AI NAS 落地难题：从 RISC-V 芯片到 EDA 设计
行业背景：算力下沉，AI NAS 成为端侧新入口
随着大模型向个人与家庭场景渗透，算力不再只集中于云端数据中心。传统 NAS 以文件存储、备份和共享为主，如今主流厂商已把 AI 能力写入产品路线图，推动 NAS 从“存储设备”升级为“本地智能数据中枢”。这一转变对芯片算力、内存带宽、软件生态和硬件设计工具都提出了新要求。
核心信息：芯片、整机与 EDA 三端拆解
在近日一场产业直播中，进迭时空、绿联科技与华秋 EDA 的专家分别从芯片、整机和设计工具角度，讨论了 AI NAS 的落地路径。
芯片端：进迭时空采用 RISC-V 架构支撑 AI 硬件落地。其 K1 芯片面向边缘 AI，已累计量产超过 15 万片；K3 芯片于 2026 年初发布，集成 8 个自研 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，可流畅运行 30B 大模型。K3 于 4 月实现量产交付，截至目前累计出货 3 万片。该芯片采用 32GB 统一内存，可在业务与 AI 之间灵活分配，原生支持 30B 模型推理，吞吐能力达 15 tok/s，并支持 FP8 原生推理。进迭时空强调，其核心 IP、CPU 核、AI 核、芯片和软件栈均为自研，并通过云平台、工具链和硬件参考设计降低开发者门槛。
整机端：绿联科技旗舰产品 iDX6011 Pro 采用 Intel Core Ultra 7 处理器平台，综合算力达 96 TOPS，配备 64GB 8533MT/s LPDDR5X 内存及 128GB 固态系统盘，可运行本地 35B 级别大模型。该产品配备双 10GbE 万兆网口、双雷电 4 接口及 OCuLink 高速扩展接口，支持外接显卡坞补充 GPU 算力。软件层面，其 AI 助手可实现本地相册分类、语音交互、会议总结与知识库问答，并支持与车机、智能家居场景联动。绿联科技还推出了 Home Agent 产品线，其中 T5000 本地智能中枢搭载英伟达 Jetson Thor，算力达 2070 TFLOPS，可支持 Qwen3.5-122B 大模型。
设计工具端：华秋 EDA 展示了基于自然语言的 AI 助手，可自动生成四盘位 NAS 主板原理图，并调用 AI ERC 工具检查器件匹配与 Datasheet 规范，随后完成自动布局与布线。该方案将主板拆解为电源、存储、主控、扩展接口、散热管理等 9 个模块，中小规模原理图约 6-7 分钟完成，复杂项目约需几十分钟。华秋 KiCad 发行版已集成 FreeRouting 自动布线引擎，无需额外配置 Java 环境。华秋 EDA 产品经理邵中尉指出，当前自动生成结果与人工设计仍有差距，但可作为工程师的起点，核心价值在于缩短前期设计时间，而非完全替代人工。华秋还预告将推出国产 PCB 设计软件，支持差分走线、蛇形走线等高速设计功能，并正在引入仿真模块，覆盖阻抗、热源、电磁干扰等物理层面问题。
对产业链的影响：芯片、设计与制造协同成关键
AI NAS 的兴起对产业链多个环节产生拉动。芯片端，RISC-V 架构凭借模块化与可裁剪特性，试图在端侧 AI 市场占据一席之地，其“模型原生可跑”能力可降低硬件厂商对芯片原厂适配的依赖，使模型迭代与硬件迭代解耦。整机端，厂商需要自研全栈操作系统并适配多终端，同时解决散热、噪音等工程问题。设计端，AI EDA 工具将原理图生成、布局布线、检查与 DFM 串成协同链路，不仅服务于 AI NAS，也可用于机器人、AIoT 终端和边缘算力板开发。从材料与制造角度看，AI NAS 主板对高速电路设计、阻抗控制和散热管理提出更高要求，将带动高多层板、高速覆铜板等需求。
结语
AI NAS 从芯片到量产仍面临内存带宽、散热设计、操作系统自研和多端适配等瓶颈。进迭时空的 K3 方案在模型原生运行上具备优势，但内存带宽仍是瓶颈；绿联科技则强调整机工程与生态打通的重要性；华秋 EDA 试图以 AI 缩短设计周期。产业链各环节的协同效率，将决定 AI NAS 能否从“风口”走向规模落地。
来源：电子发烧友
