在近期举办的世界人工智能大会上，端侧人工智能的规模化落地成为焦点议题。从智能眼镜到手机，从机器人到汽车，各类硬件终端纷纷搭载AI技术，标志着人工智能正从云端走向用户身边。这场变革背后，是产业对"AI服务每个人"的深度思考——只有让模型在离用户最近的设备上运行，才能真正实现技术普惠。
大会现场，多家企业展示了端侧AI的最新成果。努比亚、阶跃星辰等品牌推出的AI手机，夸克、BleeqUp等企业研发的智能眼镜，以及各类机器人产品密集亮相。这些设备不再依赖云端单一算力，而是通过端云协同实现智能交互。以BleeqUp AI眼镜为例，其采用开源模型开发手机端侧小模型，云端则根据场景调用不同通用大模型，形成"小模型快速响应+大模型深度推理"的互补模式。
北京智源人工智能研究院联合实验室发布的报告指出，大模型正经历结构性跃迁：从云端单点智能向端云分布式智能系统演进。这种转变在机器人领域尤为明显。面壁智能首次将端侧模型应用于具身智能，其联合创始人刘知远认为，多模态技术积累是具身智能的关键，这代表着通用人工智能的重要路径。具身智能机器人需要实时采集并处理有效数据，这对芯片的能效比提出严苛要求。
芯片厂商的角色在此次变革中愈发重要。爱芯元智推出的"元曦"系列AI推理产品，针对具身智能和边缘大模型私有化推理两大痛点，提供1500TOPS算力的控制器。该公司边缘与终端计算业务总经理刘瑞聚指出，当前机器人多依赖预设程序，缺乏自主智能大脑。端侧芯片需在功耗、续航和成本间取得平衡，而非追求云端级别的极致算力。这种设计理念与云端"暴力堆算力"形成鲜明对比——端侧更关注"每瓦Token数"，即在有限功耗下产出有效智能的能力。
模型与芯片的融合面临技术挑战。面壁智能副总裁周树峰透露，算法与芯片的适配需要深度协作：芯片厂商需调整算子，模型厂商要进行校准，以维持原模型精度。该公司总裁雷升涛将合作分为三个阶段：从基础运行到架构共享优化，最终实现模型与芯片的协同设计。这种软硬件深度耦合的模式，正在推动端侧AI从"能运行"向"运行好"进化。
在应用层面，行业开始从"部署能力"转向"解决问题"。面壁智能提出"先通后专"的发展路径，其多模态首席科学家姚远比喻道：若以爬树方式登月，永远无法抵达目标。当前部分具身智能演示仍沿袭专用智能路线，通过大量数据微调完成特定任务，这与早期人脸识别模型无本质区别。真正的通用智能应像接受通识教育的大学生，先建立对世界的认知，再针对具体场景专业化发展。
端云协同被普遍视为最优解。阶跃星辰首席技术官朱亦博指出，纯端侧模型参数量有限，智能水平不足；全云端方案则存在数据隐私风险。端侧负责实时交互与隐私保护，云端提供动态信息与强推理能力，两者分工协作才能构建完整系统。高通全球副总裁徐皓预测，随着模型密度提升和硬件算力增强，更多大模型将迁移至端侧，形成数十亿级别的终端智能网络。
这场变革中，功耗、算力、数据和场景的平衡成为关键。企业需在物理约束下设计技术方案，而非先开发再解决适配问题。从专用智能到通用智能，从云端独占到端云协同，从技术展示到产业落地，2026年正成为端侧AI发展的转折点。谁能在这场长跑中找到系统级最优解，谁就能在未来的智能终端市场中占据先机。
