米兰app 从云端到终端，端侧AI模型与设备全面落地

手机没网时也能识别人脸解锁，智能手表一下子就能测出心率不对，扫地机器人绕开障碍物比人反应还快，这些场景背后藏着什么？答案就是端侧AI。

它不是远在云端的技术，而是装在身边设备里的实实在在的智能。

这些智能是怎么造出来的？产业链上哪些公司在做主要工作？普通用户该怎么选带端侧AI的产品？

01|端侧AI

1、端侧AI反而更省电

不少人觉得智能功能越厉害越费电，端侧AI却和这个想法不一样。

用手机翻译一段英文，要是靠云端AI，得先把文字传到服务器，服务器算完再传回来，来回传数据会耗很多电。

端侧AI直接在手机本地计算，不用传数据，反而能省不少电。

智能手表能连续测心率还能用好几天，就是因为心率监测的AI算法在手表本地运行，不用传数据，自然省点电。

2、端侧AI模型比指甲盖还小

云端AI的模型大得像一座图书馆，而端侧AI的模型可能只有一本小册子那么大。

清华大学的研究发现，AI模型的能力不是靠大小堆出来的，而是看能力密度，就像练武的人，不是块头大就厉害，而是招式里的功夫扎实。

现在的端侧AI模型就是这样，通过技术优化去掉没用的部分，保留主要功能。

手机里的语音助手模型，体积只有几百兆，却能准确听懂方言，比几年前几G大小的模型还好用。

02|芯片

1、做端侧AI芯片厂商

端侧AI芯片市场上有好几类公司。国际巨头里，高通是高端市场的主力，它的骁龙AR1平台很多大厂比如Meta、小米、阿里的AI眼镜都在用，就像高端手机里的芯片一样受欢迎。

国产厂商里，地平线、全志科技各有侧重，地平线专注汽车、安防等领域，全志科技的V821芯片因为成本低，成了华强北白牌AI眼镜的首选。

还有一些不太出名但做得很好的公司，比如贝特莱，它的指纹识别芯片在智能门锁行业用得最多，背后也是端侧AI技术在支持。

2、端侧AI芯片和普通芯片有啥不同

普通芯片像什么都干的杂工，啥活都能做但不精；端侧AI芯片像专门做菜的厨师，只专注AI计算这一件事。

最大的不同是既要算得快又不能太费电，比如手机芯片不能像电脑芯片那样发热，智能手表芯片更是要在指甲盖大小的体积里一直计算。

为了做到这一点，端侧AI芯片里都有专门处理AI任务的部分，比如高通芯片里的NPU，能高效处理图像、语音这些AI任务，算得快还不怎么发热。

3、如何做到便宜好用

芯片价格降下来，端侧AI设备才能普及。厂商们常用的办法有两个，一是用成熟的制造工艺，不用最先进但很贵的技术，全志科技的芯片就是靠成熟工艺把成本压下来的；

二是批量生产，高通一年能卖上亿颗移动芯片，研发成本分摊到每颗芯片上就少了。

还有些厂商会做定制芯片，根据具体用途去掉不需要的功能，比如智能手环的芯片只保留心率计算和简单语音处理功能，成本自然就降了。

03|算法

1、算法装进小设备

算法能装进小设备，靠的不是强行压缩，而是精炼。就像把一本厚书改成精华笔记，不是简单删字，而是保留核心内容。

清华团队提出的密度法则就是这个思路，让数据和计算能力配合得更好，让小模型也有大能力。

vivo之前试过把大模型装手机里，结果占了太多内存还不好用，后来把模型精简到3B参数，内存占用降了一半，能力反而更强了。

还有OpenAI的编程模型，能智能保留关键信息，丢掉没用的细节，连续工作24小时也不卡顿。

大云GPT与小参数LlaMA性能对比

2、谁在做端侧AI算法

做算法的主要有三类公司。

手机厂商是主力军，vivo、华为都有专门的算法团队，vivo早在2017年就成立了AI研究院，几十人的专家团队专门优化算法，让它能在不同手机芯片上运行；

互联网公司也在发力，字节跳动和中兴合作，把豆包的算法装到手机里，实现多应用联动；

还有专门的AI公司，比如面壁智能，它的MiniCPM模型成本只有别人的五分之一，能力却不差，已经用到了汽车和手机里。

3、算法怎么适配

不同设备的芯片、内存不一样，算法得像衣服一样量身定做。这个过程叫算子适配，就是把云端算法改成设备能看懂的指令。

比如高通和联发科的芯片，NPU的指令集不同，同样的语音识别算法，就得改写成两种版本。

vivo有个小技巧，先做一个基础的算法框架，再根据不同芯片调整细节，这样既能保证效果又能节省时间。

面壁智能和清华合作的模型，已经适配了手机、汽车、智能家居等多种设备，就是用了这种灵活的调整方式。

04|设备

1、哪些设备里藏着端侧AI

现在端侧AI设备已经进入生活和工作的很多地方。

消费电子是最大的领域，AI眼镜成了新热点，阿里的夸克AI眼镜、百度的小度AI眼镜销量不错，能拍照、翻译还能连接其他应用；智能手表、手环也很常见，测心率、睡眠监测都靠端侧AI。

工业领域也有不少，Rokid的AI眼镜能帮电力工人巡检，对着设备一扫就能发现故障；汽车里的智能座舱，能识别驾驶员情绪，还能语音控制空调。

KDT与Chips JU项目时间线

2、要解决哪些难题

最大的难题是硬件和软件的配合。比如AI眼镜，既要装双芯片保证算力，又要做得轻便，阿里的夸克AI眼镜G1系列做到了40克左右，和普通眼镜差不多重，这就需要在芯片选择、结构设计上反复调整。

还有续航问题，智能手表要测心率、步数，还要联网，制造时得把电池容量和芯片功耗仔细搭配，多试几十次才能找到最合适的平衡。

小厂商还会遇到供应链问题，得协调芯片、传感器、显示屏等多个供应商的交货时间。

05|操作系统环节

1、端侧AI需要特殊操作系统吗？

不需要，普通操作系统加个AI工具就行。安卓、iOS这些常用系统都能支持端侧AI，米兰app官方网站厂商会在系统里加一个专门管理AI算法的工具，负责给不同的AI功能分配资源，保证手机同时运行人脸识别和拍照优化时不卡顿。

比如安卓的TensorFlow Lite工具，就像一个AI管家。

有些设备会用开源系统，比如Linux，小厂商可以自己修改，调整来适合自己的硬件，成本低还灵活。

2、手机系统里的端侧AI藏在哪

其实它一直在后台工作。打开手机相机，自动美颜、夜景模式就是端侧AI在起作用，系统里的算法会实时分析画面，调整亮度和色彩；

语音助手更明显，长按电源键唤醒的瞬间，系统就会启动本地语音识别算法，不用联网也能听懂简单指令。

vivo的手机系统里有个专门的AI引擎，能学习用户习惯，比如你经常晚上用手机，它会自动调暗屏幕，这些都是端侧AI在悄悄起作用。

3、开源系统

开源系统让中小厂商和开发者有更多机会。它不要版权费，任何人都能下载修改，比如智能摄像头厂商可以在Linux基础上，删掉没用的桌面功能，只保留AI识别和联网模块，让设备运行更流畅。

开源社区里还有很多现成的AI工具，开发者不用从零开始写算法，直接拿过来改改就能用。

国内很多智能硬件厂商都在用开源系统，既节省了研发成本，又能快速推出产品。

06|市场规模

1、端侧AI市场

市场规模正在快速扩大，尤其是消费电子和汽车领域。

单看AI眼镜这一个细分品类，IDC的数据显示，2025年上半年全球出货量就有406.5万台，同比增长64.2%，预计2026年中国市场出货量会突破491.5万台。

GenAI智能手机市场出货量预测

整个端侧AI市场更可观，2025年国内规模已经达到几千亿，手机、智能手表、汽车智能座舱是主要贡献部分。

面壁智能、地平线这些企业的营收都在翻倍增长，也能看出市场的活跃。

2、哪些领域增长最快

AI眼镜是目前增长最快的领域，海内外大厂都在做，阿里、小米、Meta、谷歌纷纷推出新品。

汽车领域也不慢，几乎所有新上市的车型都搭载了端侧AI功能，智能座舱成了车企重点关注的部分。

工业和医疗领域虽然规模没那么大，但增长很稳，AI巡检眼镜、医疗辅助诊断设备已经在多个地方使用，比如电力巡检用AI眼镜后，故障检出率提高了30%，很受企业欢迎。

新兴硬件架构的时间表

3、靠什么推动

{jz:field.toptypename/}

三个因素一起推动。技术进步是基础，芯片算力提升、算法压缩技术成熟，让端侧AI能装进越来越小的设备里；

政策支持也很重要，国家对人工智能的扶持政策，让企业有更多资金投入研发；

用户需求是主要原因，大家越来越看重设备的智能体验，没网也能使用的AI功能、更精准的健康监测，这些需求都在推动厂商加大端侧AI投入。

还有价格下降，百元级的AI设备让更多人买得起，进一步扩大了市场。

07|竞争情况

1、大公司和小公司各打法

大公司走全产业链路线，自己做芯片、算法、设备，还搭建生态体系。

华为有麒麟芯片、鸿蒙系统，还有手机、手表、汽车等设备，能把端侧AI的体验做得统一；阿里的夸克AI眼镜，直接对接支付宝、高德地图等自家应用，用户用起来更方便。

小公司则走细分路线，要么专注某个环节，比如贝特莱专门做指纹识别芯片；要么聚焦特定场景，比如做老人专用的智能手表，用精准的市场定位躲开和大厂的直接竞争。

2、国外玩家和国内玩家

国外玩家在高端芯片和基础算法上有优势，高通的芯片几乎垄断了高端AI眼镜市场，OpenAI的算法在全球有很多开发者在用。

国内玩家的优势在本地化和供应链，比如语音识别算法能精准识别方言，比国外算法更符合国人习惯；

供应链更是强项，全球超过80%的AI眼镜供应链厂商来自中国，摄像头模组、光学镀膜等环节的市场占有率超过50%，能快速响应市场需求。

3、竞争焦点

关键是用户体验的比拼。比如AI眼镜，大厂比的是生态连接和功能丰富度，阿里的眼镜能直接用支付宝付款，Meta的眼镜能连接社交应用；

小厂比的是性价比和细分功能，百元级的眼镜满足基础的拍照、翻译需求。

芯片领域拼的是算力和功耗的平衡，谁能做出运算快又省电的芯片，谁就能占上风。

算法领域则比精准度和适配性，同样的语音识别，谁能在噪音环境下听得更准，谁就更有竞争力。

08|需求

1、个人客户喜欢

年轻人更看重新潮和多功能，AI眼镜是他们的新宠，拍照、翻译、导航这些功能都很吸引他们，阿里的夸克AI眼镜首批卖完，大部分买家都是30岁以下的年轻人。

中年人更关注实用性，智能手表的健康监测功能很受欢迎，能测心率、血压，还能生成健康报告，很多人买给父母用。

老年人则喜欢简单易用的产品，按键大、语音提示清晰的智能音箱、简易智能手表更合他们心意，复杂功能反而没人用。

2、企业客户

不同行业的需求差别很大。

零售行业喜欢智能摄像头，能统计客流量、分析顾客性别年龄，帮助调整货架布局；工业企业偏爱AI巡检设备，电力、油气行业用AI眼镜做设备点检，能提高效率还能减少安全隐患；

医疗行业需要精准的辅助诊断设备，比如能识别医学影像的端侧AI设备，帮助医生快速判断病情。

这些企业买设备最看重稳定性和性价比，能解决实际问题的产品才更受欢迎。

3、行业特殊要求

行业客户的要求比个人客户更苛刻。工业客户要求设备耐用，能在高温、高粉尘的环境下工作，Rokid的AI眼镜就做了防尘防水设计，适合巡检场景；

医疗客户对精准度要求极高，辅助诊断设备的识别准确率要达到99%以上，还要通过医疗行业的认证；

金融客户最看重安全，人脸识别设备不仅要识别准确，还要防止照片、视频伪造，避免安全风险。

这些特殊要求让行业端侧AI设备的研发门槛更高。

（文章来源：本文转自一目一行。转载仅用于分享、学习，不做商用。如有侵权，请联系删除。）