能体也能很好的完成工作，甚至通过对本地信息的整理，获得定制化的AI，即保护了数据安全，也能给用户量身定制出效率更高的解决方案，让AI具备持续学习以适应环境变化的能力。
这并非天方夜谭的想象。以家庭网络存储为例，当NAS运算性能不断提升，融入了高性能NPU、GPU处理单元，AI NAS的概念随之诞生，通过本地数据重力，帮助家庭内多个AI终端设备就有了资源协同可能性。同样的概念可以应用到5G网络、工业物联网中，将生产数据、检测模型和操作记录整合到本地小型化的AI存储管理作为数据中转，向不同的AI智能体分享结论，让AI机械臂、AI机器人自动提升效率也同样变成了可能。
无论边缘AI是以什么样的形态运行，本地构建大容量、高并发、高可靠的数据存储也愈发重要。例如AI边缘服务器已经开始承担起关键角色，行业合作伙伴从M.2 SSD扩展至U.2甚至EDSFF SSD，通过高效存储寻找边缘AI的更多可能性。
其中铠侠CD9P系列最大容量可达61.44TB，每瓦功耗的性能表现出众，顺序读取提升约60%，顺序写入提升约45%，随机读取提升约55%，随机写入提升约100%，也给本地化的边缘AI存储方案提供了另一种全新的可能。
另外，拥有245.76TB容量的铠侠LC9系列SSD也提供了更多可能，凭借着行业最高的容量，让单个存储服务器仅利用4块LC9 SSD就能实现PB级存储，为AI高速缓存、训练温数据提供源源不断的空间。
在未来，随着AI智能体等AI应用的不断升级，未来边缘AI还将展现出更多可能。铠侠将与合作伙伴一起共同努力，提供高效、稳定、节能的存储方案，创造AI解决方案的更多可能性。