在电商持续增长、劳动力持续紧张的背景下，如何在不“拖垮”系统成本的前提下，把AI图像识别真正用进复杂、多品类的物流现场，正成为行业关注的焦点。近日，日本铠侠株式会社（Kioxia Corporation，下称“铠侠”）宣布，与日本椿本链条株式会社（Tsubakimoto Chain Co.）及日本EAGLYS公司（EAGLYS Inc.）联合开发了一套面向物流场景的AI自动图像识别技术，并将在2025日本国际机器人展上进行现场演示，核心即是铠侠的KIOXIA AiSAQ™软件与“Memory-Centric AI（记忆中心AI）”架构。

铠侠是从东芝存储事业分拆而来的日本存储解决方案企业，在NAND闪存与SSD领域居于全球领先地位，致力于通过存储产品与系统释放“记忆的价值”。椿本链条则是日本老牌的动力传动与物料搬运系统制造商，在工业链条、输送系统等领域拥有深厚工程经验和全球客户基础。 成立于2016年的EAGLYS是一家聚焦“安全计算+AI”的日本技术公司，擅长在数据加密与隐私保护前提下进行智能分析。三方的组合，本质上是“存储+输送系统+安全AI”的跨界联手。

此次发布的技术，指向的是一个非常具体的问题：在物流中心，货品种类不断扩张、季节性SKU频繁变动，传统基于深度学习的图像识别系统，一旦引入新产品就需要重新调参或者再训练模型，既耗时，又增加功耗和运营成本。铠侠提出的解法，是用AiSAQ和Memory-Centric AI把“大脑”从算力中心转移到存储中心——将新产品的图像、标签和特征向量集中存放在高容量存储系统中，而不去频繁改动基础模型。

具体来说，KIOXIA AiSAQ是一套面向大规模向量检索的开源库，通过“全在存储（All-in-Storage）”的近似最近邻搜索，把原本需要常驻DRAM的大量特征向量，转而压缩后存放在SSD中；配合记忆中心AI架构，将索引化的数据加载到高速SSD，实现大规模检索场景下的低内存占用与快速响应。对于物流图像识别而言，新品上线时，只需将新品特征写入存储并更新索引，即可参与识别，无需重新训练主模型，这意味着系统可以在SKU数量成倍增加的情况下保持可扩展性。

在应用层面，三方将在2025日本国际机器人展上展示一条模拟输送线：产品在椿本链条的输送系统上流动，系统实时采集图像，调用存储中的特征与标签进行快速比对，实现自动识别与分类。这个示范更像是一套“从输送到识别”的完整解决方案，而不仅仅是某个算法或某块硬件——意在向市场传递一个信号：物流现场可以在面对持续扩大的品类、订单与波动时，通过存储驱动的AI体系保持成本可控和服务质量稳定。

铠侠欧洲公司的存储与SSD产品副总裁兼首席技术官Axel Störmann在谈到这一方案时强调，公司不仅希望“提供最匹配应用需求的存储产品”，更希望通过将AiSAQ开源，让开发者与系统架构师能够在开放生态中细致调优性能与容量，“以全新的方式释放存储在AI时代的潜力”。目前，AiSAQ的开源版本已经在GitHub上发布，方便科研机构和系统集成商在更多场景中复用这一技术路线。

从行业视角看，这一项目的意义远不止“又一套图像识别方案”。首先，它凸显了存储厂商主动下沉到应用层、通过架构创新解决AI落地痛点的趋势：在很多物流场景中，瓶颈已不再是单次推理算力，而是如何在可承受的内存与能耗预算下长期维护一个覆盖海量SKU的“视觉记忆库”。其次，椿本链条等传统输送与物料搬运企业参与其中，表明物流装备与IT系统的边界正在模糊，未来“输送系统+AI+存储”的一体化解决方案，将在自动化升级过程中扮演更重要的角色。

可以预见，随着电商和多渠道零售的持续发展，这类基于记忆中心AI和大容量存储的图像识别技术，将成为全球物流企业应对产品复杂度、补货频率与人工成本压力的重要工具之一。而铠侠与合作伙伴的此次联手，也为“谁来主导下一代物流AI基础设施”这一问题，给出了来自存储产业的一种答案。