国产AI浪潮爆发，中企三大方向领跑未来，打破壁垒冲击高端
文 | 锐观经纬编辑 | 锐观经纬
在我们生活中普及的智能瞬间有很多，它背后都藏着同一个核心技术趋势：端侧 AI。
2025 年 8 月，国务院印发《关于深入实施 “人工智能 +” 行动的意见》，明确将移动终端、穿戴设备等八大类消费级 AI 终端作为创新重点。
这一政策信号很明确就是在宣告：曾经依赖云端的智能服务，正加速向我们身边的每一台设备迁移。
那么，在这场 “万物智联” 的变革中，谁在扛起终端智能化的核心大旗？终端芯片厂商又该如何突破技术与落地的重重难关？
在中国人工智能产业发展联盟（AIIA）与上海海思联合举办的端侧 AI 论坛上，上海海思的最新布局，或许给出了答案。
其实不用细想也能发现，端侧 AI 能走到今天，早就具备了成熟的技术。
从 2022 年底开始，云端大模型就已经渗透到了各行各业，小到我们日常用的聊天助手，大到企业的核心业务系统，都在享受大模型带来的效率提升。
而随着大模型性能不断突破、软件迭代速度加快，模型里的 “知识密度” 越来越高，这就为端侧大模型从 “技术构想” 变成 “手里的智能设备” 打下了关键基础。
更重要的是，端侧 AI 对普通用户的好处肉眼可见：把计算放在手机、家电这些本地设备上，不用把数据传到云端，隐私安全多了一层保障。
而且不依赖网络，操作响应速度更快，比如语音助手不用等加载，喊一声就能马上回应。
从花钱的角度看，端侧 AI 设备大多是 “一次买完不用再付费”，不像云端服务要按月或按年订阅，这种 “确定性成本” 显然更合用户心意。
但越热门的赛道，挑战往往越突出，支撑端侧 AI 运行的终端芯片厂商，就面临着三道绕不开的难题。
首先是设备 “太杂”，从几十元的智能灯泡，到上万元的高端电视，再到需要超强算力的安防摄像头。
不同设备的形态、用途天差地别，对算力的需求更是从几 T 到几百 T 不等，这就要求芯片能适配各种开源模型，才能满足不同设备的 “个性化需求”。
然后是落地 “太慢”，企业要把业务放到不同平台上，中间还得反复调优模型、适配设备，一套流程走下来，端侧 AI 的落地周期往往会拉长不少。
最后是成本 “难平衡”，端侧设备大多体积小，企业又对成本敏感，想让芯片性能强，成本就容易上去。
想压低成本，性能又可能跟不上，这种 “鱼和熊掌” 的困境，让不少厂商犯了难。
不过换个角度看，这些挑战也让终端芯片厂商的角色变了 —— 不再是只卖硬件的 “供应商”，而是要连接起开发者、设备厂商和场景方的 “枢纽”，而上海海思的最新布局，正好踩中了这一产业逻辑。
具体到落地层面，上海海思把精力集中在场景智能、AI Agent 和物理 AI 三个方向上，用技术专家的话说，这既覆盖了现在已经成熟的应用，也提前布局了未来的智能形态。
先说说场景智能，这是目前落地最广、和我们生活最贴近的领域，家里的家电、常用的音视频设备，都在靠它变得更 “懂你”。
比如家庭路由器，上海海思把 AI 技术加进去后，能实现 “超级组网” 和抗干扰，凭借过去在通信行业积累的 100 多万种场景经验，现在能识别 10 种以上的干扰源，抗干扰性能直接提升 30%，再也不用怕看视频时突然卡顿。
智能家电领域更是 “无 AI 不家电” 的天下，海尔、美的、海信这些品牌的空调、冰箱，很多都用上了上海海思的方案。
比如空调搭载 eAI MCU 后，不仅能实现 “靠近防直吹”—— 用户走近时自动调整出风方向，还能节能 16%。
冰箱的节能效果也很明显，能省 10% 以上的电；洗衣机多了 AI 称重和偏心检测功能，洗衣服时更稳定。
就连家里的屏显设备，也靠 AI Touch 技术解决了误触和防水的问题，比如厨房的智能屏，沾了水也不用担心按错。
安防和机器智能领域，上海海思的芯片和解决方案覆盖了从 1T 级到 100T 级的算力需求。
拿安防来说，大华的周界大模型以前总遇到麻烦：小目标容易误判，远一点的目标又探测不到，还经常把运动的东西当成 “人形目标” 误报警。
用上上海海思的方案后，误报率一下子下降 90%，检测距离也提升 70%，小区保安不用再天天跑冤枉路去核查假警报了。
再看 AI Agent，2025 年被业界称为 “AI Agent 落地元年”，而端侧正是它触达用户的核心入口。
借助 MCP 工具的多设备协同能力和 RAG 知识库的本地离线调用功能，端侧设备的体验和云端完全不同 —— 不用连网也能快速响应，还能联动本地的传感器、摄像头，实时整合环境数据。
上海海思就推出了系列化端侧芯片，比如能精准过滤背景噪音，把清晰的语音指令提取出来，这样就能减少 AI 模型的 Token 消耗，让端侧 AI 跑得更快。
现在最典型的应用就是可穿戴设备，以前是 “你喊它才动”，现在靠 AI Agent 的自主决策能力，能主动感知你的需求，比如根据你的运动数据推荐休息时间，或者提醒你补充水分，从 “被动响应” 变成了 “主动服务”。
物理 AI 则是更前沿的领域，目前还处于早期探索阶段，但上海海思已经开始在无人机、机器人这些方向发力。
不同场景对 AI 的需求差异很大：无人机需要高精度避开障碍物，四足机器人要能实时导航、适应不同地形，人形机器人更是 “集大成者”，得应对复杂的场景交互，对算力和感知精度的要求更高。
朝歌科技用上海海思的方案做的充电机器人，不管是晴天还是雨天，不管工况多复杂，都能给新能源汽车自动充电。
在人形机器人领域，上海海思还和千寻智能合作，优化了芯片的视觉处理单元，让机器人的图像识别和环境感知能力大幅提升。
现在千寻智能的人形机器人已经能精准完成叠衣服这样的精细动作，接下来双方还会在智能计算、感知、连接等层面继续深化合作。
对上海海思来说，现在的核心是联合更多生态伙伴，一起把物理智能的产品和应用做丰富，为这个领域的成熟铺路。
能支撑起这么全面的布局，离不开上海海思搭建的全栈体系。
目前它已经形成了智慧家庭、消费电子、汽车电子三大场景，超高清音视频、星闪联接、开源鸿蒙、端侧 AI 四大生态，还有显示、视觉、联接等 10 大产品，这就像为端侧 AI 规模化落地建好了 “地基”。
为了让分散的技术、产品能适配碎片化的终端场景，上海海思还推出了 ModelZoo 平台，里面集成了 15 大类、100 多个开源模型。
对技术储备不足的中小企业，平台能提供 “一条龙” 全流程解决方案，从模型选择到落地调试都帮你搞定。
对开发需求明确的大企业，平台也配套了系列化工具，让开发效率更高，正好解决了端侧设备形态多、场景复杂的行业难题。
不过我们也要清醒地看到，现在端侧设备的智能水平，离 “能独立思考、完成完整行动闭环” 还有差距，但趋势已经很明确：未来每一台智能终端都会有自己的 “原生推理能力”，端侧 AI Agent 能调用云端智能体的应用，设备和物理世界的交互会越来越频繁。
这对开发者来说也是新的要求，他们需要云端统一的训练和推理环境，需要适配通用的模型、工具链和编译系统，而这些正是上海海思构建全栈生态的方向。
从家电、安防这些行业应用，到我们每天接触的消费电子，从虚拟的语音交互，到机器人和物理世界的融合，端侧 AI 的蓝图正在上海海思的生态支撑下慢慢展开。
说到底，端侧 AI 的核心就是让高频实时的 AI 应用高效落地、规模化普及 —— 既要帮安防、家电这些传统行业升级设备，也要满足人形机器人、AI 原生硬件等新兴产业的需求。
而上海海思正在做的，就是把 20 多年来在智能终端芯片研发上的经验，以及在不同场景中积累的实践成果，变成推动端侧 AI 爆发的 “助推器”。
随着技术不断突破、生态持续完善，或许用不了多久，我们身边的每一台设备，都会变成真正 “懂场景、懂用户” 的智能伙伴。
页:
[1]