Longsys представила AIDIMM и AILPBGA для edge AI и локальных LLM
На выставке COMPUTEX 2026, которая проходила в Тайбэе с 2 по 5 июня под темой «AI Together», Longsys представила направление Edge AI Storage · Integrated Implementation. Компания показала полный стек решений для хранения данных в edge AI и сценарии их применения в локальной работе больших языковых моделей.
Вместе с брендом Lexar Longsys продемонстрировала аппаратные и программные решения, ориентированные на ускорение локального инференса LLM и развитие экосистемы ИИ-устройств.
Ключевыми новинками стали AIDIMM и AILPBGA — специализированные решения памяти для edge AI-инференса.
AIDIMM рассчитан на высокую нагрузку на хосте ИИ-агента и локальных LLM-системах. Один модуль поддерживает емкость до 128 ГБ, имеет нативную 256-битную шину и пропускную способность до 307,2 ГБ/с в одном канале. Такая архитектура закрывает типичные проблемы edge AI-платформ: нехватку памяти, задержки при вычислениях, троттлинг из-за нагрева и высокую стоимость модернизации.
В сценариях реального времени, включая LLM-инференс, частые вычисления ИИ-агентов и многозадачные взаимодействия, высокая пропускная способность AIDIMM снижает задержки передачи данных, уменьшает простои вычислительных блоков и помогает избежать «подвисаний» ответа. Один модуль способен стабильно запускать edge LLM с числом параметров более 70 млрд. Интегрированная тепловая конструкция поддерживает стабильную температуру даже при плотной компоновке устройств.
AIDIMM поддерживает динамическую регулировку напряжения в диапазоне 0,9-1,05 В и фирменную технологию FDVFS для интеллектуального управления энергопотреблением. Модуль адаптирует напряжение и режим работы под текущую ИИ-нагрузку, снижает тепловыделение и подходит для ИИ-компьютеров и серверов, где важны производительность, энергоэффективность и простая модернизация.
AILPBGA предназначен для компактных встраиваемых edge AI-систем, где критичны габариты, энергопотребление и совместимость. Решение построено на собственной архитектуре Longsys, имеет нативную 256-битную шину, пропускную способность до 307 ГБ/с, конфигурируемую емкость от 24 до 64 ГБ и полную совместимость с интерфейсом LPDDR.
Корпус размером 22 × 22 мм позволяет применять AILPBGA в компактных терминалах для edge AI-инференса и запуска легких или средних LLM. По сравнению с облачной HBM-памятью решение ориентировано на баланс стоимости и энергопотребления, а по сравнению со стандартными LPDDR5x-схемами дает кратно более широкую шину, более высокую производительность и большую емкость без необходимости менять SoC или архитектуру системы.
Низкое энергопотребление AILPBGA снижает нагрев внутри компактных устройств, упрощает тепловую компоновку и уменьшает риск аппаратных отказов из-за перегрева. Для массовых коммерческих внедрений это также снижает эксплуатационные расходы.
Longsys также показала стек аппаратно-программной интеграции памяти и хранения данных для edge AI. В сценариях AI-agent edge компания объединяет технологию HLCache с собственным SPU — Storage Processing Unit. Управляющим элементом выступает iSA — Intelligence Storage Agent, механизм планирования для edge AI-инференса.
Решение нацелено на проблемы MoE-моделей: большое число параметров, быстрый рост KV Cache и задержки ввода-вывода, которые снижают эффективность инференса. За счет выгрузки вычислений отдельных экспертов на внешние ресурсы, интеллектуального управления кэшем и предиктивной предзагрузки система улучшает плавность локального ИИ-инференса.
На демонстрации с хостом ИИ-агента на базе AMD Ryzen AI Max+ 395 локально была развернута LLM на 397 млрд параметров при 128 ГБ DRAM. При 64 ГБ DRAM система плавно запускала модели 80B и 122B с оптимизацией длинного контекста. Это показывает, что стек хранения может снижать требования к DRAM и одновременно повышать эффективность работы локального ИИ.
Для мобильных edge ИИ-устройств Longsys представила UFS с HLCache, где технология повышает эффективность диспетчеризации DRAM. На демонстрации смартфоны с разным объемом оперативной памяти запускали легкие модели 13B и 20B, при этом решение обеспечивало плавность работы, близкую к устройствам с более высоким объемом DRAM. Это позволяет снизить требования к памяти терминала и оптимизировать BOM.
В дальнейшем Longsys планирует развивать две связки: SPU + iSA + AIDIMM для AI-agent edge storage и UFS + HLCache + AILPBGA для мобильного edge AI. Их задача — объединить вычисления, хранение и ускорение данных для локальной загрузки, инференса и работы сложных LLM на периферийных устройствах.
Отдельное направление — высокоскоростные mSSD PCIe Gen4 и Gen5. Они производятся по технологии SiP на уровне пластины: в одном компактном модуле объединяются контроллер хранения, NAND Flash и PMIC. Такое исполнение повышает надежность на уровне чипа и позволяет адаптировать форм-фактор под M.2 SSD, портативные PSSD и специализированные ИИ-карты памяти.
Версия PCIe Gen5 mSSD имеет размер 20 × 30 мм, совместимый с M.2 2230, и может использовать расширенный тепловой кронштейн M.2 2280. Заявленные пиковые скорости последовательного чтения и записи составляют 11 ГБ/с и 10 ГБ/с, максимальная производительность случайного 4K-доступа — 2 200K IOPS на чтение и 1 800K IOPS на запись. Емкость одного накопителя может достигать 8 ТБ.
Для стабильной работы под интенсивной ИИ-нагрузкой используется фирменное VC-фазовое жидкостное охлаждение и многослойная тепловая архитектура. Это важно для задач, где KV Cache создает длительную нагрузку на подсистему хранения.
Линейка PCIe Gen4 mSSD уже коммерциализирована и применяется рядом производителей ПК в в ИИ компьютерах и тонких ноутбуках. Longsys также использует глобальный канал Lexar для продвижения решений edge AI storage в устройствах для ИИ-контента, локального инференса и мобильных вычислений. Решения Lexar AI Storage ориентированы на ИИ-компьютеры, интеллектуальные системы обработки изображений и потребительскую робототехнику: они повышают эффективность edge AI и помогают снизить требования к объему DRAM в конечных устройствах.
Почему это полезно российским компаниям-разработчикам
Edge AI перестает быть только вопросом выбора NPU, GPU или CPU. Узким местом становится подсистема памяти и хранения данных.
Если устройство должно локально запускать LLM, обрабатывать длинный контекст, работать с KV Cache, поддерживать ИИ-агентов или мобильный инференс, стандартной схемы «SoC + DRAM + SSD» может быть недостаточно. Нужно заранее оценивать пропускную способность памяти, ширину шины, тепловой режим, энергопотребление, объем DRAM, скорость накопителя и архитектуру кэширования.
Практическая польза для российских проектов:
- ИИ ПК и локальные LLM: AIDIMM показывает подход к запуску моделей 70B+ без серверной инфраструктуры.
- Встраиваемый edge AI: AILPBGA интересен для компактных устройств, где нужны высокая пропускная способность и низкое энергопотребление.
- Мобильные терминалы и IoT: UFS с HLCache показывает, как можно снижать требования к DRAM без потери плавности ИИ-инференса.
- Промышленные ИИ-устройства: mSSD Gen5 с 11/10 ГБ/с и емкостью до 8 ТБ важны для локальной аналитики, видео, машинного зрения и моделей с большими наборами данных.
- BOM и тепловая архитектура: такие решения нужно учитывать на раннем этапе проектирования, иначе память, накопитель и охлаждение могут стать ограничением всей ИИ-системы.
Для edge AI-терминалов, промышленных контроллеров с локальной аналитикой, систем видеонаблюдения, медицинских устройств, робототехники, ИИ ПК и мобильных вычислительных платформ память и хранение данных становятся частью вычислительной архитектуры. Их нужно учитывать наравне с процессором, NPU, тепловым режимом и требованиями к энергопотреблению, а не рассматривать как второстепенную периферию.
Вся линейка продукции Longsys представлена в параметрическом каталоге:
На дополнительные вопросы ответят специалисты ЮниРЭК:
ТЕХНИЧЕСКИЕ ВОПРОСЫ, ЗАКАЗ ОБРАЗЦОВ, УСЛОВИЯ ПОСТАВКИ. ПОДБОР АНАЛОГОВ
или свяжитесь: info@unirec.ru; 8 (800) 511-65-20