物理AI兴起：边缘和终端场景下的存储演进

　　大模型训练和大规模数据分析通常依赖数据中心和高性能计算集群来完成。这类AI应用部署在数据中心或云环境中，运行条件相对可控。

　　但当AI开始进入物理世界的机器人、自动化设备和工业系统中，智能系统开始直接参与现实世界的感知和动作。

　　比如它需要根据现场数据做出实时决策，控制设备运行，甚至完成具体操作。在这种场景下，系统不仅要输出准确结果，还必须在实际环境中稳定运行。

　　业内用物理AI（Physical AI）来描述这种变化——也就是AI正在从云端计算，走向现实环境中的感知、决策和执行。

　　越来越多的数据产生在靠近设备和用户的边缘或终端侧。近年来，也有研究机构指出，大量企业数据正在向传统数据中心之外迁移，这也意味着数据的产生和使用越来越贴近真实场景。（引用数据1）

　　物理世界的数据特征

　　在物理世界，数据通常具备三种特征——连续生成、强时序关联以及难以精确复现，即设备与传感器长期在线运行，数据流持续产生；每一条记录都与具体物理动作和环境状态绑定；突发异常依赖特定的瞬时环境条件和系统状态，难以在完全相同的工况下再次出现。

　　因此，物理AI系统对数据持续记录和完整性的依赖性进一步增强。部分边缘场景中，受限于网络带宽、时延或部署环境，数据还需要在终端侧进行本地存储与缓存。如果关键数据没有被完整记录就会影响系统优化、故障分析与运行评估的有效性。

　　存储在物理AI架构中，是保障系统可追溯性与连续运行能力的重要环节。

　　工业级存储：物理AI的底层支撑

　　围绕工业与物联网场景，工业级产品开始承担物理AI的底层角色。

　　例如，闪迪推出的iNAND® IX EM132嵌入式闪存盘，专为工业与物联网设备设计，采用高可靠性64层3D NAND技术，在寿命与稳定性方面相较前代产品进一步提升。该产品提供16GB至256GB容量组合，并支持-25°C至+85°C或-40°C至+85°C的宽温运行范围，能适应复杂环境。eMMC 5.1 接口架构下，其随机读取性能最高可达 21K IOPS，随机写入性能最高可达 12K IOPS。

iNAND® IX EM132嵌入式闪存盘

　　更重要的是，它具备高级运行状况管理、热管理、智能分区、自动和手动读刷新、强大的电源管理等。这些特性主要针对工业与边缘终端在长期运行中的稳定性需求。

　　例如，运行状况管理机制是用于监测设备健康状态与剩余寿命信息，为系统制定维护策略提供参考。

　　热管理机制在持续写入或高负载场景下调节工作温度，减少因过热引发的性能降级或寿命影响。

　　读刷新技术通过周期性读取并重写数据，减轻电荷衰减带来的潜在风险，提升数据保持能力。

　　电源管理机制则在异常断电或电压波动场景下优化数据处理流程，降低数据损坏的概率。

　　iNAND® IX EM122嵌入式闪存盘

　　闪迪还推出了iNAND® IX EM122嵌入式闪存盘，提供高达64GB的容量，配置了闪存管理固件，基于eMMC 5.1标准与X2 MLC技术，支持抗电源干扰、ECC、损耗均衡和坏块管理等特性。

　　在数据密集型的工业应用场景中能精准捕捉并实时记录关键时刻与突发事件，帮助终端设备提供优质、稳定的服务。

　　IX SN530工业级SSD

　　闪迪的IX SN530 NVMe SSD旨在满足汽车和工业应用领域对极端温度、性能、高耐用性和可靠性的要求。读取性能最高可达2500 MB/s，释放接口带宽限制，还支持-40°C至+85°C宽温与20G振动规范。

　　SN530还拥有M.2 2230与2280两种规格尺寸，并提供从85GB到2TB的大容量选择，兼顾终端设备小型化趋势与高性能需求。产品适用于工厂自动化、交通运输、医疗设备，还是机器人、无人机、国防及零售等复杂的终端环境。

　　以上产品，从嵌入式闪存盘到工业级NVMe SSD，形成了物理AI终端记录—缓存—调用—优化的存储支撑体系。

　　最后

　　当AI从云端走向现实执行，系统关注点从计算能力扩展至运行稳定性。算法决定处理效率，而数据的持续记录与可追溯性决定系统能否长期可靠运行。

　　在物理AI与边缘智能持续扩展的背景下，存储的角色正在发生演进。从集中式数据中心的性能支撑，到终端环境下的可靠性保障，工业级存储逐步成为物理AI体系中稳定运行的关键基础设施。

　　引用信息1：

　　https://www.forbes.com/councils/forbestechcouncil/2024/12/12/2025-it-infrastructure-trends-the-edge-computing-hci-and-ai-boom