在选择AI存储方案时，需要考虑应用的特定需求和环境。对于低版本应用，我们可以考虑以下几种存储方案：
1. 本地存储：对于简单的AI模型，如图像识别或语音识别等，可以选择使用本地存储。这些模型通常不需要大量的计算资源，因此可以在本地设备上运行。本地存储可以节省网络带宽和数据传输时间，同时也可以保护数据隐私。
2. 云存储：对于复杂的AI模型，如深度学习模型，可以使用云存储。云存储提供了弹性的计算资源和高可用性，可以满足大规模数据处理的需求。但是，云存储需要支付费用，并且可能会受到网络延迟和数据丢失的风险。
3. 分布式存储：分布式存储是一种将数据分散存储在多个节点上的存储方式。这种方式可以提供更高的数据冗余和容错能力，但也需要更多的计算资源和管理开销。对于低版本应用，可以选择使用一些开源的分布式存储系统，如Hadoop HDFS或Cassandra。
4. 对象存储：对象存储是一种基于文件的存储方式，可以将数据以二进制对象的形式存储在磁盘上。这种方式可以提供高效的数据访问和检索能力，并且可以支持大数据量的数据存储。对于低版本应用，可以选择使用一些开源的对象存储系统，如Amazon S3或Google Cloud Storage。
5. 表格存储：表格存储是一种基于列的存储方式，可以将数据以表格的形式存储在内存中。这种方式可以提供快速的读写性能，并且可以支持批量数据处理。对于低版本应用，可以选择使用一些开源的表格存储系统，如Apache Hive或Apache Drill。
总之，在选择AI存储方案时，需要根据应用的具体需求和环境来选择合适的存储方式。对于低版本应用，可以选择使用本地存储、云存储、分布式存储、对象存储或表格存储中的适合方案。
