企业官网建设流程全解析

市场 AI 热度持续升高，端侧 AI 正从概念走向规模化落地。作为端侧领域的从业者，我一直在关注业界动态——这个关注，过去更多是"看热闹"，现在变成了"必须"，因为外部信号已经密集到不能忽略：AI PC 渗透率首次过半、AI 手机中国出货预计 1.47 亿台、AI 眼镜单季同比暴增 776%。

这篇文章，是我对端侧 AI 的一次系统调研复盘。目的不是罗列新闻，而是梳理外部现状与趋势，形成自己的判断框架，回答三个问题：

• 端侧 AI 是真拐点，还是概念？
• 它的瓶颈在算力、模型，还是生态？
• 现在关注，是不是已经太晚？

一、基础概念—端侧AI是什么、为什么重要、怎么爆发的

在展开调研之前，先把"端侧 AI"这个对象认识清楚。

1. 端侧AI的定义—推理在本地完成，与云端AI的取舍

端侧 AI（On-device AI），是指 AI 推理直接在终端设备本地完成——手机、PC、眼镜、汽车，数据不出设备。与之相对的云端 AI，是推理在云端服务器完成，终端只负责上传数据、接收结果。

两者的取舍，决定了它们各自的适用场景：

一句话：端侧 AI 赢在"快、私、离线"，云端 AI 赢在"大、强、快迭代"——所以它不是要取代云端，而是补上云端覆盖不到的那一块。

2. 端侧AI的卖点—低延迟、隐私、离线、降本、个性化

端侧 AI 之所以被需要，是因为它解决了云端 AI 解决不好的几类需求：

这五条，是端侧 AI 的"存在理由"，也是后面判断"哪些场景是刚需"的依据。

3. 端侧AI起步与爆发—大模型+芯片+压缩三线成熟

端侧 AI 不是新概念——早就有语音唤醒、人脸识别这类"端侧小 AI"。但这一轮的爆发，是因为三条线同时成熟：

• 大模型能力成熟：LLM 的推理能力从"能用"到"好用"，让端侧有了真正"智能"的可能
• 芯片算力提升：NPU 专用加速单元普及，几 TOPS 到几十 TOPS 的算力进了手机
• 模型压缩技术：量化、蒸馏让几十亿、上百亿参数的大模型能塞进手机内存

三条线缺一不可：有大模型没算力跑不动，有算力没压缩塞不下。三者同时到位，端侧 AI 才从"能唤醒"变成"能对话、能推理"。

4. 端侧AI涉及的核心技术—芯片、模型压缩、推理引擎、端云协同

端侧 AI 不是单一技术，而是一套技术栈：

要注意的是，端侧 AI 的竞争不只是芯片竞争——模型压缩和推理引擎同样关键。同样的芯片，模型压缩做得好，能跑大几倍的模型；推理引擎做得好，能快几倍的响应。这是后面"信息分析"会反复回到的一个判断。

5. 端侧AI的主战场与玩家—五类终端与四类玩家

端侧 AI 的主战场，是五类终端：

• AI 手机、AI PC、AI 眼镜、智能座舱、具身智能

参与其中的玩家，大致四类：

• 芯片厂商：高通、联发科、苹果，以及国产的瑞芯微、炬芯、芯原等
• 终端厂商：苹果、三星、华为、小米、荣耀、联想等
• 模型厂商：提供端侧大模型和压缩工具
• 生态联盟：开源 NPU 生态、操作系统联盟

后面的调研，就是沿着"五类终端的需求"和"四类玩家的竞争"两条线展开。

二、行业和市场变化—规模CAGR 39.6%，三大终端渗透过半

先看市场本身：它有多大、长得多快、哪些终端在放量、厂商在推什么、政策在怎么扶持。

2.1 市场规模与增长节奏—2025年3219亿→2029年1.22万亿

全球端侧 AI 市场，据弗若斯特沙利文（Frost & Sullivan）预测，2025 年约 3219 亿元，2029 年将达 1.22 万亿元，CAGR 39.6%。

39.6% 的年复合增长率，是典型的拐点式增长——这是一个高复合增长的市场。更关键的是，端侧 AI 赛道已经进入"业绩兑现期"——多家产业链上市公司 2026 年上半年净利润同比增长，说明不再是"讲故事"，而是"真赚钱"了。

2.2 终端渗透节奏—AI PC过半、AI手机53%、AI眼镜+776%

三大终端的渗透节奏，是判断"拐点"最硬的信号：

• AI PC：2026 年全球出货预计 1.43 亿台，渗透率 55%，首次反超传统 PC（IDC）
• AI 手机：2026 年中国出货预计 1.47 亿台，同比 +31.6%，渗透率 53%（Counterpoint）
• AI 眼镜：2026 年 Q2 全球出货同比 +776%，Meta 份额 76%（IDC）

IDC 还预测，2026 年生成式 AI PC 出货 5000 万台（占 PC 19.6%），生成式 AI 手机出货 4.32 亿部（占手机 39.7%）。

注意这里有两个口径：整机口径的"AI PC 渗透率 55%"是广义的（带 NPU 就算），生成式口径的"19.6%"是狭义的（真能跑生成式 AI 的）。口径差异背后是"AI 功能"和"AI 能力"的区别——很多"AI PC"只是带了 NPU，未必真能跑大模型。

2.3 主流产品指标与卖点—2nm双NPU、300亿MoE、本地大模型

旗舰芯片这一代的指标，能看出端侧 AI 的"军备竞赛"：

• 2nm 制程、双 NPU、300 亿参数 MoE、常开 AI 功耗降低 40%

厂商宣传的卖点，集中在几个方向：本地大模型、跨应用智能体、端云协同、隐私保护。而消费者真正关心的，是续航、发热、隐私——厂商推的和用户要的，并不完全一致，这个错位后面会展开。

关注度高的端侧 AI 产品（2026 年热点）：

2.4 产品布局与市场热点—高通联发科旗舰与五类终端

芯片侧，高通（第六代骁龙 8）、联发科（天玑 9600 Pro）以旗舰 SoC 卡位，指标见 2.3；终端侧，苹果、三星、华为、小米、荣耀、联想按各自擅长的终端押注，AI 手机、AI PC、AI 眼镜、智能座舱、具身智能五条线全面铺开。

真正值得注意的，是布局上的一个共性转向：厂商都在从"带 AI 功能"走向"系统级智能体"——荣耀"龙虾"、华为盘古、联想混合式 AI、Meta Ray-Ban，强调的不再是单个 AI 功能，而是"端侧能自主理解、决策、执行任务的智能体"。这也是后文判断"哪些玩家能成"的一条关键线索。

2.5 产业政策—端侧芯片攻关、存算一体、国产化替代

政策层面，端侧 AI 被明确写进了产业支持方向——最直接的是工信部、国家发展改革委 2026 年 9 月联合印发的《电子信息制造业发展"十五五"规划》：

• 攻关端侧智能计算芯片、高端存储芯片
• 开发近存计算、存算一体等新型架构
• 研发端侧操作系统和芯片使能软件，完善推理加速引擎等开发环境
• 国产化替代与供应链安全成为重要方向

政策信号很明确：端侧 AI 不只是市场行为，更是产业安全的一部分。这也解释了为什么后面国产芯片厂商的动作这么密集。

三、客户需求挖掘—终端厂商与用户两个层级的痛点

市场在放量，但真正的"刚需"是什么？从直接客户（终端厂商）和终端客户（用户）两个层级来看。

3.1 直接客户需求—五类终端厂商的痛点与增值点

五类终端厂商的痛点各不相同，但有一个共性：都在"算力"和"功耗/散热"之间做取舍——AI 要算力，但终端有功耗和散热的硬约束。

3.2 终端客户需求—隐私、低延迟、离线、降本、续航

终端用户（最终消费者）的需求，更直接：

注意最后一条：用户要端侧 AI 的"快、私、离线"，但绝不要"发热、耗电"。这条约束，直接决定了端侧 AI 的竞争焦点是"能效比"而不是"峰值算力"。

综合两个层级的需求，可以判断优先级：低延迟、隐私敏感、云端成本高的场景，端侧 AI 刚需最强；AI 手机、AI PC、AI 眼镜、智能座舱，是当前需求最明确的四类终端；具身智能是重要增量，但落地节奏晚于消费电子。这个优先级判断，是后面分析"谁成功"和"机会在哪"的基础。

四、竞争对手分析—芯片格局、技术路线、生态与供应链

需求明确了，再看供给侧的竞争格局——谁在做什么、用什么路线、生态和供应链是什么状态。

4.1 芯片厂商竞争格局—高通联发科苹果与国产三强

格局一眼就能看出两条线：国际大厂拼制程和生态（高通/联发科/苹果），国产厂商拼差异化路线（瑞芯微协处理器、炬芯存内计算、芯原开源 IP）。

4.2 技术路线对比—协处理器、存内计算、数据流、开源IP

存内计算（CIM，Computing-In-Memory）：把计算单元直接放进存储器内部，数据不用在存储和计算单元之间来回搬运，从根上突破"内存墙"（数据搬运的能耗瓶颈），能效比可提升数倍。

五条路线，本质是在回答同一个问题：怎么在有限功耗下塞进更多 AI 算力。国际大厂选"单芯片集成"（成本可控），国产厂商选"协处理器/存内计算/开源 IP"（差异化突围）。

4.3 国产端侧芯片格局—营收高增、恒玄6nm、政策加速

国产厂商在加速：

• 2026 年 Q1 端侧 SoC 厂商营收高增：星宸科技（+49%）、全志科技（+47%）、瑞芯微（+36%）
• 恒玄科技推出 6nm 智能可穿戴芯片 BES6100 系列，集成 Wi-Fi 6、蓝牙 7.0、多核 NPU 与 GPU
• 政策支持存算一体、近存计算，国产化替代加速

国产厂商的高增长，背后是"国产化替代 + 差异化路线"的双重驱动——不是在正面硬拼制程，而是在协处理器、存内计算这些细分路线上找机会。

4.4 生态竞争—AIOS联盟、RISC-V开源、碎片化突出

生态侧的格局：

• 安谋科技发起开源 AI 操作系统联盟 AIOS，发布"周易"X3-Pro NPU 架构
• RISC-V + 开源 NPU 生态正在形成
• 谷歌 Coral NPU IP 面向可穿戴和泛在感知，降低端侧 AI 门槛

但生态的现状是碎片化：

• 生态分布：主流仍是厂商私有 NPU 生态（高通/苹果/华为各自闭环），开源生态（RISC-V、Coral、AIOS）刚起步
• 当前阶段：从"厂商私有生态"向"开源 + 联盟"过渡的早期，尚未形成统一标准
• 业界应用：端侧 AI 应用以厂商自研为主，跨平台开发者生态尚未成熟

4.5 供应链竞争—存储涨价、HBM转向、封装散热压力

供应链的压力，是这轮调研里容易被忽略、但影响很大的一条：

• 三星、SK 海力士将 80% 以上先进产能转向 HBM（高带宽内存，3D 堆叠 DRAM，主要用于 AI 训练/高端计算），挤压移动端存储产能
• 2026 年 Q2 移动 LPDDR4/5 价格较 2025 年 Q4 上涨约两倍
• DDR5 颗粒现货价半年间由 4.1 美元涨至 24 美元
• 内存短缺与封装散热需求升高，正压缩终端部署节奏

存储涨价这条，直接影响端侧 AI 的落地节奏——模型要上端侧，得先有足够的内存放权重；内存涨两倍，成本压力就传导到终端厂商。

五、信息分析—四个"为什么"背后的拐点逻辑

收集完信息，这一章开始提炼判断。先回答引言提出的三个问题——前两个问题（是不是拐点、瓶颈在哪）展开成下面四个"为什么"，第三个问题（晚不晚）在 5.1 的收尾给出答案。

5.1 关键数据逻辑—四个"为什么"解释拐点与矛盾

5.1.1 为什么 2026 年是拐点

“端侧 AI 是真拐点还是概念”，答案是拐点，证据有三条：

• 三大终端同时放量：AI PC 渗透率过半、AI 手机渗透率 53%、AI 眼镜单季 +776%——不是某一个终端热，是全线起量
• 芯片、模型、生态三线同时成熟：2nm 旗舰芯片量产、300 亿 MoE 上手机、端云协同成为共识
• 市场 CAGR 39.6%：这是拐点式增长，不是线性爬坡

三条证据里，第二条最关键——拐点的本质，是"能跑大模型的芯片"和"能上端侧的大模型"第一次同时到位。之前有芯片没模型（跑不了大模型），有模型没芯片（塞不下），2026 年两者第一次碰上了。

5.1.2 为什么能效比取代峰值算力

“瓶颈在算力、模型还是生态”，第一个答案是：瓶颈不在峰值算力，在能效比。

• 内存墙：内存访问能耗可达单次 MAC 运算能耗的 200 倍——算力再高，数据搬不动也是白搭
• 散热约束：超过六成端侧 AI 芯片在 6W 功耗红线内跑不动 70 亿参数以上模型
• 续航约束：端侧 AI 不能以牺牲续航为代价

结论很明确：每瓦 Token 产出成为核心指标，能效比不是"更好"，而是"必须"。这解释了为什么联发科多核功耗降 61% 能成为卖点，为什么炬芯的存内计算 7.8 TOPS/W 值得关注——它们在赌的，就是这个"能效比"的赛道。

5.1.3 为什么端云协同是长期架构

第二个答案：瓶颈也不在"端侧 vs 云端"的二选一，因为端云协同才是长期架构。

• 端侧：实时感知、隐私保护、低延迟、离线可用
• 云端：算力优势、复杂任务处理、模型迭代

联想提出 80% Token 本地、20% 云端；荣耀"龙虾"简单任务 100% 端侧。结论：端云不是二选一，是分工协同——简单的、隐私敏感的、要实时的在端侧，复杂的、要强算力的在云端。

5.1.4 为什么跨设备协同要到 2027–2028

第三个答案：瓶颈还有一部分在生态。

• 端侧 AI 仍是新事物，跨厂商协作需要标准和时间
• 高通孟樸判断：跨设备智能体协同 2027–2028 才逐步落地
• 生态碎片化：NPU 厂商各自为战，运行时框架不统一

结论：单设备推理能力快速就绪，跨设备生态仍是瓶颈。所以现在买的"AI 手机"“AI PC”，单个设备能跑 AI，但"手机和 PC 协同"这件事，还要等到 2027–2028。

回到第三个问题——现在关注是不是太晚。答案是：不晚，但窗口期只有 12–18 个月。依据正是前面几条的交叉：拐点已经发生，但渗透率刚过半、AI 眼镜才刚起步，赛道还在"从 1 到 10"的早期，尚未固化，此时进场仍有卡位机会；而跨设备生态要到 2027–2028 才成熟，意味着 2026 下半年到 2027 年底是"单设备已就绪、生态未固化"的窗口期。等生态成熟、格局定型之后再进，就只能做跟随者。

5.2 谁成功了—高通、联发科、瑞芯微、炬芯的差异化

这一节看四个成功样本——它们各自的成功点、为什么成功、以及能借鉴什么。（苹果是"自研芯片 + 系统闭环"的封闭生态，可借鉴性低，故不单列。）

看这四个样本，会发现一个规律：它们都在"应对某个挑战"——高通应对"模型规模"、联发科和炬芯应对"能效比"、瑞芯微应对"生态门槛"。但它们只解决了部分挑战，还有一些挑战是它们（乃至整个行业）都没解决的。这就是下一章要讲的。

六、发展方向与机会点—挑战指向的方向与机会

6.1 主要挑战—五大矛盾制约端侧AI落地

把前面的信息收拢，端侧 AI 面前有五大挑战：

这五大挑战，每一条都指向一个明确的方向或机会——下面拆开看。

6.2 技术演进方向—挑战指向的技术走向

三个技术方向，前两个是"现在就能做"的（存内计算、模型轻量化），第三个是"等标准"的（跨设备协同）。

6.3 市场机会点—挑战带来的机会空间

两个市场机会，一个是"生态侧"（谁先统一标准谁占先），一个是"供应链侧"（国产化替代的窗口）。

七、总结—认知刷新与核心结论

7.1 五个重要观念的变化

这次调研，修正了我五个观念：

• 观念一：端侧 AI 的竞争力不在峰值算力，而在能效比、内存带宽与生态协同
• 观念二：端侧能跑的模型远超预期，300 亿 MoE 已上手机，量化压缩速度惊人
• 观念三：端云不是二选一，而是长期协同架构
• 观念四：窗口期只有 12–18 个月，2026 年已是拐点，不能再等
• 观念五：竞争力不只取决于芯片参数，生态和供应链同样决定成败

7.2 结尾—拐点已在发生，竞争在能效比与生态

回到开头那三个问题：

• 端侧 AI 是真拐点还是概念？——是拐点，已经在发生
• 瓶颈在算力、模型还是生态？——在能效比（内存墙）和生态（碎片化），不在峰值算力
• 现在关注晚不晚？——不晚，窗口期还有 12–18 个月

一句话总结：端侧 AI 的拐点不是"会不会来"，而是"已经在发生"；真正的竞争不在峰值算力，而在能效比、场景和生态。

参考资料：

• 端侧 AI 市场规模（2025 年 3219 亿元 → 2029 年 1.22 万亿元，CAGR 39.6%）：弗若斯特沙利文（Frost & Sullivan）
• AI PC / AI 手机 / AI 眼镜出货与渗透率：IDC、Counterpoint、Canalys 机构报告
• 手机 SoC 市场份额（高通 23%、联发科 31%）：Counterpoint
• 高通第六代骁龙 8、联发科天玑 9600 Pro 产品信息：厂商公开产品信息
• 瑞芯微 RK182X、炬芯存内计算 NPU、芯原 Coral：厂商公开产品信息
• 存储芯片价格（LPDDR/DDR 涨价）、HBM 产能转向：行业报告
• 端侧 AI 相关政策（芯片攻关、存算一体、国产化替代）：工信部、国家发展改革委《电子信息制造业发展"十五五"规划》（2026 年 9 月）