過去十年，我們經歷了"存儲下沉"的完整周期。從企業機房的SAN陣列，到辦公室的文件服務器，再到客廳里的NAS服務器，數據所有權一步步回歸個人。驅動這個過程的根本原因是成本與形態的博弈，當硬盤足夠便宜、設備足夠安靜、功耗足夠低時，沒有人愿意把家庭照片存在某個可能隨時關停的公有云里。

既然存儲可以回家，算力為什么不能？今天，AI 算力正在經歷與十年前存儲下沉完全相同的拐點。2024 年，群暉發布了首款搭載專用NPU的NAS。這不是一個孤立事件：威聯通、極空間、綠聯等幾乎所有主流NAS廠商，都在2025年把"本地AI"寫進了產品路線圖。NAS這個曾經只負責"存東西"的盒子，正在變成"想東西"的腦子。這就是"家庭算力樞紐"的雛形。

01

為什么需要“家庭大腦”？

六十年前，IBM 360 大型機占據整個房間，計算是少數精英的特權；三十年前，PC 走進千家萬戶，通用算力實現了全民普惠。而今天，當AI Agent需要7×24小時在線、當大模型推理動輒需要數十 GB 顯存、當家庭隱私數據再也不愿流經云端——AI算力，也正在經歷一場從機房到客廳的下沉運動。家庭，正在成為AI落地的終極邊緣節點。

首先是隱私問題，家庭場景匯聚了用戶高度私密的數據與個性化習慣，從家人的照片視頻、健康記錄，到日常的消費偏好、作息規律，這些數據往往具有不可外傳性。而多數現存設備或依賴云端難以獨立處理復雜本地任務，或偏重通用計算而缺乏持續在線的主動智能。

除了隱私問題，經濟賬是關鍵。當前主流云端AI服務普遍采用訂閱制。以家庭多成員、多設備、多Agent的場景計算，每月動輒數百元的"AI稅"累積起來，兩年就能買一臺本地算力設備。而家庭AI中樞，可以7×24小時運行本地大模型，一次性投入即可擁有終身算力產權。

而真正讓家庭算力樞紐從"錦上添花" 變成"剛需"的，是即將到來的 AI Agent 時代。AI Agent不是搜索引擎，不是"你問我答"的對話框。真正的Agent是持續在線、主動感知、自主執行的數字生命體。很多家庭場景對延遲和可靠性的要求極為苛刻。云端方案哪怕只有百毫秒延遲，在Agent語境下也是"遲鈍"；網絡中斷更是致命。只有本地算力，才能提供真正的實時響應與斷網自治。

現在的家庭網絡架構，本質上是 "每個設備自帶腦子"：手機有 NPU，電腦有 GPU，智能音箱有專用語音芯片。這就像早期每個房間單獨裝一臺空調，各自為政、效率低下。而家庭算力樞紐要做的，就是打造 AI 時代的 "中央空調"：一個強大的統一計算核心，通過家庭局域網為所有終端設備按需供 "智"。這個模式在技術上已經沒有不可逾越的障礙，真正的挑戰只剩下三個：成本、形態和生態。

02

家庭算力樞紐的N種可能

家庭算力樞紐應該長什么樣？目前市場上已經演化出多條不同的路線，它們代表了對 "家庭 AI" 的不同理解。

首先是越做越像服務器的NAS。NAS廠商是最先嗅到風向的一批人。2025年以來，綠聯、極空間、威聯通幾乎將所有新品都貼上了"AI"標簽。

AI NAS的優勢在于，用戶已經有數據存儲需求，算力是"順帶"提供的，遷移成本極低。但其瓶頸也明顯，傳統NAS的CPU（如Intel N305、N355）AI算力有限，通常只能流暢運行7B以下小模型，面對30B以上的實用級模型往往力不從心。

另一種形態是迷你主機/AI BOX。與NAS的"存儲思維"不同，迷你主機/AI BOX更看重算力。2026年初，蘋果M4 Mac mini的全球缺貨事件，堪稱算力下沉家庭的標志性時刻。開發者社區發現，這臺3000元級別的迷你主機，憑借38 TOPS NPU算力、16-32GB統一內存架構、超低的待機功耗，成為運行本地AI Agent的理想載體。此外，銳龍AI Max+ 395（代號"Strix Halo"）是AMD向家庭算力樞紐投下的重磅炸彈。16核Zen5 CPU、40單元RDNA3.5 GPU、50 TOPS NPU，配合最高128GB統一內存——其中最高96GB可專屬分配給GPU作為顯存。這意味著，一臺巴掌大的機器可以本地運行Llama 3.1 70B-Q8、GPT-OSS-120B等千億參數模型。迷你主機的優勢在于純粹的算力密度與架構先進性，但劣勢是存儲擴展性通常弱于NAS，且需要用戶自行搭建軟件生態。

還有一種可能性是AI原生中樞。2026年5月18日，摩爾線程發布了MTT AICUBE。它不把自己定義為NAS，也不定義為PC，而是"家庭AI中樞"。AICUBE搭載自研"長江"智能SoC，集成全大核CPU、全功能GPU與雙核NPU，提供50TOPS異構AI算力與32GB高速統一內存（帶寬120GB/s）。AICUBE的野心在于生態閉環：從芯片（長江SoC）到系統（MTT AIOS）到智能體（小麥）到存儲（全閃AI NAS），全部自研。這種垂直整合讓它可以做出傳統PC廠商做不到的體驗——比如"二維拓撲記憶系統"，讓AI真正擁有長短期記憶融合能力，越用越懂家庭成員的偏好。

三條路線的本質分歧在于：AI NAS相信"數據是核心，算力是附屬"；迷你主機相信"算力是核心，存儲可外接"；而AICUBE相信"Agent才是核心，算力與存儲只是Agent的四肢與腸胃"。

03

統一內存架構或許是版本答案

家庭算力樞紐能不能普及，瓶頸從來不是CPU頻率，而是內存墻。傳統PC架構中，CPU有自己的DDR內存，GPU有自己的GDDR顯存，兩者之間通過PCIe總線通信。當大模型推理時，數據需要在內存和顯存之間頻繁搬運，這不僅消耗帶寬，更消耗功耗與時間。更關鍵的是，對于參數量動輒數十億的大模型，顯存容量直接決定了能跑多大的模型。消費級獨立顯卡通常只有8-16GB顯存，運行Stable Diffusion 3.5 Large都可能捉襟見肘。

統一內存架構（UMA）正是打破這堵墻的關鍵。UMA（Unified Memory Architecture）讓CPU、GPU、NPU共享同一個物理內存池，通過片上高速互連動態分配資源。這帶來了多項優勢：首先是零拷貝通信，CPU預處理的數據，GPU可以直接讀取，無需通過PCIe"搬運"；其次是顯存彈性擴容，系統內存可動態劃撥給GPU使用，可以加載更大的模型；最后是帶寬效率躍升。

目前，三大芯片廠商都在全力推進統一內存架構在消費級市場的落地。AMD Strix Halo把這套邏輯做到了消費級。128GB LPDDR5X-8000統一內存，通過GTT（圖形轉換表）讓GPU直接訪問系統內存，其中約96GB可以分配給AI推理。這讓它成為第一款能在單機上運行70B全精度模型的消費級處理器。NVIDIA DGX Spark 搭載的 GB10 芯片同樣采用 128GB 統一內存，帶寬高達 273GB/s，可分配約 100GB 作為顯存使用，不過這款產品目前更多面向專業 AI 開發者。蘋果M4 Max的統一內存帶寬超過500GB/s，是三者中最高的。但蘋果的封閉生態意味著你無法自由安裝模型、無法擴展硬件、無法選擇操作系統。對于家庭算力樞紐這種需要長期迭代、靈活部署的場景，封閉性是個致命傷。

04

從“存儲共享”到“記憶共享”

家庭算力樞紐的終極價值，不在于它能跑多大的模型，而在于它能解決一個當前AI生態的頑疾：失憶癥。

今天的 AI 設備都是一座座 "智能孤島"。手機上的助手不知道PC里的文檔，音箱不知道電視的觀看歷史，每個設備都要重新學習你的偏好。家庭算力樞紐的顛覆性意義，就在于它可以成為整個家庭的統一記憶層，所有設備通過本地網絡連接到同一個算力中樞，實現真正的語義級記憶共享，而不是云端賬號那種簡單的 "同步文件夾"。摩爾線程的 "小麥" 智能體已經展示了這種可能性：其二維拓撲記憶系統將短長時記憶深度融合，能夠精準關聯人與事、過去與現在。

要實現這種真正的 "家庭記憶"，需要構建一套三層架構體系：

第一層是統一向量數據庫。家庭的所有非結構化數據——照片、文檔、聊天記錄、健康數據——被轉化為向量嵌入，集中存儲在樞紐上。任何設備的AI請求，都先查詢這個"家庭知識庫"。

第二層是跨設備Agent協作。手機負責采集（拍照、錄音），PC負責生產（寫作、編程），電視負責展示（相冊、視頻），音箱負責交互（語音入口）。它們不是各自運行AI，而是把感知任務本地處理，把推理任務交給樞紐，把結果返回端側呈現。

第三層是上下文繼承。通過家庭局域網的身份識別（誰在哪個房間、用什么設備），樞紐維護一個持續的對話狀態。你在客廳開始的問題，在臥室可以繼續——因為"記憶"不在設備里，而在樞紐里。

這個模式還有一個副產品：本地Agent的算力供給。現在的AI Agent要么跑在云端，要么跑在本地PC。家庭算力樞紐提供了一個中間態：足夠強大的本地算力（70B模型+向量數據庫），足夠低的延遲（局域網毫秒級），足夠高的隱私（數據不出家門）。算力樞紐讓"Agent私有化"從極客實驗變成了家庭標配。

未來的家庭數字基礎設施，將由三個底座構成：

• 網絡底座：路由器（已經普及）；
• 存儲底座：NAS或本地服務器（正在普及）；
• 算力底座：家庭AI樞紐（即將普及）。

三者合一，就是"家庭邊緣節點"的終極形態。它知道你全家人的喜好，管理著你所有的數據，驅動著你所有的智能設備，且永遠不需要把隱私交給云端。

從大型機到PC，從交換機到路由器，從企業存儲到NAS——歷史反復證明，算力的終極歸宿不是遠方的數據中心，而是用戶觸手可及的地方。算力正式下沉家庭。這不僅是技術的遷移，更是數字主權的回歸。