告别云端内卷：端侧AI加速落地，重塑智能硬件入口

跳出耗资巨大的超级云端模型内卷，转向端侧模型研发或打造智能终端，正成为软硬件企业深度参与AI浪潮的核心方向。

从产业动态来看，网信办此前新增的AIGC服务备案中，Apple智能、华为小艺、小米澎湃AI等端侧模型赫然在列；随后字节跳动豆包联合中兴努比亚推出AI手机NaviX Ultra，小米18 Fold内置Xiaomi MiMo端侧大语言模型，阶跃星辰也在汽车与手机终端双向押注。与此同时，Meta、NVIDIA、Google等海外巨头也在联合设备商探索端侧硬件方案。一场围绕端侧入口的产业升级战已全面打响。

以小博大：端侧模型破解成本困局

与参数动辄数万亿的云端超级模型相比，端侧模型更为轻巧。虽然超大参数能带来出色的泛化表现，但纯云端推理不仅依赖网络连接，存在延迟和隐私风险，更面临难以承受的推理成本。AI大语言模型无法像传统互联网一样靠规模效应大幅摊薄边际成本，随着日活与调用频次上升，服务器与电力开销呈线性暴增。

端侧设备受限于芯片功耗与存储空间，模型必须大幅压缩。借助知识蒸馏、剪枝和量化技术，端侧模型的参数量通常被压缩在数十亿（几B）级别，在保持特定任务高水准的同时，实现本地即时响应、隐私隔离与离线可用。

驱动端侧模型质变的关键在于“软硬共振”。清华大学团队与OpenBMB提出的“能力密度定律”指出：大语言模型的能力密度约每100天翻一番，即同等性能所需参数量减半；叠加半导体芯片的算力迭代，模型向轻量化终端下沉具备了坚实的技术支撑。

数据表明，生成式AI手机渗透率在2025年已达36%，预计2027年将突破50%；AI PC出货占比在2025年也攀升至31%，端侧AI正在从旗舰卖点快速变为行业标配。

破局时刻：从开源硬件到芯片协同

端侧AI的爆发不仅局限于手机与PC，物理AI（Physical AI）也迎来了转折点。

Hugging Face旗下推出的双足机器人Microduck售价仅399美元，其搭载的中端芯片RK3566并非昂贵算力卡，却凭借全开源设计支持用户自行重训算法并上传社区。低成本、高复用性的硬件极大降低了具身智能的开发门槛。

在PC端，芯片架构的革新也在铺平道路：AMD推出最高60 TOPS算力的锐龙AI处理器；Intel发布基于Intel 18A工艺的酷睿Ultra平台；NVIDIA推出面向AI PC的RTX Spark芯片，算力达1 Petaflop，支持在本地流畅运行千亿参数级模型。

大语言模型的生态分工随之明朗，形成了“三层分流”：

1. 云端模型：负责高复杂度推理、长文本生成与深度规划，定义能力上限；
2. 垂直行业模型：深耕金融、医疗等专业场景，保证任务精度；
3. 端侧模型：承接高频交互、低延迟感知与本地数据隐私处理，决定场景触达的广度与频率。

中国阵营的端侧突围路径

在中国市场，围绕端侧落地的探索呈现出差异化路径：

• 面壁智能：主打独立基座供应商路线。其开源的MiniCPM5-2B模型以2B参数在评测中对标更大体量模型，并在端侧AI智能体能力上重点发力。商业化层面，面壁智能已进入三星手机供应链，并在长安马自达智能座舱及乐聚机器人具身项目中实现落地。

• 阶跃星辰：押注软硬一体与原生多模态。推出STEPX品牌及STEPX Neo智能体手机，试图打通基座模型、系统与终端链条；同时联手千里科技与吉利开发车机操作系统Step AOS，将端侧模型融入智能驾驶基座。
• 字节跳动（豆包）：侧重应用层生态延伸。通过与中兴努比亚合作打造NaviX Ultra，利用端侧MCP架构尝试以语音调度AI智能体，完成跨APP任务操作，为自有应用构建更牢固的硬件级入口。
• 汽车方案商与办公落地：地平线依托软硬结合能力，通过车载芯片匹配具身与驾驶模型；德赛西威主推差异化的端云协同架构；科大讯飞则开源星火X2.5端侧系列模型，支持长上下文窗口，主打离线安全办公场景。

商业博弈与未来演进

尽管端侧AI前景广阔，但商业化挑战依然明确。对于纯软件或独立端侧模型供应商而言，各大手机与智能硬件厂商普遍倾向于自研或深度定制小模型，独立第三方基座的发展空间容易受到终端厂商防御性策略的挤压。

长远来看，单一依赖端侧或完全依赖云端均非最优解，“端云协同”将是主流形态。随着端侧芯片NPU算力的持续增强与多模态能力的本地下沉，端侧处理高频感知与本地调度、云端支撑复杂推理的分层体系，将推动AI技术真正普惠至每一台硬件终端。