Full text · 原文
2,305 字
7月17日至20日的2026 WAIC期间，人工智能技术脱离理论框架，真实落地到眼镜、手机、汽车、机器人等硬件终端。<br>
端侧AI成为本届大会明确的产业共识，其背后透露出清晰信号：大模型正从云端智力竞赛走向终端能力落地，AI能否真正服务每一个人，取决于它能否在离用户最近的设备上“活”起来。<br>
该趋势下，模型厂商与芯片厂商正在从各自为战走向深度协同。端侧AI不是云端的缩水版，它有自己的物理边界——功耗、散热、算力、内存、隐私。如何在有限资源下释放最大智能，考验的是软硬件一体化设计的系统能力。<br>
端侧智能迎来“规模化落地元年”<br>
WAIC期间，努比亚豆包AI手机、阶跃星辰智能体手机、夸克AI眼镜、BleeqUp AI眼镜、各家机器人等多类端侧硬件密集展示。<br>
两年前行业对大模型的想象几乎都在云端：参数越大越好，集群越强越好。但2026年的展馆里，大模型正在从聊天框里走出来，走向端侧，逐渐实现端云协同。<br>
以致敬未来旗下BleeqUp AI眼镜为例，创始人吴德周对记者表示，端侧主要基于开源模型自研开发的手机端侧小模型；云端大模型会根据不同场景需求，选择对应能力最强的通用大模型。<br>
北京智源人工智能研究院联合端侧智能北京重点实验室在WAIC 2026上发布报告指出，大模型正在经历第二次结构跃迁：从以云端为唯一算力中枢的单点智能，走向端云分工、彼此协同的分布式智能系统。<br>
机器人是此次WAIC最热门的硬件载体，面壁智能首次将端侧模型延伸至具身领域。面壁智能联合创始人、首席科学家刘知远认为，具身从技术上来讲是多模态的直接下游，高效多模态的技术积累在具身方面会有很多帮助，而这正是迈向通用人工智能的必然路径。<br>
大模型要真正跑在终端上，光有模型不够，还需要芯片的支撑。<br>
定位端/边缘AI感知计算SoC的厂商爱芯元智，此次大会围绕具身智能、边缘大模型私有化推理两大行业痛点，发布“元曦”系列大算力AI推理产品，推出拥有1500TOPS算力的具身大脑控制器，配备超旗舰带宽。<br>
采访中，爱芯元智边缘与终端计算业务总经理刘瑞聚表示，当前机器人节目多依赖预设程序，并未具备真正的自主智能大脑，这也是下游机器人厂商的共性痛点。具身智能机器人需要采集有效数据并高效处理，无效数据无法产生高精度推理。同时，这类芯片不追求云端极致算力，过高功耗会导致续航缩短、发热严重，限制落地场景。高能效路线能够更好地适配功耗、续航和成本要求。<br>
爱芯元智联合创始人、副总裁刘建伟称，端侧芯片的竞争核心在于“每瓦Token数”——在同样的功耗下能产出多少有效智能，客户最终关心的是每瓦IPS或每瓦token数。这与云端“暴力堆算力”的逻辑截然不同：端侧必须在功耗、成本、散热等物理约束下倒推技术方案，而非先做出来再解决散热问题。<br>
目前行业模型与算力厂商正在合作，但算法与芯片的融合难度非常大，<br>
面壁智能副总裁周树峰认为该过程需要芯片厂商和模型厂商紧密合作，甚至芯片厂商需要调整芯片上的算子，模型厂商适配完成后也要做模型的校准，从而在芯片上保持尽量接近于原模型的精度。<br>
面壁智能联合创始人、总裁雷升涛将合作过程总结为三个阶段：第一阶段是获得芯片厂商的支持把模型跑好；其次是双方在模型发布前就共享架构一起优化；第三阶段是协同设计模型和芯片，双方明确所需特性，协同设计。通过软硬件深度耦合，推动端侧AI从“能跑”走向“跑得好”。<br>
端侧AI的“先通后专”<br>
纵观本届WAIC软硬件产品展示，端侧AI的竞争已经从“能否部署”升级为“能否真正解决问题”。<br>
面壁智能强调“先通后专”。面壁智能多模态智能首席科学家姚远打了个比喻：你的目标是登月，但如果现在以爬树的形式来尝试着离月亮更近的话，是永远不可能到月亮上去的。他认为，当前很多具身智能的演示——叠衣服、打乒乓球——本质上还是2018年之前的专用智能路线：为了一个特定任务采集上千条数据做微调，模型除了这个任务什么都不会。这跟当年做人脸识别“收集一大堆人脸数据训一个人脸识别模型”的逻辑没有本质区别。<br>
从长远来看，行业更希望看到的是一个模型做多个任务、多个场景，具有泛化性。姚远认为，真正的端侧智能应该像培养大学生一样——先通识教育获得关于世界的常识，再针对具体场景做专业分工。“只有培养出一个大学生来，然后你再花一点时间让它变成一个家用机器人、一个服务机器人、一个车间分拣机器人，这才是具身智能广阔的未来。”<br>
硬件作为载体的背景下，行业普遍认为算力、生态以及安全，仍需要端云协同共同运行，才能给到用户良好的体验。<br>
阶跃星辰联合创始人、首席技术官朱亦博表示，想要给用户完整优质的AI终端体验，单纯依靠端侧小模型或是纯云端方案都存在明显短板：端侧模型参数量远小于云端，智能能力差距显著；全云端模式则难以保障用户数据隐私。因此最优解是端云协同，兼顾终端实时交互、本地数据安全与云端强推理能力。<br>
面壁智能联合创始人、CEO李大海将端云关系概括为“端侧主内，云端主外”——端侧掌握用户上下文，保护隐私，负责实时响应与主动感知；云端提供外部世界的动态信息，协同完成任务。两者分工而非替代，共同构成下一代智能终端的系统底座。高通公司全球副总裁徐皓在端侧AI论坛上也表达了类似判断：端侧的终端是几十亿的级别，随着模型密度越来越高、硬件算力不断提高，越来越多的大模型将迁移到端侧。<br>
本届WAIC所展示的端侧AI图景表明：2026年不只是“模型跑上终端”的起点，更是从专用智能走向通用智能、从云端独占走向端云协同、从技术炫技走向产业落地的转折之年。谁能在功耗、算力、数据、场景之间找到最优的系统平衡，谁就能在端侧AI这场长跑中占据先机。