世界人工智能大会（WAIC）2026 上，超节点、万卡集群是算力领域最吸引人的焦点。更大的集群、更高的带宽、更强的供给能力，构成了大模型时代最直观的基础设施叙事。

但安谋科技在 WAIC 期间的 AI 前瞻会上把讨论拉向了另一端：当 AI 从云端进入手机、AI PC、智能家居、汽车、机器人、工业设备和边缘节点，算力问题不再只是 " 够不够大 "，而是 " 合不合适 "。

"我们认为，边端侧 AI 不是云端 AI 的缩小版，而是由功耗、实时性、软件、数据、可靠性共同定义的新计算市场。" 安谋科技 Arm China NPU 产品线负责人、首席架构师舒浩博士在安谋科技世界人工智能大会（WAIC）2026 AI 前瞻会上的这句话，比具体产品参数更值得被记住。

安谋科技在 AI 前瞻会上没有把 CPU、NPU、VPU 和 AIOS 拆成四个孤立产品来讲，而是给出一套端侧 AI 的系统答案：硬件层面做异构，软件层面建生态，最终把自己从芯片 IP 供应商的位置，推向边端侧 AI 基础设施的组织者。

如何在资源受限的情况下让端侧稳定运行 AI？

端侧 AI 的机会，首先来自模型能力的下沉。

安谋科技 CPU 产品总监朱晓鸣在演讲中提到，2022 年、2023 年，要达到商用门槛的模型规模往往需要做到数百 B；但随着算法演进，到2025 年、2026 年，接近 1B 体量的模型也有机会达到商用最低标准线。

这意味着，过去只能运行在云端服务器上的 AI 能力，开始有机会进入端侧芯片。

但端侧 AI 真正难的，并不是模型能不能变小，而是变小之后能不能在真实设备里稳定跑起来。

手机要考虑续航，机器人要考虑低延迟，工业设备要考虑稳定性和生命周期，智能家居设备还要考虑成本和常开功耗。用户希望端侧设备具备更强推理能力、更长上下文、更实时交互，背后要解决的是电池、温度、内存墙和带宽墙。

朱晓鸣把端侧 AI 的约束讲得很直接：" 端侧 AI 并不是资源无限、无限子弹的 AI，它是一个资源受限的 AI。"

所以，端侧 AI 不是把云端模型搬到端侧芯片上，也不是简单在 MCU 旁边外挂一颗 NPU，而是在极其受限的功耗、面积、成本和带宽里，把 AI 能力挤出来。

这也是安谋科技推出 " 星辰 300"AIoT 原型平台的背景。

星辰 300 由 STAR CPU、Arm Helium 矢量扩展和 Arm Ethos NPU 组成，首代平台选择 STAR-MC2 和 Ethos-U55，目标是支持主流小模型，让传统 MCU 拓展出 AI 算力。

过去 IoT 强调的是连接万物，设备更多承担采集、连接和被动响应；AIoT 强调的是认知万物，端侧设备开始需要一定的感知、判断和决策能力。

安谋科技要做的，是把 CPU 的通用控制能力、Helium 的向量扩展能力和 Ethos NPU 的矩阵加速能力组合起来，在功耗、面积都受限的嵌入式设备里，跑出可用的 AI 能力。

端侧 AI 的竞争，不是比谁能把算力堆得更大，而是比谁能在更小的壳里，把更多 AI 能力跑得更稳。

Agentic 时代 NPU 最重要的不是峰值算力？

如果星辰 300 回答的是 AIoT 设备如何长出 AI 能力，那么周易 X3-Pro 回答的是更复杂的边端侧推理问题。

过去谈 NPU，行业很容易落到参数竞争：算力多少、能效多少、支持多大参数模型。

Agentic AI 正在改变 NPU 的定义。舒浩在演讲中提到，过去一年 AI 行业的变化集中在四个方面：模型能力提升，推理需求从云端向边端侧扩展；推理范式从单轮对话走向 Agent 多轮协作；工作负载高度分化；边端侧场景不断扩展。

这些变化最后指向同一个结论："AI 算力底座的关注焦点，已经从峰值算力转向系统效率、场景适配性以及整体可部署能力。"

原因在于 Agentic AI 带来的推理变化，不是一次性请求变多，而是推理本身变成持续感知、上下文记忆、多模态理解和主动行动的循环。NPU 也就不能只被定义为推理加速器，而要变成 AI 智能体的计算底座。

但边端侧场景依然绕不开然碎片化问题。

手机、PC、可穿戴设备关心电池续航、个人隐私和本地响应；摄像头、门锁、机器人、自动驾驶关心多模态传感、低延迟和功能安全；工业网关、工控机、工厂服务器关心任务确定性、可靠性和应用长生命周期；边缘节点、AI 本地盒子又关心多路并发、24 小时在线和云边协同。

这些设备都需要 AI，但它们不会需要同一颗 AI 芯片。

这也是周易 X3-Pro 强调统一、分层、场景化架构的原因。舒浩把周易 X3-Pro 的设计哲学概括为：" 一次适配，多芯复用；面向场景，灵活配置。"

软件层面，安谋科技希望用统一架构复用模型适配、调优和部署经验；硬件层面，则通过不同配置适配不同场景对性能、功耗、灵活性和可编程性的差异化要求。

这才是边端侧 AI 真正的工程难题。

云端 AI 可以通过标准化集群和规模效应不断摊薄成本，但端侧 AI 要面对的是更长的产品周期、更多样的设备形态和更复杂的应用约束。谁能降低客户从模型到芯片、从芯片到产品的适配成本，谁才有机会成为端侧 AI 时代的底座。

用新一代 VPU 解决端侧 AI 怎么看

AI 进入真实世界后，视频的角色同样在变化，对 VPU 也有新的需求。

过去视频主要服务人眼。手机拍摄、社交传输、直播压缩，核心目标是让人看得清、传得快、存得下。但在机器人、自动驾驶、工业视觉等场景里，视频不只是内容，而是 AI 理解物理世界的数据入口。

换句话说，视频不再只是给人看，也要给机器看。

安谋科技 VPU 研发总监黄鑫博士在演讲中提到，随着 AI 应用和视频更加紧密结合，越来越多视觉感知模块需要用视频数据进行推理和训练，视频开始成为 AI 的 " 消费者 "。

这会改变 VPU 的设计目标。过去 VPU 追求的是压缩效率和主观画质，AI 时代，VPU 还要考虑压缩后的视频能否保留对 AI 推理有效的信息。如果视频质量受损，影响的可能不只是人眼观感，而是 AI 推理精度和训练效果。

安谋科技此次首次揭秘新一代 " 玲珑 "VPU" 武当 "。这款产品继承上一代 CAE 技术，在保持编码质量的同时，PPA 较上一代提升超过 40%，并支持更完整的编码规格。

更关键的是，安谋科技正在把 VPU 从局部优化推向端到端全局优化。

黄鑫提到，下一阶段 AI VPU 会从智能 CAE 这类局部优化，走向面向特定 AI 应用的端到端视频编码技术，在压缩和精度之间取得更优平衡。

他用一句话概括玲珑 VPU 的定位：" 让人类看清世界，让 AI 看懂世界。"

如果说 CPU 和 NPU 解决的是端侧 AI" 怎么算 "，VPU 解决的就是端侧 AI" 怎么看 "。

当机器人、汽车、工业设备、空间智能系统都需要通过视觉理解世界，视频压缩就不再只是多媒体问题，而会变成端侧 AI 基础设施的一部分。

端侧 AI 大规模部署的关键—— AIOS 联盟

硬件异构只能解决端侧 AI 的一半问题。另一半，是软件和生态。

端侧 AI 如果只停留在 " 芯片能跑模型 "，很难真正变成产品能力。Agent、具身智能、AI 眼镜、AI 玩具、机器人、边缘盒子等新型设备，需要的不只是底层算力，还包括模型推理、任务编排、记忆管理、端云协同、感知交互、隐私安全和开发者工具。

这也是安谋科技牵头发起开源 AIOS 联盟的原因。

安谋科技市场及生态副总裁梁泉在演讲中提到，每一代新型产品的变化，不仅是计算平台变化，也包括交互范式变化。PC 时代是鼠标和键盘，移动时代是多点触控，AI 时代则会出现语音交互、生成式 UI、具身互动和持续感知。

这意味着 AIOS 不是传统操作系统加一个模型接口。

AIOS 需要处理模型引擎、模型推理、端云协同路由、感知交互、Agent 任务编排、记忆系统和数据流。尤其是在具身智能和边缘设备中，视频、音频、文本等实时混合输入，会成为贯穿系统的核心数据流。

梁泉对 AIOS 的定义里，最关键的不是 "OS"，而是交互。

他提到，新型 AIOS 是 " 基于感知的生成式交互和具身互动系统 "。如果只是把 AI 作为计算基础设施放在那里，过去 Linux、服务器系统已经可以承接很多能力；但新型边缘设备和具身设备要与人持续互动，交互会变成系统核心。

这一步，把安谋科技的角色从 IP 继续向上推了一层。

端侧 AI 产业链天然分散：有芯片公司，有模组厂，有设备厂，有模型公司，有开发者，也有终端品牌。单靠某一颗 IP，很难让 AI 进入海量设备。安谋科技想借助 Arm 在端侧的生态位置，把硬件 IP、软件栈、模型能力、开发者工具和终端产品组织到一个更开放的体系里。

开源 AIOS 联盟的意义也在这里，端侧 AI 从 " 硬件可用 " 走向 " 产品可用 " 必须补上的系统层。

端侧 AI 的竞争也是系统竞赛

从星辰 300 到周易 X3-Pro，从玲珑 VPU 到开源 AIOS 联盟，安谋科技传递出的信息，核心不是有新的 IP 产品，而是为端侧 AI 构建一套不同于云端 AI 的基础设施。

云端 AI 的竞争，更像规模竞赛。谁能提供更多 GPU、更强集群、更高吞吐、更低 Token 成本，谁就能在大模型训练和推理爆发中占据主桌。

端侧 AI 的竞争，则更像系统竞赛。它要在功耗、成本、实时性、隐私、设备形态和生命周期之间找平衡；要让不同尺寸、不同场景、不同产品周期的设备，都能以可控成本获得 AI 能力；还要让开发者和终端厂商不必为每一颗芯片、每一个设备、每一种模型重复适配。

这正是 " 端侧 AI 不是云端 AI 的缩小版 " 背后的产业含义。

当 AI 还停留在云端，算力基础设施的核心问题是如何支撑更大模型和更多 Token；当 AI 进入真实世界，问题会变成如何让每一台设备都具备可用、可靠、可部署的智能能力。

安谋科技构建的，正是这套边端侧算力底座。

如果说过去 Arm 生态的最大价值，是让移动互联网时代的计算能力进入每一台终端；那么 AI 时代，安谋科技要证明的是，Arm 生态仍然有机会把 AI 能力带进每一个真实设备。

端侧 AI 的下半场，不会只属于单颗芯片，它属于能把芯片、模型、OS、开发者和终端场景串起来的公司。雷峰网 ( 公众号：雷峰网 )

雷峰网原创文章，未经授权禁止转载。详情见转载须知。