在剛剛落幕的2025數智融合領袖峰會上，由中國AIoT產業研究引領者“智次方研究院”聯合“廣東智用人工智慧應用研究院”攜手傾力打造的《中國端側 AI 全景圖譜報告》正式釋出。
《中國端側 AI 全景圖譜報告》是國內首個系統梳理端側AI產業生態的全景式研究成果。在人工智慧從雲端向終端遷移的行業變革期，這份報告填補了產業研究的空白，為行業發展提供了戰略路線圖。
“智次方研究院”與“廣東智用人工智慧應用研究院”經過大量調研與前期走訪，收集了大量產業鏈細分領域資訊，最終報告以“芯模端智一體化”主題串聯起中國端側AI產業鏈全景，深度剖析端側AI發展現狀，詳細解讀當前端側AI整個產業鏈以及細分垂直賽道發展情況，並對端側AI上下游主要供應商進行全面評估，旨在為推動端側AI行業發展以及增強企業競爭力提供有益參考借鑑和指導。
掃描二維碼下載報告全文和清晰版圖譜
全景圖譜梳理，深入產業鏈垂直賽道
全景圖譜分為芯（晶片）、模（模型）、端（終端）、智（應用）四大板塊，並在此四大模組基礎上，又細分為端側SoC、儲存、感測、模組、語言模型、視覺模型、語音模型、其他模型、汽車終端、AI PC、AI 手機、AI眼鏡、機器人、其他智慧終端、智慧汽車應用、智慧城市應用、智慧工業應用19個細分產業領域，全面展示端側AI主要產業鏈結構、各產業鏈佈局情況以及關鍵市場核心技術的演進趨勢。
《中國端側AI全景圖譜報告》結構設計體現出多維度深度思考的創新性：
縱向產業鏈解析：覆蓋“晶片-模型-終端-應用”全鏈條，對中國端側AI產業的無死角掃描；橫向場景化整合：透過“芯模端智一體化”主題，從底層到應用揭示各環節協同創新的連線邏輯；全面評估體系：對上下游主要供應商進行能力評估與佈局分析，為產業投資與生態合作提供精準導航。
該報告不僅是一份產業地圖，更是一套推動產融結合、技術協同和生態共建的基礎設施，成為端側AI領域的戰略羅盤。
精彩內容速覽
端側SoC發展趨勢與挑戰
算力需求提升：隨著生成式AI、多模態互動等技術的發展，端側裝置對SoC晶片的算力要求不斷提高。AI手機、AI PC、智慧座艙等領域，需要更強大的SoC晶片來支援複雜的AI模型執行和即時資料處理，以提供更流暢、更智慧的使用者體驗。
整合化與融合化：SoC晶片將整合更多的功能模組，如CPU、GPU、NPU、DSP、ISP等，實現更強大的異構計算能力，同時降低功耗和成本。此外，端側SoC晶片還將與感測器、儲存器等其他元件進一步融合，形成更緊湊、高效的系統級解決方案，滿足裝置小型化和高效能的需求。
低功耗設計：為了滿足移動裝置和物聯網裝置對長續航的要求，端側SoC晶片將更加註重低功耗設計。透過採用先進的製程工藝、最佳化電路設計、動態電壓頻率調節等技術，降低晶片在執行和待機狀態下的功耗，延長裝置的電池使用時間。
安全性增強：隨著裝置智慧化程度的提高和資料價值的增加，安全問題將變得越來越重要。端側SoC晶片需要具備更強的安全效能，如硬體加密引擎、安全啟動、可信執行環境等，以保護裝置和使用者的資料安全、隱私以及系統的完整性，防止被惡意攻擊和篡改。
效能與功耗平衡：在有限的芯片面積和功耗預算下，如何實現更高的算力和效能，同時滿足裝置的續航要求，是端側SoC晶片設計面臨的一大挑戰。隨著AI模型的複雜度不斷增加，如何在保證推理精度和速度的前提下，降低模型的功耗和儲存需求。
產業前沿洞察，解析行業發展風向
“智次方研究院”與“廣東智用人工智慧應用研究院”結合行業發展現狀，提煉出5大核心洞察：
洞察1：2025端側將是人工智慧的新戰場
洞察2：從模型創新到軟硬結合,端側AI”算力x通訊x儲存”協同最佳化決定商業價值
洞察3：硬體即入口，入口即生態：端側AI硬體正成為新的對決前線
洞察4：端側AI產業已處在爆發前夕，AI模組正在破局DeepSeek在實體產業落地“最後一公里”
洞察5：AI功能以落地商業為首要目標進行迭代，力求從創新功能到市場的快速轉化
產業年度洞察部分作為對端側 AI 產業發展的動態追蹤與深度解構，其價值與意義體現在對產業脈絡的精準捕捉、戰略路徑的科學指引以及發展現狀的前瞻預判上，透過技術、產業、政策的多維透視揭示端側 AI 作為新質生產力的核心價值。
精彩內容速覽
洞察2：從模型創新到軟硬結合,端側AI“算力x通訊x儲存”協同最佳化決定商業價值
DeepSeek引發的新一波生成式AI浪潮，本質上是端側AI的紅利。正是DeepSeek的出現，迫使我們重新評估AI投資回報率ROI，並認識到端側AI將成為提升ROI的新路徑。
過去，生成式AI大模型一直面臨著成本與價值之間的ROI困境。儘管DeepSeek等大模型的能力不斷提升，但它們的訓練和推理成本極高，限制了商業化落地的ROI。目前，AI的投資邏輯仍然圍繞算力規模和模型能力，但這種模式的可持續性正受到挑戰。
AI落地的核心問題在於如何降低計算成本。
傳統雲端AI計算的高昂投入，讓許多企業，尤其是中小企業難以承受。如果AI模型不能在更低成本、更低功耗的環境下執行，那麼它的商業應用將受限，投資回報率也難以提升。
而DeepSeek等大模型的出現，為解決這一問題提供了新的思路。從企業參與度來看，過去只有大型企業能負擔端側AI研發，而如今，藉助DeepSeek低成本推理技術，中小企業也能在AI玩具、AI眼鏡等產品中融入強大的AI功能，推動端側硬體智慧化的普及。
透過端側AI應用，DeepSeek等大模型正在以更低的計算成本，在本地部署輕量化版本，提高推理效率。結合AIoT專用晶片，可以最佳化推理過程，減少雲端算力消耗，提高整體ROI。這種模式特別適用於智慧製造、智慧硬體、自動駕駛等應用場景，有望推動AI的大規模商業落地。
過去，AI投資主要圍繞提升模型能力展開，追求更大的引數規模、更復雜的神經網路架構。然而，計算成本與商業收益的平衡正在成為新時期AI投資的核心考量因素。
未來，AI投資的關鍵，將會從“更強的AI”，到“更高效的AI”；從“單純軟體創新”，到“軟硬結合”。AIoT晶片、邊緣裝置、最佳化演算法的發展，將重新定義大模型的商業價值。
因此AI的商業價值將不再由單純的模型能力決定，而是由計算成本與商業收益的平衡來定義。只有那些能夠在算力、功耗、儲存、通訊等多個維度平衡商業價值的AI架構，才能真正實現可持續增長。端側AI的崛起，將推動整個產業走向更加務實、可持續的發展之路。
洞察4：AI功能以落地商業為首要目標進行迭代，力求從創新功能到市場的快速轉化
不論是C端的消費者客戶還是B端的行業客戶，在今年對於AI的期待都達到了前所未有的高度。如何藉助AI技術講好智慧時代的新故事成為供應商們的核心命題，特別是在終端側AI上。
提升對AI的應用和整合能力，在今年這樣的政策驅動和市場需求下，成為廠商面臨的關鍵問題。在這一趨勢下，很多AI功能不再只是淺嘗輒止地嵌入，而是開始深度整合到終端裝置的核心中。
從目前推出的應用來看，很多端側AI產品在AI功能的佈局上主要都聚攏在效率提升類應用上，這是目前市場上比較明確的具體需求。
另一個方向則是提供情緒價值類的端側裝置，在模型技術與配套軟硬體的加持下，這些端側裝置從簡單的互動裝置進化到集教育、陪伴和娛樂功能於一身，除了能給予消費者情緒價值反饋，在實用性上也有了質的飛躍，一經推出就有了較高的市場接受度。
不過由於目前整個行業尚未找到“殺手級潛力的應用”，廠商在這類功能上的軍備競賽難免有些同質化，不同裝置在這些功能上的核心體驗差異微弱。雖然行業現階段難免有功能趨同的現象，但這是技術演進的必然，後續隨著各廠商不斷將端側AI與裝置融合得更自然，差異化創新將逐漸顯現。
從細分應用出發，立足於解決場景差異化訴求，在細分場景細分賽道中充分挖掘端側方案的應用價值，端側AI才能最終普及。
端側未來展望，模型與硬體成就具身智慧體時代
基於每個細分板塊的發展趨勢解讀與整個產業鏈的全面洞察，在報告中，“智次方研究院”與“廣東智用人工智慧應用研究院”總結了對於端側AI發展研判的4大展望：
展望1：端側AI硬體的未來，不是更強的功能，而是“具身智慧體”
展望2：大模型的下半場是垂類模型的主場，揭示垂類模型從工具到平臺的躍遷的4階段進化路徑
展望3：國產端側模型帶動智慧硬體爆發，助力端側AI生態重構與產業鏈協同
展望4：端側AI商業價值新的評估維度和指標正在形成
總結與展望部分作為對端側 AI 產業發展的前瞻預測，是一份面向未來的戰略指南。透過對2025年端側AI產業的階段性凝練，報告為產業各方提供了兼具思想深度與實操價值的行動框架。
精彩內容速覽
總結與展望1：端側AI硬體的未來，不是更強的功能，而是“具身智慧體”
AI的未來，不是更強的問答，而是更自然的陪伴。為了實現這樣的“陪伴式智慧”，技術能力只是基礎，真正的突破在於人機關係的重新設計。
這種轉變在設計語言上尤為關鍵：•從“科技感”轉向“生活感”與“溫度感”；•從“功能性”轉向“存在感”與“情感親和力”；•從“使用者操作”轉向“裝置主動理解與協作”。
我們可以將這種新型裝置稱為一種“具身智慧體”（Embodied Intelligence Agent）——它具備以下三大核心特徵：
1.情感介面：透過語音、語調、節奏、語言內容與語義理解，構建“有溫度”的交流；2.感知能力：裝置能理解使用者所處的環境、情緒、需求與歷史行為；3.行為自主：不僅被動響應，更能主動協助、提醒、規劃，成為“智慧體”而非“工具箱”。
這標誌著AI硬體從“被動工具”進化為“主動夥伴”，從“智慧終端”演化為“日常智慧體”。在這一程序中，硬體不再是模型的載體，而是人格化的延伸。AI不再只回應你的問題，而是與你共處、共感、共生。
當AI模型擁有了“身體”，AI將不再只是“技術”，而是你日常生活中的“存在”。
總結與展望4：端側AI商業價值新的評估維度和指標正在形成
對於端側AI，傳統的AI商業價值評估模型已不再適用，新的評估維度和指標正在形成。
以下是一個端側AI的商業價值重估矩陣，對比了傳統模型和新一代端側AI在不同維度上的差異：
端側AI商業價值重估矩陣，圖源：物聯網智庫
•核心指標：從“絕對效能”到“效能密度”
傳統AI模型追求絕對效能，如準確率，但端側AI更關注效能密度，即在有限功耗下實現更高的效能。每瓦準確率成為衡量端側AI商業價值的新指標。
•價值錨點：從“規模崇拜”到“效率革命”
過去，AI模型的價值錨定在引數量上，認為更大的模型必然帶來更強的效能。但端側AI時代，推理能效比成為新的價值錨點，即在有限算力下實現更高效的推理。
•競爭壁壘：從“資料壟斷”到“架構創新”
傳統AI競爭的壁壘在於資料規模，掌握更多資料的企業往往佔據優勢。但在端側AI領域，架構創新成為新的競爭壁壘，更高效、更智慧的計算架構將決定企業的市場地位。
•商業模式：從“軟體服務”到“硬軟融合”
傳統AI商業模式以雲端API呼叫為主，使用者按使用量付費。但端側AI時代，硬體和服務的融合成為新的商業模式。企業透過銷售智慧硬體，並提供訂閱服務，實現持續的收入。
端側AI的ROI最佳化路徑包括：利用低成本邊緣計算晶片，減少對昂貴資料中心資源的依賴；最佳化推理效率，提高能效比，降低AI計算在終端裝置上的成本；結合智慧儲存、通訊技術，提升資料利用率，減少冗餘計算。
過去，AI投資主要圍繞提升模型能力展開，追求更大的引數規模、更復雜的神經網路架構。然而，計算成本與商業收益的平衡正在成為新時期AI投資的核心考量因素。
未來，AI投資的關鍵，將會從“更強的AI”，到“更高效的AI”；從“單純軟體創新”，到“軟硬結合”。AIoT晶片、邊緣裝置、最佳化演算法的發展，將重新定義大模型的商業價值。
因此AI的商業價值將不再由單純的模型能力決定，而是由計算成本與商業收益的平衡來定義。只有那些能夠在算力、功耗、儲存、通訊等多個維度平衡商業價值的AI架構，才能真正實現可持續增長。端側AI的崛起，將推動整個產業走向更加務實、可持續的發展之路。
結語
《中國端側 AI 全景圖譜報告》為各界提供了面向未來的清晰戰略指南，透過對技術、產業、政策和社會價值等多維度的深度剖析，為政府、企業、科研機構以及社會大眾提供了全面且極具價值的戰略指引，助力各方在端側 AI 這一新興且充滿潛力的領域中把握機遇、應對挑戰，共同推動產業邁向新的發展高度。