端侧AI之战正式打响

端侧AI商业化加速，企业聚焦轻量模型与硬件开发，智能硬件迎来升级浪潮。 文 | 巨潮WAVE，作者｜谢泽锋，编辑｜杨旭然 跳出行业激战、耗资巨大的超级云端大模型，转向端侧模型研发，或开发端侧模型智能终端，成了很多企业深度参与AI浪潮的重要方向，尤其是对于硬件企业来说。 面壁智能CEO李大海认为，2026年就是“端侧AI商业化元年”——这家公司虽然并没有获得AI手机的相关资质，但也因为相关的概念和产品获得了数额不小的融资。 今年7月份，网信办要求有序开展AIGC服务备案工作，并新增了Apple智能、华为小艺、小米澎湃AI等7家大模型的备案信息。 随后，豆包AI手机NaviX Ultra于9月16日正式亮相，Apple智能（Apple Intelligence）+全新Siri AI已经在WWDC26发布，刚刚上市的小米18 Fold则内置了Xiaomi MiMo端侧大模型。 智能汽车赛道，由印奇执掌的阶跃星辰在汽车和手机赛道双向押注，一方面联手吉利切入智能汽车，另一方面推出了旗下首个原生智能体手机（Agentic Phone）STEPX Neo。 大洋彼岸，Meta、英伟达、谷歌、OpenAI等巨头也开始探索端侧研发，或者联合设备厂商打造全新的AI硬件。 一场端侧之战实际上已经开启，智能硬件产业面临一次规模浩大的升级浪潮。 以小博大 与大众熟知的DeepSeek、ChatGPT等云端大模型相比，端侧模型更加轻巧，参数量更小，可以利用设备端算力直接运行，无需依赖云端。 参数量是AI大模型和端侧大模型之间最显著的区别。AI大模型动辄上万亿的参数，Kimi K3（月之暗面）高达2.8万亿（2.8T）MoE，Anthropic的Mythos参数更达到10万亿（10 trillion），训练数据量300万亿token。 巨大的参数量，可以使市场上的各家大模型拥有更强的性能，能够捕捉复杂的数据模式并在多种任务中表现出色。但问题在于，依赖云端推理的方式需要网络连接，会带来延迟和隐私问题。一旦断网或遭遇突发情况，将直接宕机无法使用。 端侧设备的芯片性能和存储空间有限，因此端侧大模型的参数势必压缩。借助知识蒸馏、剪枝和量化，端侧大模型的参数量可以减少到几个B的规模。 当前，很多主流模型厂商如DeepSeek、Meta Llama、IBM Granite都推出了小模型版本，且面向特定任务的性能和测试情况都表现出色。 这意味着大型基础模型可以缩减为体量更小、更轻巧的版本，以达到推理速度更快、内存占用更少、功耗更低，并能保持较高的性能水平。这意味着它们可以更好地在智能手机、PC、汽车、机器人等终端上部署。 AI大模型无法像互联网那样靠规模效应实现成本递减，这是其商业化道路上的最大瓶颈。 训练一个超级大模型要耗费巨大资源，Mythos的训练成本估算就达100亿美元，投入使用后，模型的推理成本将随着日活用户数量及使用频率的增加而攀升。 国联民生证券测算，加上豆包免费C端服务，字节单日成本就高达1.32亿到2.4亿元。云端推理的极高成本，将严重拖延大模型商业化的持续性。 端侧AI可以“以小博大”，即时性高、隐私性强，还可以结合本地数据做更多定制化创新，进一步为开发者降低成本，推动边缘AI商业化落地。 在芯片“摩尔定律”+端侧AI“密度定律”共同驱动下，端侧智能也在加速商业化。 2024年年底，清华大学孙茂松、刘知远团队与开源社区OpenBMB提出“能力密度”的概念，用以衡量大模型单位参数内的智能水平。 密度定律的结论为“大模型的能力密度随时间呈指数增长，约每3.3至3.5个月翻一番”，即“每隔约一百天，只需一半参数量的模型即可达到当前最优性能”。结合半导体领域的摩尔定律，芯片在同等价格下的算力约每两年翻一倍，而模型的能力密度约每一百天翻一倍。软硬路线的共振之下，AI大模型开始向终端设备下沉。 当前，AI手机、AI PC都在加速渗透（此类数据存在一定的口径问题）。生成式AI手机渗透率在2025年已达36%，2027年将过半，端侧AI将由高端卖点转为产品标配。AI PC出货占比在2025年已攀升到31%，2029年将成常态。 加上智能汽车、具身智能乃至智能硬件的形态创新，端侧AI时代即将来临。 破局时刻 一只“鸭子”的出现，正在重塑全球物理AI时代和端侧AI的演进。 9月3日，英伟达豪掷129.3亿美元收购了全球最大AI开源平台Hugging Face。就在一周前，Hugging Face旗下Pollen Robotics发布了一款售价399美元的双足机器人Microduck。 这只高仅25厘米、不到800克的机器鸭，可能已经撬动了端侧AI的ChatGPT时刻——开订24小时订单额破260万美元，高峰期平均每4秒卖出一台。如果有消费者现在去预订，需要6个多月才能拿到货。 Microduck采用开源设计，用户可以自行重新训练，意味着这只机器鸭不是普通的玩具，而是可以不断自我学习。玩家可将训练成果上传Hugging Face Hub，海量设备在真实环境产生的数据，将以近乎零边际成本去推动算法进化。 自ChatGPT问世以来，AI世界的叙事线条一直是更大规模的模型、更强更贵的GPU、更庞大的算力集群。 Microduck搭载的并非英伟达、AMD或高通的高端芯片，而是一颗瑞芯微于2020年开发的中端SoC RK3566。 相比动辄几十万的人形机器人，这样低门槛、全开源、生态丰富的“鸭子”，大幅降低了端侧智能设备的进入门槛。 正如Hugging Face首席执行官Clem Delangue所说，Microduck的推出意味着“价格可负担的开源机器人时代”正在到来，目标是让更多人参与实体AI和世界模型的发展。 在AI PC端，AMD、英特尔、英伟达等芯片巨头加速布局。1月，AMD推出面向Windows 11 AI PC的锐龙AI 400、锐龙AI PRO 400处理器，算力最高可达60 TOPS，可在本地运行大模型。 英特尔在2026 CES展上发布第三代酷睿Ultra处理器，这是首个基于Intel 18A工艺打造的计算平台。 6月，黄仁勋在台北GTC大会上拿出应用于AI PC的超级芯片RTX Spark，该芯片具备1 Petaflop算力，最高128GB内存，可本地运行1200亿参数大模型。今年秋天，华硕、戴尔、惠普、联想等PC大厂就将陆续推出搭载该芯片的产品。 在成本、商业落地可行性、技术演进等多重因素驱动下，AI大模型在未来的演化，可能将逐步分成三大类： 其一就是大众熟知的云端大模型，承担复杂推理、长文本/视频生成与Agent能力，它定义了AI的能力上限； 其二就是行业模型，在金融、医疗、司法等垂直领域拥有专长，服务专业场景，解决AI落地问题； 其三就是我们目前所讨论的重点，端侧模型，其作用在于承接高频、实时、隐私与离线可用的任务，它决定了未来AI的触达密度和广度。 “云端定上限、行业定深度、端侧定入口”的分层协同，已经愈发明显。 中国样本 AI大模型演进趋势之下，中国端侧AI也迎来爆发奇点。 主要玩家中，面壁智能定位纯端侧模型基座供应商，秉持“以小博大”的理念，试图用自己的模型接管所有智能硬件；豆包手机是字节跳动联合中兴努比亚共