Agent將計算推向端側，NAS不再僅是存儲丨ToB產業觀察

2026年以來，先是OpenClaw火爆出圈，引發了“龍蝦”熱，繼而又是“Hermes”橫空出世，進一步將Agent的熱度推高，同時也讓“本地智能”概念成為眾多廠商角逐的焦點。

在此背景下，市場上出現了用戶搶購Mac Mini或高性能PC的情況，渴望將這些設備變身為無所不能的智能體。然而，熱潮來得快，退得也快。很多瘋搶Mac Mini的人，玩兩三天就放棄了。因為龍蝦需要消耗巨額tokens，一晚上幾百美金就沒了。更關鍵的是，Mac Mini等設備只能聯網搜索娛樂性的內容，解決不了本地的核心數據問題。

而這也體現了一個極為樸素卻根本的問題：數據在哪里？當一臺沒有任何私人數據的Mac Mini試圖幫你工作時，就像一個聰明但對你一無所知的新助手，它能做的不過是搜索天氣、抓取新聞。許多用戶很快發現，養這樣一只“龍蝦”需要消耗大量云端token，一晚上幾百美金不知不覺就蒸發了，于是跟風者紛紛棄坑，轉投向了一個曾被貼著“極客玩具”標簽的硬件品類——AI NAS。

端側AI設備火爆

OpenClaw的問世，給本就火熱的端側AI設備市場又添了一把干柴。2026年的端側AI領域，三股力量正在平行推進。

其一是PC。Gartner于2025年8月發布的預測顯示，2025年全球AI PC出貨量將達到7780萬臺，占PC整體市場的31%；到2026年，這一數字將躍升至1.43億臺，市場份額達到54.7%——首次過半。其中，AI筆記本電腦的滲透速度遠快于AI臺式機：2026年AI筆記本將占筆記本市場的58.7%，而AI臺式機僅占臺式機市場的42.1%。Gartner同時判斷，到2029年AI PC將成為市場常態。

芯片廠商的動作也印證了AI PC已經進入了量產化時代。今年1月，英特爾在CES上正式發布代號“Panther Lake”的第三代酷睿Ultra處理器。這是英特爾首款采用18A制程量產的消費級芯片，配備12個Xe核心和最高50 TOPS算力的NPU，整體性能較上一代提升高達60%，多核運算效能提升超50%，相同效能下功耗大幅降低40%。今年3月，銳炫Pro B70專業顯卡發布，補全了從主流到旗艦的端側算力產品線。Canalys預測，2026年AI PC在Windows PC市場的份額將增長至50%。

與此同時，軟件廠商也在發力，Gartner預測，到2026年末，優先投資開發PC端AI功能的軟件廠商比例將從2024年的2%攀升至40%，小型語言模型（SLM）將能夠在PC端本地運行，為端側AI的落地提供更豐富的軟件生態支撐。

其二是Agent主機。以Mac Mini為代表的小型計算設備，因搭載OpenClaw、Hermes等智能體框架而備受追捧。然而，與AI PC穩步爬坡的增長曲線不同，Agent主機這一品類的發展軌跡呈現出更為明顯的“熱炒-冷卻-分化”特征。這種短周期的特征與AI PC和AI NAS的長周期價值相比截然不同，從而也讓Agent主機的未來變得不太明朗。

Agent主機主要面臨三個挑戰，其一是成本。多數AI智能體仍需大量調用云端API，tokens消耗費用高昂。Gartner研究指出，盡管AI推理成本在快速下降，但代理型系統帶來的token需求激增，使企業整體AI支出仍在持續攀升，到2030年生產環境中每個任務消耗的token量將遠超當前水平；其二是數據。Agent主機本質上是一臺“裸機”，缺乏本地數據積淀，智能體的能力被限制在“搜索天氣、抓取新聞”等淺層應用中；其三是部署門檻高。Agent主機“所有的操作都需要自己DIY去完成”，而與之相比，AI NAS則是“端上桌就可以吃的一道菜”，對于缺乏技術能力的普通用戶而言，二者之間的可用性鴻溝不可忽視。

其三是AI NAS。與其他兩個相比，AI NAS更貼近數據。

這些需求的爆發來自產業鏈的兩個端口。以AI NAS為例，在供給端，大模型能力的“小型化”是關鍵變量。半年前，跑一個30B規格的模型還需要高端配置；而到2026年5月，基于Panther Lake平臺的設備已經可以流暢運行同等規模的本地模型。綠聯產品經理楊超與筆者描述了這個變化：“2025年初的模型，跑一個30B就需要很高配置，而現在用Arrow Lake或Panther Lake就可以跑了。”與此同時，Qwen 3.6-35B-A3B等模型持續優化，讓端側推理的門檻持續下移。

需求端，個人數據的爆炸性增長正在制造一個龐大的“被遺忘的數據冰山”。IDC預測，全球數據生成量將從2025年的213.56ZB翻倍增長至2029年的527.47ZB，其中中國數據生成量將從51.78ZB增至136.12ZB，復合年增長率高達26.9%。這些數據中，絕大多數是照片、視頻、文檔等非結構化數據——它們被拍攝、生成、下載，然后被遺忘在某個硬盤的角落里，成為無法檢索、無法調用的“死數據”。而AI NAS所承擔的使命，就是將這些死數據“復活”為可交互、可檢索、可提煉的活資產。

從目前市面上常見的設備來看，主要分為了AI NAS與AI PC、Agent主機，它們的核心目標是一樣，都是為了以“本地智能”為先。三者都搭載了高性能的AI算力芯片，其中AI PC與AI NAS多采用英特爾酷睿Ultra系列處理器（這點也是目前英特爾主打的賽道），Agent主機則多基于標準x86架構，均能支持本地AI模型的運行，避免了數據上傳云端帶來的隱私泄露風險。

此外，三者都在推動“傻瓜化”操作體驗，無論是AI PC的一鍵AI創作，還是AI NAS的一鍵安裝OpenClaw智能體，亦或是Agent主機的模塊化部署，都在降低用戶的使用門檻，讓普通用戶也能享受端側AI帶來的便捷。

AI NAS填補了市場空白

Agent讓端側AI設備呈現“百花齊放”的態勢。其中，AI PC主打個人辦公與創作的智能升級，Agent主機以純硬件為核心提供基礎運算能力，而AI NAS則以“存儲為根基、AI為引擎”，在眾多端側AI設備中走出了一條差異化發展之路。三者看似賽道不同，卻共享著“本地智能、隱私保護”的核心需求，同時又在產品定位、功能側重上形成鮮明區別，共同構成了端側AI生態的完整版圖。

從行業發展趨勢來看，AI NAS的崛起并非偶然，而是數據增長、算力升級與隱私需求三重因素共同推動的結果。根據Fortune Business的市場調研數據顯示，2026年至2034年，AI NAS的年復合增長率將達到26.9%，預計到2034年，95%的NAS產品都將具備AI功能，傳統NAS將逐步完成向AI NAS的全面轉型。這一增速遠超傳統NAS 16.7%的年增長率，也印證了AI技術對存儲產業的顛覆性影響。

與此同時，IDC的數據顯示，2026年至2030年，全球本地存儲需求將從0.5ZB增長至25ZB，其中生成式AI產生的海量隱私數據，成為推動AI NAS需求爆發的核心動力——用戶既希望享受AI帶來的便捷，又不愿將敏感數據上傳云端，而AI NAS“本地存儲+本地運算”的模式，恰好解決了這一核心痛點。

AI NAS的火熱不僅體現在報告之上，更體現了資本市場與用戶群體之中。一個小故事就能看出AI NAS當下的火熱。據悉，綠聯新一代AI NAS在美國Kickstarter眾籌平臺上線10天，銷售額就突破880萬美金，打破了該平臺的產品銷售記錄。這個案例體現了用戶對AI NAS價值的高度認可，也反映出市場對“存儲+AI”融合產品的迫切需求。而這一趨勢的背后，是AI NAS與其他端側AI設備的共生與互補，AI PC、Agent主機雖然具備強大的運算能力，但缺乏本地大規模存儲能力，無法實現數據的長期留存與智能管理；而傳統NAS雖然擅長存儲，卻不具備AI運算能力，無法挖掘數據的潛在價值。AI NAS的出現，恰好填補了這一市場空白，成為端側AI生態中不可或缺的一環。

AI NAS“小眾”而重要

與AI PC、Agent主機相比，AI NAS的市場相對更為垂直，但不可替代性也更強，因為除了AI之外，更為重要的還有NAS的屬性，這也是其能夠在激烈市場競爭中突圍的核心原因。

首先，在產品定位上，AI NAS以“存儲為核心”，兼顧運算能力，而AI PC、Agent主機則以“運算為核心”，缺乏原生存儲能力。對此，楊超告訴筆者，Agent主機也好，Mac Mini也好，都可以歸到Mini PC范疇，它們運算能力強，但沒有數據存儲能力；而AI NAS是運算加存儲的結合，首先保證有存儲；其次，在系統生態上，AI NAS擁有獨立的操作系統，而AI PC、Agent主機多預裝Windows、Ubuntu等通用系統，再安裝AI Agent軟件，用戶需要自行適配參數才能完成部署，而AI NAS則實現了“開箱即用”，無需復雜配置。

這種“一站式”的解決方案，讓AI NAS在易用性上遠超Agent主機。此外，在應用場景上，AI NAS更側重數據的長期管理與智能挖掘，而AI PC側重個人辦公創作，Agent主機則偏向專業級運算，三者形成了互補的市場格局。

在中小企業場景中，AI NAS將成為企業數字化轉型的重要支撐，助力中小企業實現數據的智能管理與高效利用。隨著生成式AI的發展，中小企業產生的辦公文檔、客戶資料、培訓視頻等數據量不斷增長，對數據安全和管理效率的需求也越來越高。AI NAS通過本地存儲+本地運算的模式，既能保證企業數據的隱私安全，又能通過AI智能搜索、文檔分類、自動歸檔等功能，提升企業的辦公效率。

“數據在云里，計算在本地。”這是英特爾技術專家對AI NAS的“注腳”。云端算力再強大，也替代不了用戶對自己數據的所有權和控制權；而當計算能力下沉到每個人的書房和辦公室時，一個全新的端側AI紀元才算真正開啟。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）