Nextorage 推出外接式硬件，助力低内存设备运行大型AI模型

在人工智能模型日益庞大化的背景下，如何让配置相对有限的设备运行超大型模型成为一个关键的技术挑战。根据公开资料显示，群联 (Phison) 旗下日本存储模组企业 Nextorage 正计划推出一款名为 aiDAPTIV Station 的外接式硬件设备。

这款Nextorage推出的aiDAPTIV Station的核心目标是解决内存容量限制带来的性能瓶颈。具体而言，该外接式硬件设备旨在让仅配备32GB内存的AI笔记本电脑也能运行OpenAI GPT-OSS-120B这样的大型人工智能模型。这表明其设计思路是将原本受限于本地内存资源的计算能力，通过外部扩展的方式进行弥补和增强。

从技术实现层面看，Nextorage aiDAPTIV Station支持群联的aiDAPTIV技术方案。这项技术允许设备实现本机DRAM与外接高耐久NAND存储介质之间的动态资源调配。这意味着系统不再将内存视为一个单一、固定的资源池，而是可以智能地在本地高速内存和外部大容量存储之间进行数据流动的优化分配。

关于该设备的物理形态和兼容性方面，资料显示aiDAPTIV Station采用了便携式设计，并配备了USB-C接口。此外，为了扩大适用范围，该设备支持Windows操作系统以及Linux操作系统的Ubuntu发行版，提升了其在不同工作环境下的可用性。

就时间规划而言，Nextorage目标是在今年内面向日本市场推出aiDAPTIV Station，并且同时规划了配套的预构建软件包方案，这为用户提供了开箱即用的使用体验。此举体现了产品从硬件输出到软件生态建设的完整布局。

背景分析方面，大型语言模型（LLMs）如GPT-OSS-120B的参数量和运行所需的内存资源是持续增长的趋势。对于许多企业用户或专业开发者而言，购买一台配置极高的工作站成本过高，而现有AI笔记本电脑虽然便携，但其本地32GB内存可能已成为运行前沿模型的瓶颈所在。Nextorage aiDAPTIV Station正是瞄准了这一“性能需求与设备预算”之间的鸿沟。

影响分析方面，aiDAPTIV技术方案的引入，预示着未来边缘侧AI计算设备的资源管理将更加灵活和智能化。它可能推动行业从单纯追求更高本地内存容量，转向更注重异构、可扩展的外部加速解决方案。这为中端配置的设备带来了“性能跃升”的可能性。

在实际应用场景上，对于需要进行模型微调（Fine-tuning）或本地推理测试，但预算无法支持顶级工作站的用户群体来说，aiDAPTIV Station提供了一个极具吸引力的替代方案。用户可以在不更换核心计算设备的前提下，显著提升其处理大型AI任务的能力。

读者提示：对于关注前沿硬件和AI落地应用的读者而言，应密切关注Nextorage aiDAPTIV Station在后续市场推广中，如何优化不同操作系统下的资源调度算法，以及该技术方案是否能兼容更多主流的AI框架（如PyTorch或TensorFlow）进行深度集成。