随着生成式AI技术的迅猛发展，其在电子产业的应用日益广泛，AI手机和AI PC等概念逐渐深入人心。然而，高门槛的硬件需求和运算成本一直阻碍着其普及化进程。

其中，存储器需求尤为突出，成为限制生成式AI在边缘端应用的关键因素。为了运行复杂的AI模型，边缘端产品需要巨大的存储器容量，这增加了产品的成本，也限制了其普及范围。

然而，随着技术的不断进步，业界正努力突破这一瓶颈。新兴技术的出现，如LoRA技术和GaLore预训练技术，为降低AI模型的硬件需求和运算成本提供了可能。

这些技术通过优化算法和模型结构，减少了对存储器的依赖，使得AI应用能够更加高效地运行在边缘设备上。

业界专家普遍认为，随着这些技术的不断成熟和应用，AI手机和AI PC等产品的普及化进程将大大加速。未来，消费者将能够享受到更加智能、便捷的AI服务，而不再受限于高昂的硬件成本和运算成本。

当然，普及化进程仍需要克服许多挑战，如实际应用场景的多样性、消费者接受度等。但相信随着技术的不断进步和市场的逐步成熟，这些挑战也将被逐一克服。