作者：老王 背景 随着大模型推理成为AI算力的主要消耗，把一部分推理留在终端完成的端侧AI，被普遍视为AI周期的下一个增长点。2026年以来，这一领域的热度明显上升：资本集中涌入，9月国内近十家端侧AI芯片企业披露融资，单月合计超过30亿元，资金集中在存算一体和3D近存方向；已有出货的平台型公司业绩兑现，瑞芯微前三季度营收预增约42%，爱芯元智上半年收入增长182%；产业界对端侧大模型的预期也在抬高，高通CEO安蒙提出2028年手机可以常驻运行1000亿参数的模型。 另一方面，终端和成本端的压力在加大。端侧AI最大的载体手机正在萎缩：Counterpoint预计2026年全球智能手机出货同比下降13.9%，降至约10.8亿部，为2013年以来最低；IDC预计全球PC出货下降11.3%。手机内存LPDDR5X合约价三个季度涨到约3.8倍，内存在手机制造成本中的占比一度超过40%。与此形成鲜明对比的是数据中心：英伟达2027财年第二季度（截至2026年7月）数据中心收入890亿美元，同比增长117%，单季收入已超过全球边缘AI芯片组全年的市场规模。 但端侧AI的发展基础并不像热度显示的那样稳固。端侧AI芯片面临的核心问题是：机会究竟在哪里，与数据中心相比还面临哪些更根本的挑战，中国大陆企业又该如何应对。本文从市场机遇、终端缺位、成本约束、技术路线、车规应用、供应链与融资七个角度展开分析。 核心观点 机遇 端侧AI的需求是真实的：推理成本、时延、隐私和智能体常驻运行，都要求一部分AI留在终端。增量集中在两头：一头是Agent主机、机器人和汽车等单设备价值高的场景，另一头是AI耳机、眼镜等出货量大但单价低的可穿戴与IoT。 放量顺序依次为：Agent主机与私有化推理一体机、机器人“大脑”、车载舱驾一体与座舱大模型；可穿戴量大价低，手机端侧大模型不是近期爆点。 中国大陆在车载、AIoT、机器人和端侧大模型协处理器上具备场景和规模优势，瑞芯微、地平线、爱芯元智等已有出货的平台型公司业绩兑现。 挑战 终端缺位是最大的挑战：手机出货持续下滑，而眼镜、耳机等新终端体量不到手机的几十分之一，目前仍没有能替代手机的终端出现。端侧AI缺少一个足以拉动芯片规模的“主载体”。 与数据中心相比，端侧面临更大的不确定性：数据中心有明确的付费方（云厂商资本开支）、收敛的技术路线（GPU+HBM+CUDA）和统一的软件生态；端侧的付费方是对价格敏感的消费者，终端形态分散，技术路线和工具链高度碎片化。 存储是重要约束之一，但不是唯一约束：LPDDR5X三个季度涨到约3.8倍，AI服务器开始与手机争抢LPDDR，端侧AI的成本曲线在相当长时间里由数据中心决定。功耗散热、软件碎片化和消费者付费意愿同样制约端侧AI。 技术路线多路并行、尚未收敛：SRAM存算一体、3D近存、协处理器各有适用场景，短期收入以协处理器最大，长期价值最大的3D近存则依赖DRAM和先进封装，价值未必归属设计公司。 中国大陆面临先进制程、先进封装和存储三重供应链约束；单靠融资支撑的初创公司成功概率很低，当前融资热潮属于“结构性泡沫”，预计2027–2028年洗牌，赢家更可能来自产业链内部。 一、机遇：端侧AI的增量在哪里 1. 端侧AI的需求基础 把一部分AI推理留在终端，有四个现实理由：一是成本，推理已成为AI算力的主要消耗，用用户已经付费的终端算力分担推理，可以降低云端token成本；二是时延与可靠性，智驾、机器人、实时翻译对毫秒级响应有刚性要求；三是隐私与合规，相册、消息、健康数据在本地处理更易满足监管要求；四是智能体，Agent需要持续读取屏幕和上下文，常驻、低功耗的本地推理是前提。据媒体转引的IDC数据，2026年一季度中低端端侧芯片出货同比增长超过110%，增长重心正从旗舰手机转向IoT和边缘场景。 2. 市场爆点与放量顺序 判断爆点要同时看两件事：场景能否绕开终端的成本和体积约束，以及单设备的芯片价值能否支撑芯片公司的投入。按这个标准，我们认为放量顺序如图1所示。 图1 端侧AI市场爆点：放量先后与单设备芯片价值（示意） Agent主机与私有化推理一体机最先放量：这类设备不受体积和散热约束，可以配64–128GB内存，直接运行数十到上百亿参数的模型，企业和个人对数据不出本地的需求也很明确。联想P7借助后摩智能M50可在本地运行122B参数模型，爱芯元智推出AX Clawbox系列和AX8850算力卡。这一市场看重大内存、高带宽和好用的软件栈。 机器人“大脑”单设备价值最高：英伟达7月推出Jetson T3000（865 FP4 TFLOPS、32GB LPDDR5X、273GB/s带宽）和T2000（400 FP4 TFLOPS、16GB内存），把机器人计算的门槛往下拉了一档；英伟达2027财年第二季度边缘计算收入72亿美元，同比增长27%。国产方面，瑞芯微称其产品在机器人市场占有率很高，地瓜机器人9月完成4亿美元C轮融资，爱芯元智推出具身智能大脑控制器。 车载舱驾一体与座舱大模型：这是单设备芯片价值最高、验证周期也最长的市场，详见第五部分。 AI可穿戴出货量大、单价低：AI眼镜、耳机、录音笔和玩具要求毫瓦级功耗和常开感知，SRAM存算一体、集成NPU的MCU和低功耗音频SoC是主力。这类芯片单价通常只有几美元到十几美元，需要千万颗级的出货才能形成规模。 3. 中国大陆的相对优势 与数据中心AI芯片相比，端侧是中国大陆最有机会形成规模优势的领域：车载和AIoT对先进制程的依赖较低，下游整车、家电、安防、机器人和AI硬件市场全球最大，开源模型也降低了端侧部署门槛。已有出货的平台型公司业绩正在兑现：瑞芯微RK3572三季度量产、RK182X协处理器四季度放量；爱芯元智上半年智能汽车SoC出货约42万颗，边缘AI收入增长约252%。 挑战之一：终端缺位，手机下滑而替代者尚未出现 1. 手机：最大的载体正在萎缩 手机是端侧AI芯片最大、也是最成熟的载体，但它的总量在萎缩。全球智能手机出货在2019年后基本在11.7亿到13.7亿部之间徘徊，2025年为约12.6亿部；受内存涨价冲击，Counterpoint预计2026年下降13.9%至约10.8亿部，为2013年以来最低。下滑主要集中在中低端，Counterpoint预计200美元以下手机的年出货将从2026年的5.7亿部降至2030年的3.4亿部；三星、苹果相继上调售价，国内中端机普遍涨价300–1000元。PC同样承压，IDC预计2026年全球PC出货下降11.3%，Gartner把AI PC渗透率达到50%的时间推迟到2028年。 图2 全球智能手机出货与英伟达数据中心收入 这意味着端侧AI在手机和PC上的增量主要来自“量减价增”：高端SoC和内存的单价上升，而不是出货规模扩大。AI功能下沉到中低端机型的速度明显慢于此前预期，以中低端为主的芯片厂商首当其冲。 2. 新终端：尚无能替代手机的形态 过去两年，业界寄望于AI眼镜、AI耳机、AI录音设备和陪伴机器人等新终端接棒。但从体量看，它们离替代手机还很远。据媒体转引的IDC预测，2026年全球智能眼镜出货约2300万副，不到手机的2.5%；TrendForce预计AR眼镜仅约95万台；传闻中的OpenAI首款AI耳机首年预估出货4000–5000万部，即使兑现，也只有手机的约4%。更重要的是，这些设备的算力很小，多数依赖与手机或云端协同，本身并不承载大模型推理，单设备的芯片价值只有几美元到十几美元。 消费者对“AI功能”的付费意愿也不明确。多数AI手机和AI PC的卖点仍是影像、翻译和办公助手，尚未出现让用户为端侧AI专门换机的杀手级应用。我们认为，在可预见的两三年里，仍没有能替代手机的终端出现；端侧AI缺少一个足以拉动芯片规模的“主载体”，这是它与数据中心最大的不同。（判断） 3. 与数据中心相比：端侧面临更大的挑战 数据中心算力市场的增长逻辑清晰：付费方是资本开支持续扩张的云厂商和大模型公司，英伟达数据中心收入从2019年的约30亿美元增至2025年的约1937亿美元，2027财年第二季度单季就达到890亿美元；技术路线高度收敛在GPU、HBM和CUDA生态上，芯片厂商只需沿着同一条路线把性能做高。 端侧则相反。第一，付费方是对价格敏感的消费者和终端厂商，内存和芯片涨价很难顺利传导，反而会压缩出货。第二，终端形态分散，手机、PC、汽车、机器人、眼镜、IoT的功耗、成本和可靠性要求差异很大，任何一种芯片都难以通吃，单一品类的规模有限。第三，技术路线和软件生态高度碎片化，各家NPU的指令集、算子库和工具链互不兼容，开发者移植成本高。第四，端侧还要和云端竞争同一批推理需求：当云端token价格持续下降，端侧推理的成本优势会被削弱。ABI Research预测2026年全球边缘AI芯片组市场约344亿美元，规模尚不及英伟达数据中心半个季度的收入。综合来看，相对数据中心，端侧AI芯片的市场和技术路线面临更大的挑战。（判断） 挑战之二：存储等成本约束 存储是端侧AI当前最突出的成本约束，但它只是约束之一，功耗散热、先进制程成本和消费者付费意愿同样在起作用。本部分重点分析存储，因为它把技术问题直接变成了经济问题。 1. 存储涨价与AI服务器争抢LPDDR TrendForce数据显示，LPDDR5X合约价2026年一季度环比上涨约90%，二季度再涨78%–83%，三季度涨8%–13%，三个季度累计涨到约3.8倍。更深层的变化是，LPDDR不再是手机专属：英伟达服务器CPU通过SOCAMM模组大量采用LPDDR5X，据报道英伟达明年也只能拿到所需LPDDR5X的六到七成，并已把下一代Vera CPU的SOCAMM2容量从192GB减半到96GB；AMD和英特尔明年的服务器与推理产品也将加入。存储厂产能优先保障毛利更高的服务器客户，端侧产品在供给排序中被后置，端侧AI的成本曲线在相当长时间里由数据中心决定。（判断） 图3 手机内存LPDDR5X合约价指数（2025Q4=100） 2. 内存容量与带宽限制可运行的模型规模 大模型解码阶段每生成一个token都要把权重从内存搬到计算单元一次，生成速度由内存带宽决定，能运行多大的模型由内存容量决定。4-bit量化的100B模型仅权重就需要约50GB，2-bit也要约25GB，远超手机当前十余GB的可用内存；安蒙也承认，按目前的DRAM供给，手机内存短期很难超过16GB。现实可行的办法是更激进的量化、稀疏MoE加闪存卸载，或20–30B的蒸馏模型。我们认为，2028年前手机上的主力模型仍在10–30B量级，100B级模型会先出现在PC、Agent主机和边缘设备上。（判断） 图4 不同量化精度下模型规模与终端内存档位 3. 其他约束：功耗、散热与付费意愿 手机持续推理受3–5W的热设计约束，大模型长时间运行容易触发降频；单纯堆TOPS的收益递减。芯片评价指标因此正从TOPS转向每token搬运的字节数和每瓦token数：Chips&Media推出NPU特征图无损压缩IP，ENERZAi的1.58-bit端侧语言模型获得年度奖项，BrainChip 10月14日发布面向端侧生成式AI的Sequora处理器IP。但技术上的节省，最终仍要面对终端厂商“为AI多付多少钱”的问题，在内存涨价周期中，这一意愿明显减弱，部分厂商甚至在降配。 二、技术路线：多路并行，尚未收敛 与数据中心路线高度收敛不同，端侧芯片的技术路线仍在分化。围绕“减少数据搬运”这一共同目标，存算一体、3D近存和协处理器三条路线并行发展，但解决的问题层级不同，商业成熟度差距也很大。 1. SRAM存算一体：最成熟，但装不下大模型 SRAM存算一体把乘加运算放进SRAM阵列内部完成，能效优势明显。微纳核芯称其流片实测相比传统架构可提升4–6倍算力密度和5–10倍能效比；据行业汇编，知存科技已实现千万级出货。它的硬约束是容量：片上SRAM通常只有MB级，存不下数十亿参数的权重，更适合语音唤醒、降噪、视觉检测等小模型常开场景。行业观察还指出，大厂正把存算能力直接做进自家SoC，存算一体正从独立产品变成AI芯片架构的一个组件；模拟存算的精度损失、新型存储器件的一致性和缺乏统一评价标准，也限制了它进入高可靠性场景。 2. 3D近存：解决大模型带宽的关键，但瓶颈在设计公司之外 3D近存把逻辑芯片和DRAM通过混合键合等方式垂直堆叠，带宽可以提升一个数量级。小米8月发布的玄戒O100采用6nm工艺和3D晶圆级堆叠，近存带宽达到1.22TB/s；后摩智能首款3D存算芯片A20已经投产，最多可16颗互联；据行业汇编，谦合益邦8月完成超20亿元B轮融资，并披露4层3D DRAM堆叠芯片回片点亮。这条路线的瓶颈在于定制DRAM供给、混合键合良率和散热，都不在设计公司手里。我们判断，3D近存长期价值最大，但价值主要会流向掌握DRAM和先进封装的一方，以及有能力绑定它们的终端大厂。（判断） 3. 协处理器：当前最务实的商业形态 “主控SoC加大模型协处理器”让终端厂商无需更换主控就能加上大模型能力，也降低了单颗大芯片的流片风险。后摩智能M50截至8月底获得150多个产品定点、服务100多家客户；瑞芯微RK182X多条产品线进入量产，新一代协处理器将于年内发布。协处理器在手机上是过渡形态，一旦旗舰SoC通过晶圆级封装或3D堆叠把带宽问题内部化就会被吸收；在PC、边缘盒子、机器人和汽车里，它有望长期存在。 4. 软件生态碎片化是另一道门槛 数据中心有CUDA这样的统一生态，端侧却是苹果Core ML、高通AI Hub、英伟达JetPack和众多国产NPU工具链并存。国产NPU的算子覆盖、编译器成熟度和模型适配效率普遍不足，开发者多以CUDA和高通、苹果的工具链为基准。新架构越激进，软件适配的成本越高，这也是存算一体和3D近存从样片走向规模商用的主要障碍之一。 5. 路线排序 综合来看，2026–2027年的收入规模大致是协处理器第一、SRAM存算一体第二、3D近存第三；2028年以后的长期价值排序可能倒过来。图5以时间曲线的形式汇总了近一年来的关键节点。 图5 端侧AI芯片“绕开内存墙”的技术演进路线（时间/厂家/产品） 车规应用：舱驾一体是主战场 1. 舱驾一体从技术方向变成成本刚需 分离架构下，座舱和智驾两颗SoC各配一套内存，在内存涨价周期中整车BoM被放大。地平线CEO余凯表示，星空6P单芯片方案仅DDR一项就可节省2000–3000元，整车综合可省1500–4000元。行业观察还指出，舱驾一体可以把整车算力利用率从不足30%提升到70%以上；AI Agent需要跨座舱和智驾域调用数据，分离架构下跨芯片通信的延迟可达百毫秒级。 2. 竞争格局：高通领先，本土方案追赶 高通是量产落地最快的一方：骁龙8775已经量产，Ride Extreme系列全球拿到18个定点，其中10个车型已经或即将量产，座舱平台可在本地运行数百亿参数的全模态模型。地平线星空6P（5nm，650 TOPS）主打全栈交付和性价比；黑芝麻武当C1296被称为首个本土舱驾一体量产芯片，已搭载于东风奕派007；芯擎龙鹰二号计划2027年一季度启动适配。爱芯元智上半年新增24个量产车型定点，M97和M95高阶智驾芯片已回片点亮，座舱大模型算力加速芯片已经流片。车企自研方面，理想采用M100加骁龙8797的混合架构，比亚迪、小鹏、蔚来的自研芯片目前仍以智驾专用为主。 3. 新架构上车的门槛 车规对新架构格外苛刻：芯片要通过AEC-Q100可靠性认证和ISO 26262功能安全认证（高阶智驾需要ASIL-D），在零下40度到125度之间稳定工作，还要经过3–5年验证并承诺10–15年供货。模拟存算一体的精度漂移和温度敏感性，与智驾安全路径“对精度零容忍”的要求存在根本矛盾。我们判断，2029年前模拟存算一体很难进入ASIL安全关键路径；先上车的会是座舱大模型协处理器、数字近存方案，以及集成在舱驾一体SoC里的近存模块。（判断） 4. 车规存储与车市规模的风险 车规LPDDR出货量小、认证和谈判周期长，在存储厂排产中的优先级往往低于服务器和旗舰手机（判断）。座舱大模型正在把单车内存从16GB推向32GB甚至更高，一旦车规存储供应紧张，舱驾一体节省的成本可能被涨价抵消。此外，车载芯片的规模受整车销量约束，全球年销量约9000万辆，远小于手机，智驾芯片供应商过多（仅中国市场就有约14种方案）也意味着价格竞争会很激烈。 三、中国大陆：供应链约束 中国大陆端侧AI芯片在需求和场景上具备全球优势，但在供应链上存在三个硬约束，而这三处恰恰是初创公司最缺乏议价权的环节。 先进制程：IoT和可穿戴芯片用6–22nm工艺就够用，但高阶智驾芯片、旗舰手机级SoC和大模型协处理器需要4–6nm甚至更先进的工艺。大陆设计公司在台积电先进节点流片受到美国规则约束；本土先进产能有限、良率低于台积电，而且优先保障数据中心AI芯片和大客户。对初创公司来说，结果是流片排期更长、单片成本更高、工艺迭代更慢。 先进封装：3D近存依赖混合键合、晶圆级封装和硅通孔。台积电的先进封装产能优先保障苹果、英伟达等大客户；国内长电科技、通富微电、甬矽电子等积极扩产，但混合键合设备主要依赖海外厂商，存在管制风险，国产设备仍在验证阶段。产能紧张时，小批量、定制化的初创订单排序靠后。 存储：国产3D近存方案需要本土DRAM厂定制供货。长鑫存储第五代DRAM平台已经量产，全球份额进入前四，但其产能要同时支撑HBM、服务器DDR5和手机LPDDR，定制化3D堆叠DRAM在优先级上很难与大单竞争。 一颗端侧芯片从立项到规模出货通常需要18–36个月，车规需要3–5年，这期间的成本由设计公司控制不了的上游决定。瑞芯微在三季度业绩预告中提到，存储和阻容涨价、PCB短缺导致终端出货进入调整期、芯片订单延后，并预计未来几个季度上游供应会更紧张。年收入数十亿元的龙头都受到冲击，处于首代产品阶段的初创公司抗风险能力更弱。 三、融资热潮：结构性泡沫与初创公司的困境 1. 资金涌入同一方向 据21世纪经济报道，9月国内近十家端侧AI芯片企业披露融资：地瓜机器人完成4亿美元C轮，微纳核芯完成10亿元C1轮（三维存算一体），光羽芯辰半年累计融资近20亿元（3D堆叠近存），九万里未来科技累计融资超过1亿美元，淬思科技完成超亿元天使轮。据行业汇编，一年之内3D堆叠方向就涌入了思敏威、寒序科技、光本位科技、算苗科技等多家新锐。 6 2026年9月前后国内端侧AI芯片主要融资 2. 需求是真的，泡沫在结构 泡沫体现在三个方面：资金集中在同一条尚未收敛的技术路线上；大量项目仍处于流片前或首代样片阶段，没有经过量产和客户复购的检验；估值锚定的是上市公司和港股IPO窗口（2026年一季度港股IPO募资同比增长489%），而不是企业自身的收入。即使是已上市、收入高速增长的爱芯元智，券商仍预测其2026年亏损约10亿元，要到2028年才有望盈利。叠加前文所述的终端缺位，端侧芯片整体市场的扩张速度很可能慢于融资热度所隐含的预期。 3. 盈亏平衡：为什么单靠融资很难成功 图7 端侧芯片盈亏平衡测算（示意） 以一代6nm端侧SoC总投入约5亿元（含流片、掩膜、IP授权和2–3年研发人力）测算，单颗毛利15元的可穿戴或IoT芯片需要约3300万颗出货才能回本，毛利50元的AIoT主控或协处理器需要约1000万颗，毛利150元的车载或机器人芯片也需要约330万颗；若走3D堆叠路线或需两代迭代，门槛还要翻倍。而初创公司首代芯片首年出货通常在百万颗以内（判断），存储涨价又在压缩下游客户的BoM空间和芯片毛利。融资可以支撑两到三年的研发，却很难支撑跨越数百万颗出货门槛所需的客户导入时间。零跑汽车放弃自研芯片，原因同样是规模不足。我们认为，单靠融资支撑发展的端侧芯片初创公司，成功概率非常低。 4. 洗牌的时间与触发因素 我们预计2027–2028年会出现明显的洗牌。触发因素有三：存储高价和终端下滑持续压缩需求；终端大厂和平台型SoC公司把存算、近存能力做进自家芯片；IPO窗口收窄导致后续融资中断。能够存活的公司大致具备三个特征：有量产定点和客户复购；良率、工具链和编译器经过量产检验；绑定了终端厂、DRAM厂等产业方。上市SoC平台并购初创公司会成为主要的退出路径。（判断） 四、研判 第一，端侧AI的机遇真实，但比数据中心更分散、更慢。需求来自成本、时延、隐私和智能体，增量集中在Agent主机、机器人、汽车和可穿戴；但由于缺少一个足以替代手机的主载体，端侧芯片市场难以复制数据中心那样的爆发式增长，更可能呈现多品类、分阶段的渐进式成长。 第二，相对数据中心，端侧面临的挑战更大。数据中心有明确的付费方、收敛的技术路线和统一的生态；端侧的付费方对价格敏感，终端形态分散，技术路线与工具链碎片化，还要承受数据中心对存储等上游资源的挤压。 第三，技术路线上会经历“协处理器先行、近存跟进、3D堆叠后发”的过程，2026–2027年协处理器在PC、边缘盒子和机器人中放量，3D堆叠的大规模商用取决于本土DRAM和混合键合的成熟度，预计在2028年以后。 第四，车规方面，舱驾一体将在2027–2028年进入放量期，高通仍将领先，本土方案凭成本和本地服务追赶；存算一体和3D近存进入智驾安全关键路径要到2029年以后。 第五，赢家结构由供应链和客户决定，而不是由融资规模决定。赢家更可能是自研芯片的终端大厂、向上延伸的存储与封测企业，以及已有出货和现金流的上市SoC平台；地平线能够做成，也是因为早早绑定了车企客户。融资热潮将在2027–2028年退潮，初创公司更现实的出路是成为大厂的IP或设计服务伙伴、与锚定客户共同投入，或者被并购。 五、建议 芯片设计企业：不押注单一终端，围绕Agent主机、机器人、汽车等单设备价值高的场景布局产品；把每token内存字节数和每瓦token数作为核心指标；优先在成熟工艺上通过架构、压缩和软件栈形成差异化；尽早与DRAM厂、封测厂建立联合开发和长期产能协议。 初创公司与投资方：把量产定点、客户复购和良率作为估值依据，而不是技术路线概念；在立项阶段就绑定锚定客户；对同一路线上的同质化项目保持警惕，提前规划被并购或成为IP、设计服务伙伴的退出路径。 终端厂商与车企：在内存高价周期中，用协处理器和舱驾一体方案降低整机成本；与本土芯片和存储企业建立长期合作，用真实产品负载帮助国产工具链成熟；车企应提前锁定车规存储的长期供应。 存储与封测企业：把定制DRAM和3D堆叠作为差异化业务，与设计公司共建参考设计和标准接口；在混合键合等关键设备上加快国产验证。 产业政策：减少对同一路线的重复补贴，引导资源向具备量产能力的平台集中；推动端侧NPU软件接口和存算一体评价标准的统一，降低生态碎片化；在DRAM和先进封装产能分配上为端侧和车规应用留出稳定份额。 研究跟踪：关注六个信号：全球手机与PC出货的季度变化；AI眼镜、AI耳机等新终端的实际出货；LPDDR5X合约价走势；瑞芯微RK182X和后摩M50的出货与定点；头部车企舱驾一体方案的量产节奏；端侧芯片初创公司的后续融资与并购事件。 说明：文中性能、出货与融资数据多为公司自述或媒体转引，未经独立核实；标注“（判断）”和“示意”的内容为本报告基于公开信息的推断与测算，仅供业内交流参考。