华邦电子CUBE-Lite存储架构方案破解边缘AI设备瓶颈

从AI眼镜到智能穿戴，从Smart Camera到工业传感器，AI正加速走向边缘（Edge AI）。

云端推理虽然算力充沛，但在实时响应、数据隐私和网络依赖等方面还存在短板。因此，越来越多AI终端开始在本地完成推理（Inference）：无需等待网络传输，即可实现更快响应、更低延迟，并更好地保护数据隐私。

然而，当AI被装进眼镜、摄像头等小型设备后，一个新的挑战也随之出现：存储架构，正在成为决定Edge AI体验的关键瓶颈。

当AI走向边缘，存储面临全新挑战

相比云端服务器，边缘AI设备通常受到体积、功耗和散热的限制，却依然需要实时处理图像、语音和传感器数据。

例如，AI眼镜需要实现始终在线（Always-on）的语音交互和视觉识别；可穿戴设备需要在有限电池容量下持续运行TinyML算法；Smart Camera则需要本地完成目标检测。

这意味着，存储不仅需要提供足够的数据带宽，还需要兼顾低功耗、小尺寸以及系统集成效率。

因此，传统以单一性能指标为导向的存储设计思路，已难以满足新一代Edge AI应用需求。

为什么存储架构需要重新设计？

在边缘AI系统中，处理器性能不断提升，但如果存储无法及时提供数据，就会影响整体推理效率。

与此同时，AI终端对于产品形态提出了更高要求：

Low Power：延长电池续航，降低系统功耗；

Small Package：满足轻薄、小型化设计需求；

High Bandwidth：支持AI推理所需的数据吞吐能力；

如何在三者之间取得平衡，是端侧AI存储方案演进的核心命题。

从存储到存储架构

面对Edge AI的发展趋势，存储正从单一器件演进为整体架构设计。传统的存储设计关注的是单一芯片的性能指标，而存储架构强调的是系统级的协同优化，包括带宽、功耗、尺寸、封装方式、与SoC的集成关系等多维度的统筹考量。

华邦电子推出的CUBE-Lite，正是面向轻量化Edge AI应用打造的存储架构方案。

CUBE-Lite提供8-16GB/s的带宽（相当于LPDDR4x x16/x32），运作功耗仅为LPDDR4x的30%。在不搭载LPDDR4 PHY的情况下，SoC仅需整合CUBE-Lite控制器，即可达成相当于LPDDR4x满速的带宽表现，不仅可节省高额的PHY授权费用，更能采用28nm甚至40nm的成熟制程节点，达成原先仅能在12nm工艺下实现的效能水平。

这一架构特别适用于整合NPU的AI-SoC、AI-MCU，可驱动具备电池供电需求的TinyML终端装置。相比传统设计，CUBE-Lite针对Always-on AI、TinyML等应用进行了优化，在兼顾高带宽的同时，进一步提升系统能效和集成效率，可支持AI眼镜、可穿戴设备、Smart Camera等新一代边缘AI终端。

CUBE专为超高带宽应用量身打造，适用于机器人、AR/VR等对带宽要求更高的智能系统，面向高性能Edge AI；CUBE-Lite则面向紧凑、对功耗敏感的终端设备。两者共同构成华邦面向边缘AI的完整存储架构布局，帮助开发者根据不同应用需求，在性能、功耗与尺寸之间取得更佳平衡。

Edge AI时代，存储将成为系统竞争力的一部分

AI的发展正在从"云端智能"走向"终端智能"。

未来，越来越多AI将在设备本地完成推理，带来更快响应、更低功耗和更好的隐私保护。而随着应用场景不断丰富，存储的价值也将从"数据存储"进一步延伸到"系统架构"。

华邦电子持续推动存储架构创新，通过CUBE与CUBE-Lite等解决方案，为Edge AI设备提供高带宽、低延迟、高能效的存储支持，助力下一代智能终端释放更大的AI潜能。

当AI设备越来越小，重新定义存储架构，正成为推动Edge AI发展的关键一步。