首发评测 | 绿联 AI NAS 杀疯了，iDX6011 Pro 终上市

AI NAS 喊了很久，各家都玩出了不同的理解。但主流的尝试还都很浅，在表层的增加了一些 AI 辅助能力，或者一些 AI 应用，没有将 NAS 原生能力、数据存储理念和 AI 真正的结合起来。

说实话，我有点恨铁不成钢。

我和很多玩了几年的 NAS 用户交流，发现绝大部分用户对 AI NAS 的理解，已经远远超过品牌厂商。

他们开始尝试将 AI 融入到 NAS 的每一个角落里，自己创作一些原生的 CLI 工具或者 MCP 接口，让 AI 更好的帮助自己管理 NAS 里的数据，并且调用 NAS 服务来实现一连串的协作。

这种感觉，有点像 NAS 玩家的自我救赎。

不过好在，终于有厂家发现了这个问题，他们意识到 AI 时代下 NAS 的蓝海市场，以及真正突破生机所在。

没错，这个厂家就是绿联。自从去年就有声音的绿联 iDX6011 Pro，在海外磨合了一段时间后，终于回落国内市场。并且出厂就带了真正的 AI NAS 场景。

设备日常售价 19999，首发特惠 15999，晒单送绿联充电礼盒套装。

先说说这台设备的豪华配置吧。

处理器：Ultra 7 255H 16 核，96 TOPS 综合 AI 算力

内存：64GB LPDDR5X

存储：3.5寸硬盘位6 + M.2 Nvme2（一块系统盘已占用）

网口：10GbE 万兆网口*2

接口：雷电4（40Gbps）*2；OCuLink；USB 3.2 Gen2（10Gbps）2；USB 2.02；SD 4.0 *1；HDMI 8k

扩展：PCIe 4.0*8 扩展槽

屏幕：3.7 英寸 LCD 触控彩屏

性能真的很强，非常爆炸。不过性能只是 AI NAS 应该有的基础能力，毕竟要跑本地大模型，性能不强不足以支撑。

除开性能之外，绿联 iDX6011 Pro 真正给力的地方在于全新的 UGOS Pro AI 能力，它把本地大模型、云端大模型、RAG、语音识别、视觉模型，以及 UGOS Pro 自己的系统 API 全部往一起整合。

所以这篇开箱内容，我不会过多去介绍绿联UGOS Pro 的配置和基础性能，我们专门针对 AI NAS 到底是个啥，以及厂家如何理解来深度挖掘一下。

让我们一起看看，当 NAS 开始拥有自己的大模型以后，它和我们过去用的普通 NAS，到底有什么不同？

开箱大家伙

先来看机器。绿联 iDX6011 Pro 和同为六盘位的 DXP6800 系列有一个非常大的差异，就在于设备左侧增加了一块非常显眼的 3.7 英寸 LCD 彩色触控屏。

CPU、内存、硬盘、温度、风扇这些机器运行状态，都可以直接在这块屏幕上查看。对于普通 NAS 而言，这种触控屏可以被称为奢侈品。而作为一台高端旗舰机，有这样一个小屏幕那可以说是刚需。

整台设备沿用了绿联私有云非常有辨识度的设计语言，整机全铝合金外壳，质感、手感双双在线，并且做工一如既往的在线。

设备正面非常方正，按照绿联官方给出的容量规格，6 个 SATA 盘位配合两个 M.2 插槽，整机最大可以扩展到 208TB。所以单从 NAS 的本职工作来看，它首先还是一台标准的大容量六盘位 NAS。

正面下方，依次是电源、网络状态灯、硬盘状态灯、SD4.0、双雷电4、USB3.2 等数据接口。

调个头，再来看看这台设备夸张的扩展接口。左侧是一个 PCIe 4.08 的扩展槽，下方依次是 USB3.2、USB2.02、双 10GbE 万兆网口、HDMI、OCuLink、RESET。

如果只是拿来存照片、跑 SMB、挂几个 Docker，这套扩展配置非常明显是过剩的。而这恰恰也是传统 NAS 够用就行和 AI NAS 在硬件设计上开始出现分叉的地方。

传统 NAS 的核心目的是低功耗、刚刚好的扩展能力，保障 7×24 小时运行和外部数据读写。

而 AI NAS 需要做本地文档解析、语义索引、大模型推理，甚至需要外接独显以后，*CPU、GPU、NPU、内存容量以及* PCIe 扩展能力，就不再只是锦上添花，而开始变成 AI 能力的硬件基础。

比如两个最核心的扩展之一：OCuLink，它就可以外接独立显卡。后面我们介绍的绿联 UGOS Pro 的全新 Agent 应用 Uliya 里也可以直接打开 GPU 加速，让绿联自己的 AI 应用调用外置 GPU。也就是说，绿联并没有把 iDX6011 Pro 的 AI 算力完全锁死在这颗 Ultra 7 255H 上，而是给未来更大的本地模型留下了继续扩展的空间。

当然，就算不准备玩 AI NAS，绿联iDX6011 Pro的这些扩展也支持很多额外的玩法。比如后面两个 USB2.0，还记得我之前的虚拟机直通屏幕玩法么，这里同样可以直通到 Windows 下实现一机两用。

比如这个 PCIe 4.0 ×8 的扩展槽，同样有非常大的折腾空间。最直接的是加 25G、40G，甚至 100G 网卡，继续突破双万兆的网络上限；也可以安装 NVMe 扩展卡，增加更多 M.2 SSD，用来组高速存储池、虚拟机盘或者 AI 模型盘；再比如插 HBA**/**SAS 阵列卡，外接更多硬盘和磁盘柜，把六盘位继续往外扩。

甚至更野一点，加单槽工作站显卡、AI 加速卡。另外就是，这个扩展槽也可以直通到虚拟机里，直接作为虚拟机的物理设备使用，也非常不错。

这么一来，OCuLink 负责扩 AI 算力，PCIe ×8 负责扩网络和存储，这两个接口基本把一台六盘位 NAS 的玩法上限彻底打开了。

拆开设备背板，可以看到左侧的 PCIe 槽，以及右侧的电源模块。绿联 iDX6011 Pro 内置电源模组，所以电源线不用拖着大板砖。

左侧板拆掉后，里面是 M.2 Nvme 卡槽，以及 PCIe 4.0*8 卡槽。

右侧则是单独的电源模组。在电源下方，是 CPU 全铜散热管与铝散热鳍片。

往里看，可以看到 CPU 上方的两个风扇。

最后是整体温度这块，我也做了一下测试。

6 块硬盘使用了 5 块 4T 的，本来还准备了两块 20T 企业版，但是临时被朋友借走了，所以用了一块仓库里的 500G 占个位置。

利用 fio 随机 4K 读写满载跑了一个小时，每隔一分钟记录一次数值；然后再空载降温 30 分钟，同样每分钟记录一次温度数值。

整体来看，左侧第一块的酷鹰 4T（sdb）是温度上升最快且最高的，从 39°C 飙到 47°C 后一直压着不变。两块酷狼 （sda、sdd）我跑的是 RAID1，温度非常稳定的保持在 43°C 左右，这个硬盘基本所有 NAS 上都是这个表现。

但从整体测试结果来看，fio 压测一小时，平均硬盘温度在 44°C 左右，停止测试后 30 分钟温度回落进度较快，主动散热的效果也很不错。

绿联的 AI 野望

绿联 iDX6011 Pro 当前系统中最具特色的能力，就是 AI。

那种传统 NAS 的做法，更像是在 NAS 里跑个 AI 应用。但随着 Agent 发展越来越迅速，如今的 AI NAS 不应该只满足原来那种在 NAS 系统里加了一个 OpenClaw 或者 Hermes 这么简单，也不是说什么 AI 相册、AI 自然语言识别这种专项模型。

绿联这次真正想做的，是让 AI 往 NAS 操作系统内部走。所以它真正的把本地小模型、云端大模型，结合 UGOS Pro 内部 API 服务，整合成了一套完整的 AI 原生操作能力。

之前大家都安装过绿联 UGOS Pro 的模型管理应用，但是那个很粗糙，只有一个相册应用里的可以配置。

而如今全新的模型管理应用，将文件管理、全局搜索、控制面板、语音备忘录等应用都集成了进来，并且增加了云端、本地的混合模型架构和智能指令。

内容非常多，但别急，我们一个个来看。

1. 云+本地混合大模型架构

绿联 iDX6011 Pro 搭载的是 Ultra7 255H 这个处理器，性能非常强劲，自带 96 Tops 算力。所以绿联在此基础上搭载了一套 SYCL后端的 llama.cpp 框架，版本号b0.0.8413。

现在去看它配的 64GB LPDDR5X 内存，如果只是拿来跑 SMB、Docker 和影音，其实相当奢侈。但如果像现在这样需要长时间跑本地模型、RAG、视觉识别、语音识别和文件索引，就非常合理。

在这套本地推理框架上，绿联采用的是 Qwen3.5-35B-A3B.gguf 这款经典的本地小模型，搭配了一个 BF16 的视觉 mmproj，开了 32k 上下文，TG 速度在 20 tok/s 左右，日常够用。

我们可以在模型管理里直接从绿联下载这个模型到本地，后续的所有本地运算都是基于这一套模型来展开的。

很多人可能会问，咦，现在最新的 Qwen3.8-27b 都发布了，怎么绿联还在用 Qwen3.5 的模型阿？这是因为 Qwen3.8-27b 是一个稠密模型，它不同于绿联本次内置的 Qwen3.5-35B-A3B 的 MoE 架构，能力虽然更强，但是跑起来会更慢。

然而我尝试去下载了几个 Qwen3.6 不同版本的 MoE 模型，发现目前通用的 MTP 层有点问题，导致还无法进行替换。估计绿联是做了一些专门的适配在里面，这个希望绿联后续可以继续开放更多的模型选择吧。

除了本地模型之外。绿联还内置了 Qwen、MiniMax、DeepSeek、GLM、Kimi 等国内主流模型厂家的云端 API 端点，只需要输入对应的 API 密钥，就可以直接调用云端模型来进行 iDX6011 Pro 里的 AI 场景应用。

不过这里有个坏消息。

当前版本只能使用系统已经适配的这些模型，即便更换 API Base URL，也不能像很多第三方 AI 工具那样随便填写一个 OpenAI Compatible 接口，然后自由添加任意模型。

从产品思路上看，“本地 + 云端”这一套架构非常合理。因为 NAS 和普通 AI 产品有一个天然区别，那就是 NAS 里放的，往往是我们最不愿意随便传出去的数据。

比如个人照片、文件资料、合同证件、录音、项目资料等等。

所以单纯把所有数据丢到云端 AI 去分析，其实有点违背很多人购买 NAS 的初衷。

绿联的思路就是让 NAS 提供本地的离线算力，让敏感资料也可以完全脱离云端进行本地化处理。并且只有在真正需要更强推理能力的时候，才去手动授权调用 MiniMax、DeepSeek、Kimi 这些云端模型。

这也是我认为 AI NAS 更应该去尝试的一个方向。

有了大模型，我们就相当于有了本地的无限 AI 算力，并且可以用这些 AI 算力来搭配 Agent 完成绿联 UGOS Pro 内各大应用的自然语言操作。在智能指令里，前面说到的几个应用可以单独控制，提供原生指令给 AI Agent。

当然，除了 LLMs 之外，绿联本地还配备了 RAG、CV、ASR 等一堆辅助模型，这些模型共同组合起来只为了完成一件事：让 AI 真正开始处理 NAS 本地的数据。

然后 RAG 的话，可以选择使用进行分析。绿联在这里 称为智能学习，并支持 RAG 模式，以及 RAG + LLMs 模式。

2. 绿联 Agent —— Uliya

有了本地模型，绿联还推出了一个全新的 AI NAS Agent 应用 —— Uliya。它提供了智能任务、智能工具、文件知识库三大块内容。其中的智能任务是一个 Agent 向的综合性工具。

Uliya 有一个独立的应用入口，放在桌面 APP 里。也可以从客户端右上角的功能栏里唤醒 Uliya 的小型输入窗口开展工作。

先说智能任务吧。它内置了文档智能助手、文件智能管家、智能相册专家、监控安防助手、知识学习助手、娱乐影音大咖等六个专家。某种意义上，可以认为是 Uliya Agent 的六个智能体分身。

每一个专家模块下，Uliya 都内置了很多工具。比如娱乐影音大咖，就包含了音乐推荐、影视推荐、本地影片播放、影片字幕搜索等几个工具。

比如智能相册专家，它可以根据相册内的 AI 识别，帮我们找到任何需要的照片。比如我告诉 Uliya，把重庆市拍摄的所有照片都发给我。

它会根据内置的 Skill 能力，通过地点信息检索出相关的照片，然后通过 Chat 页面返回。

我还试了一个娱乐影音大咖。它包含影音中心、音乐两个应用的管理。

前提是我们必须搭建好影音中心，然后让它推荐几部适合周末看的电影给我。Uliya 会在影音库里寻找符合周末、假日、欢乐、休闲等相关影片的信息返回给我。

比如这里，它从我的影音中心里读取到了让子弹飞、海街日记两部。

从工具入口，可以更清晰的看到每一个 Skill 更具体的介绍。然后点击不同的 Skill，会直接带着指令转跳到对应的智能任务 Agent 对话框下。

比如使用了知识图谱可视化 Skill。把 md 文件格式的一些知识库整理成知识图谱。

另外的文件知识库、智能工具两大块应用，这个我们后面单独来说。

继续来说一下 Uliya 的一些配置选项。默认情况下，Uliya 只允许调用本地模型，如果需要使用云端模型需要单独打开这个授权开关。

其次它还支持一个 GPU 加速，主要是 OCulink 接口外接的显卡，可以在安装了绿联应用中心对应的驱动后，让 Uliya 调用 GPU 来加快模型输出能力。此外，我们还可以将 Uliya 连接到微信的 Clawbot 里，然后通过微信就可以远程控制绿联私有云里的 Uliya 来控制 NAS。

如果需要使用联网搜索的，可以打开配置内置的是服务商，并配置最大的搜索结果数。这里到底调用的是本地无头浏览器，还是别的什么 ，我暂时没有发掘出来，大家感兴趣的可以自己去捞捞看。

回到模型管理的配置页面，Uliya 还需要单独授权大语言模型以及语义搜索，对应的就是 LLMs 模型和 RAG 模型。

3. 知识库智能问答

基于 AI NAS 本地文档的知识库管理，是绝大对数 NAS 用户非常刚需的一个能力。

传统的 NAS 更偏向文件资料存储，哐哐哐就是存。但是存了以后用不用、怎么用，压根没人在乎。

现在随着 NAS 越来越普及，传统 NAS 里只存不用的模式逐渐被人所诟病，这也使得如绿联 NAS 这样的厂家开始探索如何真正将 NAS 内存储的文档资料用起来。

Uliya 内置的知识库功能，支持导入 PC 或者 NAS 本地的各类文件资料。包含有 doc、ppt、excel、jpg、epub、csv、ipynb 等多种主流文件、图片、数据格式的文档资料。

上传之后的资料，会在本地 RAG 的支持下被 Uliya 逐个解析，并将数据保存在本地的向量数据库内。

不过目前我测试出来，这个 RAG 和 LLMs 是只支持本地分析的，不支持使用云端模型分析。虽然从隐私、安全的角度来说非常好，但是我个人还是希望绿联可以开放一个云端的分析口子，毕竟有些资料没有太大的隐私性，高效快速才是真标准。

所谓本地 + 云端自由切换，我认为最终不应该只是聊天模型可以切换，而应该让用户针对不同的数据和任务，自主决定到底在哪算。

分析完的数据，我们可以通过 Uliya 单独开一个智能问答的窗口，让 Uliya 结合知识库的内容对我们的诉求进行回答。

比如我问，一年级去学习奥数，应该有哪些知识点。

Uliya 结合我上传的所有课件、课程资料，给我提供了一个非常不错的方案。并且检索中所有使用到的资料，都会在知识库上方列出来，我们去点击这些资料，会单独转跳到对应的文件所在位置。

和前面解析不同，在知识库问答环节，我们不仅仅可以使用本地模型，也可以使用云端模型和互联网搜索，这一点还是比较好的。

4. 智能工具

Uliya 里的智能工具，它的本质还是一个 Agent，绿联把 UGOS Pro 里一些常用的应用指令，都做成了单独的能力，选择后，可以在 Uliya 里通过自然语言来操作 NAS 对应的功能。

比如，我使用搜索相册功能，找小孩的照片。可以看到 Uliya 调用了工具从相册里检索到自然语言搜索结果为小孩的所有照片。

再比如我让 Uliya 查找系统的信息，这里会有一个快捷的输入栏，里面可以复选一些常用的指令集。

然后 Uliya 就把所有的系统信息全部打印了出来。

5. 智能文件管理

在 Uliya 的入口之外，其实还有很多 AI NAS 能力的体现。

比如智能文件整理和智能标签。

它们的入口在文件管理里，选择文件夹/文件后，右键点开就可以看到这两个功能。

这个地方我个人感觉其实比较割裂，为啥不统一拿到 Uliya 里作为一个能力，然后选择路径呢？

因为点开后，实际也是打开一个 Uliya 的对话框，上方是一个文件夹路径，然后下面是具体的指令需求。

我让 Uliya 帮我将文件智能根据学科进行分类。

它会先出一个预览分类，比如我这个例子里的各个学科，都是通过文件名字信息来总结的。

等确认无误之后，就可以确认方案，并由 AI Agent 帮我们把乱七八糟的文件快速分类整理。

智能标签也是差不多的，默认的就是通过文件名称来打标签。如果不喜欢这种模式，也可以让 AI 根据年纪来打标签，灵活性都很高。

6. 语音备忘录

语音备忘录，是本次 iDX6011 Pro 中，我觉得最有生活感的一个应用。它本身并不是很复杂的应用，就是一个单纯的语音转录工具。

但它却是一次将本地 AI 和 NAS 学习场景结合得非常成功的案例场景。

在工作生活里，其实我们都会有录音的习惯。但是目前主流的录音软件大部分都只能免费录音，如果想要转换成稳定、准确的文本信息，少不了要额外收费。

而现在，我只需要打开绿联 APP。

绿联这次出品的语音备忘录，使用了本地的 ASR 模型，可以非常准确得成功将语音、录音转成文本信息。而且录音转译的同时，还可以根据总结模板生成通用、会议、汇报、通话、采访、笔记、讲座、培训、面试等各种各样的场景。

生成的总结里，又分得很细。

包含直接转写，会将语音几乎一字不漏的转成文本信息。这是保留着最原生的内容，所以或多或少存在一起错误或者转写异常。

而且我尝试了一下不同人、一个人发音，内置模型可以区分出具体的音色来直接判断发言人对应的序号。

此外，语音备忘录还提供了一个总结能力，这里可以将转写对话总结成段落式的内容，甚至还有一个思维导图来解释这个总结性段落的内容。

这个功能，真的，打工人真的哭死。

7. 全局搜索

除了 Uliya 之外，绿联 iDX6011 Pro 同样升级了它的全局搜索能力。入口还是在右上角搜索框，这个入口不变。

与之前的搜索不同，传统 NAS 搜索更多的是通过文件夹、文件名字来检索定位。而全局搜索支持通过自然语言对图片、视频、音乐、文件、应用等进行精准的搜索。

这种能力也是基于 iDX6011 Pro 本地大模型的综合理解能力。

在搜索设置里，我们可以看到 UGOS Pro 会预先对我们允许的搜索范围进行索引创建，这就让后续调用实现了秒级的响应速度。

比如我搜索了一个报名表，检索结果里搜索到了图片中和报名表类似的内容，以及在帮助中心里搜索到了活动收集报名的相关知识。

比如我搜索书本，反馈的有 PDF 里的书本关键词的内容，也有照片中包含了书本、书本相关内容的图片。

此外，全局搜索还可以直接搜索音频信息和语音备忘录的转写内容。比如前面介绍语音备忘录里，我转写出来的会议记录，在全局搜索里就可以被准确的找出来。

写在最后

不同于 PC Agent，AI NAS 真正独一无二的优势，是它拥有我们的数据。

我们所有的照片视频、文档录音、工作资料、家庭资料，这些几年甚至十几年积累下来的数字资产，才是 NAS 区别于普通设备的核心。

传统网络存储设备做的事情，是如何优化这些数据的上传、保存，然后是我们随时随地可以访问到。

第二阶段的 NAS ，则是通过虚拟化技术、小型专用模型来这些数据初步发挥作用。

而目前的 AI NAS，才真正走上了探索如何深度利用家庭数据的道路。

于此同时，传统评价 AI NAS 的几个参数，我觉得也应该换一换。比如 AI NAS 能跑多智能的本地模型，有没有安全的混合架构边界，能不能最高效率得理解我的本地数据，它的外接算力扩展方式是否有效，这也是经典 NAS 和 AI NAS 在我看来越来越明显的一条分界线。

当然，绿联现在这套东西还谈不上完美。模型生态灵活度还有待增加，本地推理框架更新不算快，知识库的云端策略还可以继续开放，以及 Uliya 应用本身的 Agent 能力还处于 Beta 阶段。

但至少结论是 AI NAS 已经开始走上正途了。那些将 AI 和 NAS 原生功能整合起来的框架已经起来了，过去互不相干的应用，现在第一次开始在 NAS 操作系统里真正串起来。

当我们存储在 NAS 里的数据越来越多，我们越是记不住自己到底存了什么的时候，AI NAS 这条路，必然是 AI 时代下 NAS 接下来要走的一步。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～