AI下半场:端侧智能如何重构AI的落地逻辑

AI下半场的命题从“模型能做什么”转向“在真实约束下稳定交付什么”。“交付”发生在哪里？

答案正在从云端数据中心，迁移到用户的口袋里、桌面上、鼻梁上，以及工厂车间的设备终端。

2026年10月，中国信通院发布《端侧智能产业发展报告》，将端侧智能定义为“以本地为主、端云协同的融合智能形态”，并明确指出技术竞争重点“由单一模型规模或峰值算力，转向模型、硬件、基础软件和运行环境的系统协同效率”。

AMD大中华区副总裁纪朝晖在乌镇世界互联网大会上的表述更为直白：“从让大模型变得越来越聪明，到全世界努力把AI用起来，已经进入AI的下半场。”

端侧，正是“用起来”发生的物理位置。

1.1 词元消耗的算术题

智能体替代聊天机器人，代价是词元消耗的指数级上升。Gartner数据显示，智能体应用相比聊天机器人，词元消耗增加5至30倍；IDC预测到2027年，全球2000强企业的AI词元消耗量将比当前增加1000倍。

如果所有推理都发生在云端，这笔账单的增长曲线将与AI的普及速度完全重合。

端侧提供了另一种算法。AMD援引的研究显示，将企业日常AI智能体应用（办公辅助、AI员工等）放在端侧设备上，可以让词元消耗降低80%以上。

这一数字背后的逻辑并不复杂：大量高频、低复杂度的任务——邮件草拟、会议纪要、日程协调、文档摘要——并不需要调用万亿参数云端模型，本地运行的300亿参数级模型足以胜任。

1.2 不止于成本

成本只是端侧逻辑的一半。企业用户对合规、安全、隐私、数据主权和即时性的需求，同样指向本地化部署。

惠普大中华区个人信息产品事业部总经理周信宏的观察印证了这一点：医疗、制造、金融、律所等行业的研发资料和敏感信息，天然适配“云边协同、端侧优先”的架构，本地工作站形成的是“相对独立、天然隔离的数据安全环境”。

更深层的变化在于产品定义。信通院报告指出，端侧智能正在催生区别于传统“硬件+功能”的智能原生产品——从设计阶段就围绕感知、模型、记忆、推理和执行能力组织软硬件资源，模型不再只是附加功能，而是参与交互入口、系统调度和任务闭环。这意味着端侧不是把云端模型“塞进”设备，而是重新定义设备本身。

2.1 量产的临界点

2026年9月，努比亚NaviX Ultra上市，定位“全球首款规模化量产的AI智能体手机”。

其核心突破不在于语音助手的升级，而在于实现了跨App的自动化操作：用户通过单一语音指令，手机可自主规划执行步骤，在多个应用间完成复杂任务。努比亚披露的端到端任务成功率已超过80%。

几乎同时，高通在骁龙峰会上联合阶跃、无量火与江波龙，在第六代骁龙8超级至尊版平台上完成了300亿参数MoE模型的端侧落地，演示场景包括邮件理解、行程规划、日历同步到邮件草拟的完整办公流程，全程无需调用云端。高通总裁安蒙对智能体体验的描述值得记住：个性化、主动、响应迅速、值得信赖，以及“让用户毫不费力”。

2.2 生态规则的重建

智能体手机带来的不只是技术问题。当AI可以跨应用执行操作，第三方App的权限边界在哪里、用户数据如何被读取和修改、越权行为的责任归属如何界定——这些不是芯片能回答的问题。

努比亚给出的方案是推出屏幕自动化操作声明协议（SAEP）：第三方应用可通过声明精确限制AI助手在其App内的读取、修改或删除权限；公示期内未明确表态同意接入的App，AI助手默认不予干预。这一机制将操作边界的定义权让渡给生态开发者，而非由手机厂商单方面划定。

在安全合规的前提下吸引高频应用敞开接口，将决定智能体手机能否真正替代触控交互。

2.3 一个需要正视的落差

出货量数据令人振奋：2026年一季度国内AI手机出货量占比突破53%，首次超过非AI手机。但用户调研揭示了另一面：超过70%的用户购买AI手机半年后关闭了大部分AI功能，近四成消费者“完全忘记手机还有AI功能”。

这一落差的根源在于，多数AI手机功能仍停留在“AI修图”“语音助手”等头感强、实用度低的层面。真正被持续使用的，是端侧本地化、低打扰的实用功能——影像优化、会议纪要。

而需要跨应用协同的智能体类功能，完成度普遍不足。手机作为端侧智能最大的出货品类，其AI价值兑现的速度，取决于智能体从“能演示”到“能交付”的距离有多短。

3.1 智能体主机的硬件门槛

如果手机是端侧智能的规模入口，PC则是端侧智能的生产力入口。两者的硬件约束截然不同。

AMD对“智能体主机”的算力需求做了一个有参考价值的推算：本地运行一个具备足够能力的模型，参数至少需要30B至35B量级；同时运行3个智能体，仅智能体部分就可能需要约30GB容量；叠加本地大模型和个人知识库，设备至少需要96GB统一内存。

这一标准远超当前主流PC的配置水平，也解释了为什么AMD将最高160GB显存、可本地运行3000亿参数模型的锐龙AI Max+ 495定位为“智能体主机处理器”——一台设备最多同时运行6个AI员工。

惠普的路径类似，但更侧重企业部署的实用性：全系商用AI PC支持3B至32B参数本地大模型离线运行，内置超100种AI应用，同时推出Z系列BoClaw商用智能体方案，解决企业部署智能体时“安装复杂、与本土办公生态集成不足”的痛点。

3.2 渗透率数字背后的真实进度

Gartner预测2026年全球AI PC出货占比将达54.7%，渗透率首次过半。但出货量不等于使用率。

联想披露的数据提供了一个更诚实的参照：天禧AI在联想AI PC和AI手机上的平均用户周活率分别为42%和61%。这意味着超过一半的AI PC用户，买回去之后并没有持续使用AI功能。

周信宏对此的判断是坦诚的：“对绝大多数消费者而言，人工智能尚不足以成为购买新电脑的动力，行业内铺天盖地的AI PC营销操作，与终端用户的实际需求之间存在巨大脱节。” 

他给出的解法是回归企业场景的具体问题：性能是否够好？能否处理本地大模型？数据是否安全？物理设计是否可靠？

端侧PC的价值不在消费端的换机冲动，而在企业端的数据主权与流程嵌入。这条路径更慢，但更扎实。

4.1 录音设备：大厂“装耳朵”的默契

过去三个月，腾讯、字节、阿里在AI硬件上的第一个交集出人意料地一致：录音设备。腾讯WorkBuddy开放平台首批9款联名硬件中语音采集类占半壁江山；字节的安克AI录音豆深度绑定飞书；阿里的钉钉录音卡已成品类销冠。

三家路径不同——腾讯“租耳朵”（开放平台接入第三方硬件），字节“造耳朵”（强绑定自有生态），阿里“长耳朵”（自研自牌）——但选择录音设备的逻辑一致：便宜、供应链成熟、离办公场景最近，且大语言模型从语音中提取意图的能力已经足够可用。

相比AI眼镜的重量、续航、功能“不可能三角”，录音设备是给Agent装耳朵最轻的一种方式。

4.2 眼镜：销量与退货率同步狂奔

AI眼镜是2026年最矛盾的产品品类。IDC预测全年全球出货量突破2368万台，中国市场突破491万台；一季度中国AI眼镜网络零售额同比增长161.9%，首次纳入国家购新补贴范围。

但XRVision监测显示，主流电商平台AI眼镜平均退货率高达30%，直播带货渠道甚至达到40%至50%。

更值得关注的数据来自雷鸟创新CEO李宏伟的公开承认：过去两年行业上线超过200项AI新功能，用户长期使用率不足6%，其余94%的用户仍停留在问天气、问股票、问新闻。

这意味着绝大多数AI眼镜的“智能”部分，在用户日常佩戴中几乎不被调用。

问题不在于技术不够好。端侧大模型、全彩MicroLED光波导、多芯片异构方案都在快速成熟，主流产品重量已压到40克以内，部分机型续航突破24小时。

问题在于，AI眼镜还没有找到一个非它不可的使用场景。

录音有会议纪要，手机有跨应用操作，PC有本地大模型跑企业数据——眼镜有什么？目前的答案仍然是“第一视角拍摄”和“信息提示”，但两者都不足以支撑一副需要每天佩戴的设备的全部价值。

5.1 SoC从配角走到台前

端侧AI对芯片的要求正在发生质变。过去端侧SoC主要承担视频编解码和简单识别，对先进制程的需求不高。物理AI改变了这一逻辑：机器人、智能汽车、智能体手机需要本地完成感知、推理、决策的全链条，算力需求快速攀升。

数据开始反映这一趋势。星宸科技2026年三季度归母净利润同比增长752.76%，瑞芯微同期增长90.5%，两家公司的业绩预告均提到机器人等产品线增长较快。

晶晨股份新一代边缘AI芯片采用台积电6纳米工艺，星宸科技面向具身智能的大算力芯片也在推进4/6纳米制程。

5.2 系统效率才是壁垒

但单颗芯片的算力提升只是故事的一半。信通院报告的核心判断是：端侧智能的技术竞争“由单点性能提升转向系统运行效率优化”——模型轻量化（量化、蒸馏、稀疏化）、异构计算调度、基础软件（编译器、运行时）、端云协同，共同决定有限资源下能跑出多少有效智能。

这意味着，端侧智能的竞争壁垒不在某一颗NPU的TOPS数字，而在模型、芯片、软件、运行环境的协同效率。

这也是为什么高通在发布第六代骁龙8的同时，必须联合模型厂商和存储厂商一起完成300亿MoE的端侧落地；为什么AMD要把96GB统一内存作为智能体主机的门槛条件。单点突破的故事在端侧很难成立。

6.1 价值分布

短期（1—2年）：端侧推理芯片与内存/存储配套。智能体对统一内存容量的需求是结构性的，从手机到PC到机器人，96GB级内存配置将从高端向主流渗透。SoC厂商中，具备先进制程推进能力和机器人/汽车场景卡位的公司，业绩弹性更明确。

中期（2—3年）：智能体手机与AI PC的“可用性拐点”。当前的核心矛盾不是出货量，而是激活率。

能够把跨应用任务成功率做到可交付水平（如努比亚的80%端到端成功率）、同时建立生态权限规则（如SAEP）的厂商，有机会将AI功能从“关闭列表”中拉回来。PC端关注企业部署场景的智能体方案，而非消费端营销驱动的换机。

长期（3年以上）：端云协同的基础设施与可信治理。信通院报告将端侧智能定位为“全栈式能力体系”，涵盖模型、芯片、传感器、存储、基础软件、智能体框架、安全机制和运营生态。

能够在端侧安全合规（数据不出设备、操作可追溯、权限可声明）上形成工程化能力的服务商，将获得企业市场的结构性优势。

6.2 需要警惕的风险

“买而不用”的惯性。AI手机70%功能关闭率、AI眼镜94%用户停留在基础功能、AI PC周活率不足半数——端侧智能最大的风险不是技术不成熟，而是用户不买单。

如果2027年智能体手机的端到端成功率没有从80%向95%逼近，AI功能的激活率不会自然改善。

生态权限的博弈僵局。智能体手机的核心价值依赖跨应用操作，但第三方App开放接口的动力天然不足。

SAEP协议的30天公示期机制能否形成正向循环——开放接口的App获得用户黏性，不开放的被用户抛弃——将决定智能体手机的体验天花板。

AI眼镜的定位迷失。退货率30%至70%、长期使用率不足6%的数据，指向的不是产品迭代速度的问题，而是品类价值主张的问题。在找到“非眼镜不可”的场景之前，出货量的增长只会制造更多闲置设备。

端侧算力的成本约束。96GB统一内存、4纳米制程、300亿参数模型本地运行——这些要求指向的BOM成本，在当前阶段只有高端设备能够承受。

如果端侧智能的硬件溢价无法通过词元节省和效率提升在合理周期内收回，企业部署的意愿将受到抑制。

端侧智能的叙事容易滑向两个极端：要么是“云端已死”的过度承诺，要么是“不过是把模型塞进设备”的轻描淡写。

信通院的定义提供了一个更准确的锚点：以本地智能为能力基础、以端云协同为运行模式。

端侧不是替代云端，而是把那些高频、敏感、低延迟、低成本的任务从云端卸载下来，让云端算力去做它真正擅长的事。

AI下半场的落地，不会只发生在一个地方。它发生在手机端一次跨应用任务成功执行的瞬间，发生在PC端一份敏感文件无需上传即可被AI处理的选择里，也发生在企业因为词元账单降低80%而决定扩大AI部署的决策中。

端侧是这些瞬间发生的物理位置，也是AI从“被谈论”到“被使用”的必经之地。

主要信息来源：中国信通院《端侧智能产业发展报告（2026年）》；2026骁龙峰会；2026世界互联网大会领先科技奖；证券时报/21世纪经济报道AI硬件与Token经营系列；上海证券报AI手机产业链；IDC/Canalys/Gartner终端市场数据（转引自行业报告）；努比亚NaviX Ultra发布会；惠普商用AI PC发布与专访；36氪AI眼镜行业分析；国联民生证券电子行业点评；经济观察报端侧SoC报道；AMD智能体主机专访；经济日报AI眼镜产业报道。