智东西

作者 | 程茜

编辑 | 漠影

端侧 AI 迈入快车道，终端芯片厂商正在发力！

2025 年 8 月，国务院印发《关于深入实施 " 人工智能 +" 行动的意见》，将 " 人工智能 +" 作为重点行动，推动 AI 从技术实验向行业实践转化，重点支持移动终端、穿戴设备、智能家居等八大类消费级 AI 终端创新。

可以看到，端侧模型部署已成为行业公认的技术趋势，曾经依赖云端的智能服务，如今伴随着模型压缩、推理加速技术等发展正加速向终端设备迁移，再到当下端侧设备的多模态融合、端云协同发展，使其成为千亿设备智能化变革的核心驱动力。

如今，端侧大模型正让每一台终端都具备懂场景、懂用户的智能，开启 " 万物智联 " 的全新阶段。​

站在端侧 AI 爆发的起点，在本周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，上海海思介绍了面向端侧 AI 的最新进展。

上海海思将聚焦场景智能、AI Agent、物理 AI 三大方向，打造差异化的解决方案。

场景智能也叫专用智能，其基于主要在终端上的计算能力，使得设备拥有更强的环境感知、一定的决策能力；AI Agent 的计算能力则侧重于端云协同，同时基于多模态能力提供更自然、智能的交互。

这背后，端侧 AI 的高效实现，离不开终端设备、终端芯片、开发者之间的深度协同。因此，上海海思聚焦于在开放的生态之上构建丰富的中间件和具有竞争力的端侧 AI 解决方案，为千亿终端的智能化重构提供全方位能力支撑。

一、从万物互联到万物智能，终端芯片厂商面临三大挑战

想要实现智能无处不在，端侧 AI 的技术突破与大规模落地不可或缺。

一方面，端侧大模型的落地部署已具备成熟的现实土壤。

从 2022 年底至今，云端大模型的影响力已贯穿千行百业，在企业核心业务体系、消费者日常生活中都逐渐普及，大模型性能的持续提升、软件迭代速度的加快，推动模型知识密度显著提高，为端侧大模型从技术构想走向实际落地，创造了关键前提条件。

另一方面，端侧 AI 优势显而易见。

端侧 AI 将部分计算能力迁移到手机、PC、家电等终端本地，使其在保障数据安全、保证体验丝滑方面具有天然优势。此外还有成本，从商业模式角度来看，端侧部署的模型往往采用一次性交易，云端模型服务是订阅制，相比之下，用户更倾向于选择一次性支付的 " 确定性成本 "。

在这些因素的综合作用下，端侧 AI 发展提速，而这也反向对支撑其运行的终端芯片厂商，提出了更高的能力进阶要求。

具体来看，其挑战主要集中于三大方面：

首先端侧设备本身品类繁杂，其形态多样、应用场景多元、所需算力跨度极大，这就要求芯片适配不同的开源模型，才能满足各类设备的差异化需求；

其次企业需要跨平台进行业务部署，中间还要穿插模型的调优、适配环节，会导致端侧 AI 落地周期增加；

最后是端侧设备本身体积小且企业对成本更为敏感，如何平衡性能、成本之间的关系也是一大难点。

事实上，终端芯片厂商在端侧 AI 的发展进程中始终处在关键环节，从模型轻量化运行、能效比平衡到场景化适配都是如此。

而上述挑战落地到芯片侧，最终转化为对多元化产品、成体系解决方案、完整生态架构的硬性要求，因此终端芯片厂商的角色也从单纯的硬件供应商，向着连接开发者、设备厂商、场景方的枢纽角色延伸。

上海海思在端侧 AI 的最新布局，与这一产业发展逻辑高度契合。

二、聚焦三大端侧 AI 发力点，配套系列化不同算力芯片方案

放到具体的场景侧，上海海思基于自己的布局以及对智能的理解，瞄准了三大领域：场景智能、AI Agent 以及物理 AI，上海海思相关技术专家谈道，这一既覆盖当下成熟的应用场景，也包含带有前瞻性的未来智能形态。

首先，场景智能的发展是其中落地面较广、应用程度更深的。

这一领域的终端设备与我们日常生活息息相关，从连接到智能家电，从音视频到显示无一不涵盖其中。在连接层面，其将 AI 应用于家庭路由器，实现 AI 超级组网、抗干扰，上海海思依托于曾经在通信行业超 100 万种场景的积累，可以识别 10 种以上干扰源，使得抗干扰性能提升 30%。

智能家电领域的冰箱、洗衣机、空调现在几乎已经进入 " 无 AI 不家电 " 时代，例如空调基于 eAI MCU 实现了节能 16%、冰箱实现超过 10% 的节能、洗衣机增加了 AI 称重、偏心检测，端侧屏显设备基于 AI Touch 可以防误触防水等功能。其中，海尔、美的、海信等品牌厂商的空调、冰箱已经搭载上海海思的解决方案，空调实现了靠近防直吹、靠近亮屏等 AI 感知能力，当用户靠近空调时，设备自动调整出风方向。

端侧屏显 AI Touch

与此同时，在安防和机器智能领域，上海海思同样提供了从 1T 级到 100T 级算力的芯片和解决方案。以安防领域为例，大华周界大模型基于上海海思的解决方案，应对传统周界算法在小目标误判率高、距离远目标小无法被探测、误报运动类人形目标等痛点，使得误报率下降 90%，检测距离提升 70%。

大华周界大模型

其次是 AI Agent。2025 年，被业界称作 AI Agent 落地的元年，端侧正是 Agent 触达用户的核心入口之一。

基于 MCP 工具的端侧多设备协同能力、RAG 知识库的本地离线调用特性，端侧设备的应用体验将与云端形成差异，其可以无需依赖网络即可实现低延迟响应，还能通过联动本地传感器、摄像头等硬件，实时融合环境数据。

在这一层面，上海海思提供系列化的端侧芯片，例如精准过滤背景噪音，提取清晰的语音指令，减少 AI 模型的 Token 消耗，进而提升端侧 AI 的运行效率。

目前的典型场景就是可穿戴设备，依托 AI Agent 的自主决策与交互能力，使其得以向轻智能形态升级，能够精准感知用户潜在意图，不再被动等待指令，而是主动推送贴合需求的个性化服务。

最后是物理 AI，相比于前两大领域，这一层面的发展还处于早期。上海海思已率先展开在无人机等领域的探索。

因为应用场景不同，导致这些场景对视觉感知和 AI 应用的差异较大，无人机需要高精度环境避障、四足机器人需要实时导航、适应不同地形，人形机器人更是集大成者，需应对复杂场景交互，对算力、感知精度的要求更高。例如朝歌科技基于上海海思解决方案打造的充电机器人，可以在不同天气、工况下给新能源汽车自动充电。

在人形机器人领域，上海海思已经与千寻智能展开合作，通过优化芯片的视觉处理单元，大幅增强人形机器人的图像识别与环境感知能力。下一步，双方还将在智能计算、感知、连接、模拟层面协同发力。

千寻智能人形机器人精准叠衣

对于物理 AI 这类前沿领域，上海海思目前的核心就是联合生态伙伴，共建物理智能的丰富产品应用，为相应技术成熟的产业发展铺路。

这正是上海海思面对从日常场景到前沿探索的端侧 AI 完整布局体系。

三、从单点产品到开发平台，上海海思用全栈生态、场景、产品支撑，

端侧 AI 的发展，本质是一场将大模型、芯片、终端设备、开发者等要素紧密连接的变革，而上海海思就是串联各个环节的关键。

从其整体的布局来看，上海海思已经形成智慧家庭、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，以及显示、视觉、联接等 10 大产品的完整业务体系，为端侧 AI 规模化落地搭建了坚实的底座。

如此全栈的布局就需要强大的生态底座支撑，通过统一的生态平台让分散的技术、产品、解决方案真正适配碎片化的智能终端场景，破解端侧设备形态多样、场景复杂的行业难题。

为了支撑这一体系，上海海思还推出了 ModelZoo 平台，集成 15 大类、100 多个开源模型。上海海思相关技术专家称，对于技术人员储备不足的企业，该平台可提供 " 一条龙 " 式全流程解决方案；而针对开发需求明确的用户，平台则配套了系列化工具，满足其高效开发需求。

围绕上述的布局，以及产品、解决方案、生态的深度协同，我们可以预见，上海海思将在端侧 AI 时代扮演至关重要的角色。

不过从目前端侧设备的智能水平来看，其真正实现思考与行动闭环还有一定距离，但明确的演进趋势已然显现：未来每一台智能终端都将具备一定的原生推理能力，端侧 AI Agent 可调用云端智能体应用，终端设备与物理世界产生交互或将成为常态。

由此而衍生出，对开发者提出新的要求，其需要云端统一的训练和推理环境、模型、工具链、编译等，这些正是实现端侧 AI 高效部署、释放高效智能的关键所在，而这也与上海海思构建全栈生态的方向高度契合。

从行业应用到更广泛的大众场景，从虚拟交互到物理世界的深度融合，端侧 AI 的智能化蓝图正依托上海海思搭建的生态体系徐徐展开。

结语：上海海思聚焦端侧 AI 高效规模化部署

模型在端侧部署，其本质就是端侧高频实时 AI 应用的高效实现与规模化落地，这一过程中，既包含对成熟、传统行业设备的智能化升级，如安防、传统家电等领域，还包含新兴产业对 AI 原生能力的诉求，如人形机器人、AI 原生硬件等。

在这背后，上海海思正将 20 余年积累的智能终端芯片研发经验以及对不同场景的深入实践、经验积累，转化为推动端侧 AI 加速爆发的关键助推器。