2026年，AI NAS正在从私有云存储向家庭算力中心演进。从 CES 起，绿联（iDX 系列）、极空间等相继发布内置大语言模型的 AI NAS，AI NAS要真正成为算力中心，关键看三点：本地算力是否足够跑7B-14B模型、系统是否支持智能体/知识库/相册检索等应用、生态是否打通手机和智能家居。

10月28日，由华秋智联倾力打造的产业直播栏目《芯灵硬见》，聚焦“消费级AI NAS爆火，芯片迭出，硬件团队如何入局？”这一主题，邀请行业专家进迭时空AI CPU芯片生态市场负责人 潘贵平、绿联科技智能存储硬件产品负责人杨超，以及华秋EDA产品经理邵中尉，从从芯片-整机-开发设计工具切入，来拆解AI NAS的算力芯片能效、软件生态、整机工程化和EDA设计等难题。本次直播热度高涨，工程师们互动提问踊跃，收获行业广泛认可。

进迭时空潘贵平：RiSC-V AI CPU K3高通用AI算力，助力AI NAS跑通原生大模型

当前，AI NAS正处于一个窗口爆发期，每家厂商都在考虑将AI植入到硬件中。潘贵平表示：“我们看到算力不再只集中在云端数据中心，正在向下沉的市场扩展的确定趋势，算力向个人、家庭和小型公司扩展。AI NAS是当前的主流方向，传统NAS最开始主要功能是文件存储、备份和共享；随着网络、互联普及到家庭，管理NAS出现，随着大模型兴起，更多用户考虑在NAS上跑模型、智能检索和做知识库的检索和输出。主流NAS厂商在2024年到2026年已将AI写入产品路线图，大模型浪潮让AI NAS从‘存储设备’升级为‘本地智能数据中枢’，而机会的关键在于私有数据既安全，又能被AI聪明的使用。”

为何今天AI硬件产品落地难？潘贵平认为，AI硬件的门槛不在于芯片，而在于生态和软件。AI硬件落地面对四大挑战：一、生态碎片化，不同的平台和架构，软件跨平台难以复用；二、软件栈封闭，专用NPU工具链闭源多，上手门槛高；三、模型适配成本高；四、重复造轮子，缺乏开放可复用的底座，每个项目从零起步。

如何破局？进迭时空采用RiSC-V生态支撑AI硬件落地。RiSC-V指令集的优势在于“基础指令+标准扩展”的模块化设计，让RiSC-V可以按需裁剪，RVV向量、Vector Crypto等扩展，天然适配AI+高并行计算，这也是它成为端侧AI硬件底座的根本原因。

潘贵平介绍了进迭时空的开放开发者平台体系和K1/K3的量产进程。K1是面向边缘AI的RiSC-V AI CPU，已经累计量产超过15万片；K3在2026年初发布，集成了8个自研的X100高性能CPU大核，提供60TOPS AI算力，支持1024-bit向量位宽和完整硬件虚拟化，可以流畅运行30B大模型。4月实现量产交付，截止目前已经累计出货3万片。

AI NAS是一个要不断加场景、多模型并行的品类，当下一些外挂式AI（主控+AI芯片），等于在选型当天就把天花板焊丝在5B、7B的单模型上，且没有补救插槽，K3的优势在于采用32GB统一内存，可以分配给业务，也可以分配给AI，原生30B的流畅推理，吞吐能力达到15 tok/s，K3是全球首颗支持FP8原生推理的RISC-V芯片，单芯片支持一套CPU工具链，软件栈可以持续沉淀和迭代。

“因为核心IP、CPU核、AI核、芯片和软件栈完全自研，进迭时空做到很高程度的资料开放，并且通过云平台、工具链、操作系统和硬件参考设计降低开发者门槛。”潘贵平指出。

绿联科技杨超：把AI算力搬回家，AI NAS系列产品成家庭和个人生产力工具

在直播中，绿联科技智能存储硬件产品负责人杨超围绕“AI NAS用途广，但用户对其价值认知度不够”等痛点，重点分享绿联科技旗舰款iDX6011Pro的高算力配置、真实场景价值。演示基于AI NAS设备中 AI助手实现本地相册分类和语音交互，并且同步拓展到车机影音同步场景，强调了数据隐私安全与home Agent智能家居中枢联动。

绿联科技2012年成立，以3C配件产品，2020年切入NAS为核心的智能存储赛道，2025年以来智能存储已成为公司第二增长曲线，绿联科技已构建覆盖家庭入门级至专业旗舰级的多档位 NAS 产品矩阵。杨超表示，2025年绿联科技的NAS产品在国内天猫、京东，海外的亚马逊等平台销量第一，同时也得到线下用户的认可。

绿联AI NAS系列的旗舰产品iDX6011 Pro，采用Intel Core Ultra 7处理器平台，综合算力高达96 TOPS，配备64GB 8533MT/s超高频LPDDR5X内存及128GB固态系统盘，可运行本地35B级别大模型，为本地AI推理提供算力支持。在扩展能力方面，iDX6011 Pro配备双10GbE万兆网口、双雷电4接口及OCuLink高速扩展接口。其中，雷电4与OCuLink接口可用于外接显卡坞，进一步补充GPU算力，为更复杂的本地AI推理和创作任务提供扩展空间。此外，机身还配备3.7英寸显示屏，方便用户实时查看设备运行状态。

在使用中，可以通过NAS中的AI创建指定相册，自动生成会议、音频总结，翻译或者生成相关思维导图。这款产品自带Uliya AI助手，可以做本地知识库的问答。值得关注的是，系统能识别照片中的人物、场景、物体和文字等信息，自动分类。用户说“我去年海边露营的照片”之类的话，就能快速定位目标照片。

AI NAS最大的优势是在本地完成推理，减少云端数据处理依赖，本地推理可以更好的保护隐私。与此同时，绿联NAS私有云也在不断打通场景生态、拓展数据跨设备流转能力，支持场景内照片、音频的无缝分享，出门前在家看的4K电影、音乐，可以一键同步或远程访问带到车机，实现跨设备内容流转。目前绿联NAS私有云已经与理想汽车实现深度适配，车机版支持多款车型，与长安汽车、比亚迪企业也在拓展合作空间。

今年9月，绿联科技在海内外同步发布Home Agent产品，包括HA100/HA100 Pro，定位是家庭智能体中枢：自研NAS系统、本地存储、本地计算和全屋智控，四件事塞进一台设备。“作为Home Agent中的高端产品，首款搭载英伟达Jetson Thor的T5000本地智能中枢，算力达到2070 TFLOPS，可以支持Qwen3.5-112B的大模型，可以作为家庭和个人生产力工具使用，做一些图形、文字和音频、视频的演算和分析整理等。”杨超表示。

杨超强调，绿联AI NAS搭配摄像头，可以把家庭监控从“被动录像”升级为“本地AI主动理解家庭场景”。绿联AI NAS通过本地AI把摄像头变成“会理解、会提醒、会搜索”的家庭守护者，既能记录美好瞬间，也能主动发现风险，同时保证数据不出家门。

华秋EDA邵中尉：解析自然语言生成NAS主控板原理图

华秋EDA产品经理邵中尉在直播分享中，展示了华秋Kicad  AI助手自动生成四盘位NAS主板原理图，通过AI ERC工具检查器件匹配与Datasheet规范，并演示自动布局与布线功能，强调全流程的自动化与可靠性保障。

邵中尉介绍，新版华秋Kicad 将dsh平台深度嵌入EDA 软件，AI 助手由过去指令式查询升级为开放式对话交互，工程师只需要在AI助手中输入“设计一个四盘位NAS主板”，工具就能理解需求并且自动完成原理图生成。邵中尉分析说：“中小规模设计原理图约6-7分钟就可以完成，像四盘位NAS主板这种包含多个子系统的复杂项目，大约需要几十分钟。”

EDA设计系统可以将主板拆解分多个模块，演示中生成了9个模块：包括电源、四盘位存储、主控、扩展接口、散热管理、安全管理和通信管理等。邵中尉指出，自动生成的电路布局和细节与人工设计还有差距，但可以成为工程师的起点，后续在此基础上按照需求调整优化。

演示中，AI布局体现出模块关系，布局完成后，可以进一步让系统自动布线。华秋KiCad发行版已经集成了FreeRouting自动布线引擎，无需额外配置Java环境即可使用。邵中尉指出，随着模型能力的提升，自动布线的效果会越来越好，未来有望接近甚至超过一般工程师水平。

相较于通用AI工具，该方案内置经过工程验证的插件体系，可靠性更强；华秋AI EDA正在把PCB布局布线从纯手工摆放和布线升级为“AI初稿+工程师精修”，现阶段核心价值是缩短前期设计时间，而不是完全代替人工。

华秋EDA的价值，是把AI NAS硬件开发从“方案—原理图—PCB—检查—DFM—打样”串成一条AI协同链路，让开发者更快把想法变成产品。这套流程不仅服务于AI NAS，也适用于机器人、AIoT终端和边缘算力板等硬件开发。

圆桌论坛：AI NAS市场兴起：从EDA设计、芯片到终端量产

AI NAS是真风口还是伪需求？绿联科技智能存储硬件产品负责人杨超认为，NAS并非伪需求，是真实需求，随着数据隐私意识提升及公有云局限性的显现，家庭及个人用户对私有存储的需求持续上升。之前分析师提到的中信建投预测全球AI NAS销量将从2024年6万台增长到2035年的669万台，年复合增长率54%，这个预测还是比较保守的。

当下，很多人群对NAS了解还不够，手机内存不够换更大内存手机，或者购买大的硬盘，又或者购买公有云服务，这种方式还是无法解决痛点问题。当前家用NAS渗透率不足10%，

NAS用户群不断增长，绿联也是根据不同客户需求进行NAS产品迭代，包括各种硬件配置和AI算力，以不同档位的产品满足不同客户的需求。

作为AI CPU芯片，潘贵平表示除了整机厂ODM，大量开发者通过开发板+SSD自行搭建NAS，对芯片方案和软件框架有旺盛需求。K3芯片上市后，官方开发板配备一个千兆以太网口和一个万兆光纤口，很多开发者在K3开发版的PCB结构上直接接两块全闪存，就构成了一个NAS的基本硬件形态，无需额外设计底板。他提及，进迭时空在官网开放了NAS相关的软件框架，开发者可以自行下载，调试和搭建自己的AI NAS软件系统。

邵中尉指出，华秋EDA是通用型硬件设计工具，用自然语言交互实现全流程加速，AI可以辅助从方案讨论、原理图生成、布局布线到检查的完整流程，不仅可以支持AI NAS设计，也适用于汽车控制系统、机器人控制系统、AI硬件等多种场景。

AI NAS从芯片到量产，卡点在算力、内存带宽与功耗？还是需求定义和体验取舍？潘贵平表示，内存带宽和共享问题是主要瓶颈。

首先，内存带宽影响AI NAS部署的运行效率；其次，内存共享一方面影响模型部署的大小，另一方面在面对不同功能时候，还影响多个模型在硬件上如何做切换。进迭时空k3方案相比X86或者ARM方案的优势是可以原生跑大模型，但是，我们芯片在内存带宽依然有瓶颈。K3是几年前定义的芯片，AI发展迅速，当时性能足够，到今天可能就有不足了。

如何解决芯片的迭代周期和模型的迭代周期不匹配的问题，整个行业都需要去探讨，大家都还没有特别好的思路和解决办法。从机会点上看，基于RiSC-V内核的K3优势在于“模型原生可跑”，能够直接运行多种大模型，对AI NAS硬件设计很重要，不需要每一代新模型都依赖芯片原厂适配，从而把模型迭代和硬件迭代解耦。这种解耦降低了硬件厂商和开发者的风险，硬件也不会因为模型更新而快速落伍，对开发者更加友好。

杨超认为AI NAS从芯片选型到硬件设计，有四大难点：一、AI NAS要跑AI模型，对芯片要求高；二、面向消费级用户，整机要做好噪音控制和散热，硬件设计上没有可参考的板卡或者机箱，要做全新的设计。三、NAS软件是一个独立的操作系统，厂商都要从零开发完全自研的操作系统，涵盖底层驱动、网络层和应用层全栈能力，门槛高。四、多端适配工作量大，需要支持24小时多人多设备访问，同时适配手机（安卓、iOS）、windows电脑等不同终端的APP，开发和运维难度远高于普通终端产品。

总而言之，AI NAS的高门槛在于需要自研全栈操作系统和适配多端，而未来产品形态高度依赖模型厂商优化的方向—小模型线路对NAS硬件友好，大模型路线则推高功耗和成本。

邵中尉预告，华秋即将推出的华秋 PCB是国产EDA软件，预计近期发布。它将和华秋原理图打通，形成从原理图到PCB，再到打板的完整流程。华秋PCB将支持高速电路设计，包括差分走线、蛇形走线，EDA扇出等高速设计功能，这些保证了华秋EDA迈向更高产品的能力。

此外，散热和仿真分析，华秋正在研发EDA软件中引入仿真模块，覆盖阻抗、热源、电磁干扰等物理层面的问题，让设计在软件阶段就能预判实际生产后的表现。我们的战略方向是实现从仿真到现实世界的的过程，AI EDA不再满足于AI生成原理图和PCB，满足从图纸到物理世界形成一个有效的链接。

演讲PPT免费下载

1.RISC-V开放软硬件生态如何支撑AI硬件产品快速落地

2. 家庭与创作场景，AI ANS 真实价值