【导语】随着算法、芯片与场景深度融合,端侧AI计算已成为终端智能化核心引擎,在IoT领域推动设备进化,重塑家居、汽车、教育、安防等场景的智能体验。数据显示,我国移动物联网终端用户规模庞大,基于AI的物联网解决方案市场前景广阔。端侧AI芯片作为技术底座,正朝着高算力、高能效方向进化,打破终端对云(yún)端(duān)依(yī)赖(lài),推(tuī)动(dòng)AI终(zhōng)端(duān)走(zǒu)向(xiàng)独(dú)立(lì)智(zhì)能(néng)。然(rán)而(ér),端(duān)侧(cè)AI发(fā)展(zhǎn)仍(réng)面(miàn)临(lín)算(suàn)法(fǎ)适配、场景碎片化、成本控制等挑战。
随着算法、芯片、场景的深度融合,端侧AI计算正在(zài)化(huà)身(shēn)为(wèi)终(zhōng)端(duān)智(zhì)能(néng)化(huà)的(de)核(hé)心(xīn)引(yǐn)擎(qíng),尤(yóu)其(qí)是(shì)在(zài)IoT物(wù)联(lián)网(wǎng)领(lǐng)域,助(zhù)推各类终端设备完成在AI浪潮下的精妙进化。从智家到智驾,从安防到教育,端侧AI正在重塑每一个终端应用场景的智能体验。放眼未来,随着RISC-V、可重构计算、存算一体等技术的持续突破,端侧AI赋能下的IoT终端生态有望真正实现“智能无处不在”的愿景。

“AI中枢”大显身手,重塑万物智联新生态
炎炎夏日,在一颗端侧AI控制芯片的帮助下,AI空调在实时感知人体位置及冷热状态之后,可以智能调节送风角度与温度,让用户舒爽;在自动识别无人状态之后,主动切换至高效的节能模式,为家庭省点。
开车途中,在端侧AI服务器的加持下,司机可以享受到智能座舱主动提供的多种服务:在车载AI助手的安排下,车内播放了驾驶员最爱的几首歌曲,导航系统自动调度出了回家最快捷的路线。
在校园、工地、餐饮等领(lǐng)域,搭(dā)载(zài)端(duān)侧(cè)AI芯(xīn)片(piàn)的(de)AI边(biān)缘(yuán)计(jì)算(suàn)盒(hé)子(zi)设(shè)备(bèi)正(zhèng)在(zài)大(dà)显(xiǎn)身(shēn)手(shǒu):监(jiān)测(cè)校(xiào)园(yuán)周(zhōu)边(biān)的(de)逗(dòu)留(liú)、徘(pái)徊(huái)、入(rù)侵(qīn)等(děng)可(kě)疑(yí)人(rén)员(yuán);实(shí)时(shí)监(jiān)测(cè)工(gōng)程(chéng)进(jìn)展(zhǎn)和(hé)工(gōng)地(de)安(ān)全情(qíng)况(kuàng),并(bìng)发(fā)现(xiàn)存(cún)在的潜在风险;实时进行口罩/帽子佩戴、厨师服装穿着、鼠患识别等监测和异常识别,提升餐饮企业的食品安全水平……
可以看到,在家居、汽车、教育、安防等领域,IoT终端智能化正在迎来一场以“端侧AI”为核心的技术之变。在这场革命中,端侧AI芯片作为技术底座与赋能核心,正悄然重塑终端产业的发展格局与路径。工信部相关数据显示,截至2024年7月末,我国移动物联网终端用户数达25.47亿户,占移动网终端连接数的比重达59%。中研普华预计,2025年基于AI的物联网解决方案市场规模将达5200亿元。今年3月,联想集团董事长兼首席执行官杨元庆表示,得益于算力与模型优化,端侧人工智能的进步速度将呈现指数级跃升,两者进步的叠加效应有望在未来12个月实现3倍的整体性能提升。他认为,算力和模型效率是驱动端侧AI性能的两个因素。拿前者来说,摩尔定律虽然停滞(也有人称之为失效),但当AI芯片重新激发市场活力,摩尔定律可能一点都不会停止,甚至会加速。
“在AI终端落地进程里,端侧(cè)AI芯(xīn)片(piàn)是(shì)绝(jué)对(duì)的(de)‘中(zhōng)枢(shū)大(dà)脑(nǎo)’,承(chéng)载(zài)着(zhe)‘本(běn)地(de)化(huà)算(suàn)力(lì)供(gōng)给(gěi)、隐(yǐn)私(sī)数(shù)据(jù)保(bǎo)护(hù)、个(gè)性(xìng)化(huà)体(tǐ)验(yàn)塑(sù)造(zào)’三(sān)重(zhòng)使(shǐ)命(mìng)。”清(qīng)微(wēi)智(zhì)能(néng)联(lián)合(hé)创(chuàng)始(shǐ)人(rén)、产(chǎn)品(pǐn)工(gōng)程(chéng)VP李(li)秀(xiù)冬(dōng)向《中国电子报》记者表示,从更宏观视角看,端侧AI芯片打破了智能终端对云端算力的过度依赖,降低了网络延迟与带宽限制,推动 AI 终端从“云端附庸”进化为独立、自主、智能的“本地伙伴”,这是AI在终端领域从概念走向普及的关键支撑。
从发展趋势来看,端侧AI正在朝着“高算力、高能效、即插即用”等方向进化,并在此过程中重塑终端生态,IoT领域也不例外。而支持这一变化的正是芯片的架构创新。
今年7月,从“存算一体”技术着手的后摩智能发布了全新的端边大模型AI芯片M50。与传统架构相比,适配了端侧与边缘设备“算得快又吃得少”的需求,该芯片的能效能提升5~10倍。这一变化有助于赋能笔记本、平板电脑、学习机等消费终端的本地推理能力,无需联网即可完成智能交互、内容生成等任务,用户隐私数据亦可闭环留存。后摩智能CEO吴强表示:“我们的目标是让大模型(xíng)算(suàn)力(lì)像(xiàng)电(diàn)力(lì)一(yī)样(yàng)随(suí)处(chù)可(kě)得(de)、随取随用,真正走进每一条产线、每一台设备、每一个人的指尖。”
IoT领域场景丰富、终端多元化,需要一套芯片有更高使用效率。清微智能提出“可重构芯片”的概念,亦是通过架构创新提升能效、进行多场景适配:在处理不同AI任务时(如教育场景中的图像识别、自然语言处理),可灵活调配算力以降低功耗;在场景适配上,一套芯片架构适配多样场景需求,可根据不同应用切换计算模式。“未来终端会集成更多传感器,需要芯片能够协同处理多源数据,实现更全面、精准的智能感知与决策。”李秀冬表示。
端侧AI全“芯”进化,助力物联终端升维革命
在端侧AI计算赋能下,终端设备从过去“被动执行命令”的工具,逐渐转变为“主动感知、实时决策”的智能伙伴。在李秀冬看来,从核心价值看,端侧 AI 芯片将成为智能终端的“智能灵魂”,不再局限于简单的数据运算,而是主动学习用户习惯、环境变化,实现智能交互的自进化。长远趋势上,一方面是与边缘计算、云计算深度协同,构建 “端-边-云”一体化智能体系;另一方面,面向细分行业的定制化芯片会成为主流。
端侧AI技术不断下沉,推动物联网智能终端领域升维发展。在这背后,关键之处是端侧AI沿着“算力与能效协同、场景与芯片耦合、生态与标准构建”三条主线的持续进化。
一是算力与能效的协同进化。从传统架构到存算一体、可重构计算,端侧AI芯片设计思路正从“拼命堆算力”转向“精准配算力”。无论是清微智能的TX5系列还是后摩智能的存算一体M50,它们通过架构创新实现能效比提升数倍甚至十倍,让终端设备在有限功耗下实现复杂AI任务,真正让AI变得“可用、好用、用得久”。
二是场景与芯片的深度耦合。端侧AI芯片不再追求“一颗芯片走天下”,而是走向场景化、垂直化(huà)。
针对车载场景,瑞芯微布局智能座舱、车载仪表、车载视觉、车载音频、视频传输和协处理器六大领域,车载芯片覆盖10K DMIPS算力、20K、70K到300K的DMIPS算力,能对车机里的不同算力需求提供对应解决方案,其推出的高端车规级智能座舱芯片RK3588M适用于汽车仪表、智能座舱、中控系统和信息娱乐域控制单元(DCU)等多元应用场景。
面向智能穿戴场景,恒玄科技专注于低功耗无限计算SoC芯片研发,为端侧设备提升续航能力。其推出的BES2800系列芯片凭借超低功耗架构与高度集成化设计,在多款耳机和智能手表、智能眼镜等终端中量产落地。这些理解行业痛点、精准定义应用场景的端侧AI芯片,让端侧设备的价值真正释放。
三是生态与标准的加速构建。RISC-V等开源架构的崛起,让中国企业在标准制定、生态建设上正逐渐赢得更多话语权,也为相关芯片企业提供了换道超车的机遇。
基于RISC-V 开放指令集、构建软硬一体解决方案,正成为端侧AI芯片的主流路径。海思基于自研 RISC-V 内核推出应用于智能家电智能、工业控制领域的MCU芯片。比如,Hi3066M 芯片针对家电端侧智能化需求,内置eAI引擎,为空调、冰箱、洗衣机等家电带来AI节能、智能检测等创新应用,突破传统算法瓶颈。
特普斯微电子联合玄铁等IP企业推出了边缘AI推理系统级芯片EA6530。这是一款将高算力的推理 NPU、玄铁 C920 的双四核 CPU 集群、高性能媒体处理单元和配套存储及连接资源集成在一起的芯片,可支持多元化的、工业级的边缘AI推理应用。特普斯微电子市场总监杜云海表示,RISC-V 因生态成熟度等因素多应用于中低端嵌入式场景,现在随着玄铁等CPU厂商不断推出高性能的产品和建设完善的软件生态,高端边缘AI设备使用(yòng)场景正快速增长。
另一家创新企业银河边缘科技有限公司推出了专为智能家电、工业控制等领域深度定制的端侧AI控制芯片RC605,采用全国产RISC-V内核与NPU架构,融合了AI控制算法与自适应变频控制算法。其核心亮点在于从实际应用场景出发,瞄准行业痛点,实现了家电智能化控制的全面升级,目前已在商用空调领域实现量产,可实现节能30%。
当前,欣欣向荣的端侧AI芯片正在加速推动IoT等领域迎来终端升级,不过在此过程中尚存一些需要继续攻克的挑战。李秀冬总结道,一是算法与芯片的适配难题,不同终端场景需要各异的AI算法,如何将复杂算法高效部署在端侧芯片上,确保性能与精度,是行业难题。二是场景的碎片化问题,市场上这对芯片的兼容性提出极高要求。三是成本控制与性能提升的矛盾。要让端侧AI芯片普(pǔ)及(jí),必(bì)须(xū)平(píng)衡(héng)成(chéng)本(běn)与(yǔ)性(xìng)能(néng)。