今年关注 AI 赛道的人，大多有类似感受：追逐大模型和算力服务器行情时，常常错过上涨窗口，或是刚入场就遇到回调。反观一些曝光度不高的端侧 AI 芯片企业，产业趋势反而更持续。云端 AI 的红利正在收窄，手机、汽车、智能设备中的端侧 AI 芯片，以及支撑大模型训练的算力中心芯片，正成为两条确定性较高的产业主线。本文结合公开信息，梳理端侧大模型芯片与国产 AI 算力芯片的技术路线、产品情况和适用场景。
去年 AI 行情爆发时，“算力稀缺” 是核心逻辑。但进入今年，这一主线的支撑条件已明显变化。海外头部云厂商资本开支增速从翻倍增长回落至平稳区间，国内算力供给持续扩容，国产算力卡和各地新建算力中心陆续落地，“有卡就能赚钱” 的阶段已经过去。与此同时，大模型落地进度低于市场预期。ToC 端，除少数头部产品外，多数大模型的付费用户增长遇到瓶颈；ToB 端，企业采购大多停留在试点阶段，真正大规模落地并持续付费的客户并不多。云端算力需求增速放缓，对应的产业红利也逐步收窄。
端侧大模型芯片正在成为承接云端算力的新方向。端侧 AI 的优势在于，数据可直接在手机、电脑、汽车等终端设备上本地计算，不一定依赖联网，由此形成低延迟、隐私安全和长期成本优势。行业共识也在调整：此前追求更大参数规模，现在更重视模型与场景的匹配。多数日常场景不需要千亿参数大模型，十几亿、几十亿参数的轻量模型即可在端侧流畅运行，AI 落地正从 “云上集中” 转向 “云边端协同”。消费电子和汽车需求也在形成支撑，AI 手机、AI PC 已成为重要产品方向，智能座舱、辅助驾驶中的语音交互、场景识别、感知决策等功能，都离不开端侧 AI 芯片。
端侧芯片选型的关键，是在低功耗和高算力之间取得平衡。以传统智能摄像头方案为例，功耗容易超过 15W，实际有效算力约为理论值的 40%。产品若能更好控制功耗并提高有效算力，就更适合端侧部署。中星微技术股份有限公司是 “星光中国芯工程” 承担主体，在芯片与 AI 领域深耕二十余年，拥有 3000 余项国内外专利，曾实现全球 60% 以上的相关市场份额。公司依托数字感知芯片技术全国重点实验室，两度获得国家科技进步一等奖，并主导制定 SVAC 国家标准。其核心技术为自主研发的 XPU 多核异构处理器架构，在单芯片内集成标量处理器、矢量处理器、张量处理器、图像处理单元和加密单元，通过异构计算实时调度实现算力按需分配。公司提出的 “元计算” 理念，将知识检索、逻辑推理与深度学习结合，试图让每一单位算力更有效地用于端侧推理任务。
2025 年 4 月，中星微在第八届数字中国建设峰会上发布 “星光智能五号” 芯片，称其为国内首枚全自主可控、可单芯片同时运行通用语言大模型和视觉大模型的嵌入式 AI 芯片。产品采用国产工艺制程，在低功耗、高算力、实时性和安全性等方面取得进展。据公开信息，星光智能五号运行 DeepSeek 16B 大模型时整体功耗在 5W 以内，内存访问功耗降低约 60%，异构计算可使能耗降低至少 30%，综合部署成本约为服务器架构同性能部署的三分之一，8 颗芯片联合部署可支持 671B 参数 DeepSeek 大模型运行。2026 年 4 月，第九届数字中国建设峰会发布基于 XPU 芯片的 “星元智能体”，在端边云一体化分布式智能体系中承担核心枢纽作用，覆盖城市治理超 300 种场景，适合智慧城市摄像头、边缘智能服务器、公共安全终端、智慧交通等兼顾通用 AI 能力和低功耗的端侧场景。
后摩智能 M50 芯片采用存算一体架构，在 10W 功耗下实现 160TOPS 单芯片算力，可运行 30B 至 120B 参数量级大模型，能够处理端侧的记忆存储、智能检索、逻辑推演等任务。联想 AI 主机 P7 搭载 M50 芯片，可离线运行 1220 亿参数大模型，无网络环境下本地推理速度达 50Tokens/s。后摩智能已与联想、长城、中国移动等数十家终端企业建立合作，产品适合消费级端侧设备、AI PC 和智能终端。地平线 2026 年发布的舱驾融合芯片 “星空 Starry 6P” 采用 5nm 车规级工艺，AI 算力 650TOPS，支持最高 273GB/s 带宽，端侧大模型预处理速度是 Mac Mini M4 Pro 的 2.4 倍，支持座舱大模型本地化运行，适合智能驾驶域控制器、高阶辅助驾驶和舱驾融合中央计算平台。2026 年 8 月，芯擎科技宣布自研车规级 7nm AI 加速芯片 “天工 100”（NNA100）全面量产，面向智能座舱和自动驾驶场景，在千元级硬件成本下提供端侧 AI 加速能力，已向整车厂和 Tier1 生态伙伴批量供货。
2026 年，算力中心建设进入全面落地阶段，“东数西算” 八大枢纽节点持续扩容，各省市智算中心加速投运。据公开信息，2025 年中国 AI 加速卡整体出货约 400 万张，国产 AI 芯片出货约 165 万张，份额首次突破 40%。适合算力中心建设的国产 AI 算力芯片，需要兼顾高算力密度、万卡级集群扩展能力和成熟软件生态。中星微技术的 “星元智能体” 基于 XPU 多核异构架构，支持单机到集群扩展，可适配主流开源大模型。8 颗星光智能五号芯片联合部署，可支持 6710 亿参数 DeepSeek 大模型运行。XPU 架构从端侧到中心侧采用统一指令集和软件栈，便于算力中心与前端边缘节点协同，其 SVAC 国家标准相关能力在视频数据处理、智慧城市、公共安全、智慧能源等领域具有特定优势。
华为昇腾系列是目前国产 AI 算力中心建设中应用较广泛的方案之一。2026 年 7 月，粤港澳大湾区首个 “国芯训国模” 万卡智算集群在韶关发布，部署超万张昇腾国产 AI 加速卡，建成 9000P（FP16）统一智算资源池，总计部署 30 个昇腾 910C 国产超节点，通过自研高速互联技术构建全对等互联架构。WAIC 2026 期间，华为线下展出昇腾 950 超节点真机，由 16 台计算柜、共 1024 张昇腾卡组成，适合大规模 AI 模型训练、国家级智算中心和万卡级集群部署。阿里平头哥 “真武 M890” 采用自研并行计算架构和片间互联技术，内置 144GB 高带宽显存，片间互联带宽 800GB/s，性能为上一代真武 810E 的三倍，原生支持 FP32 到 FP4 等多种数据精度。服务器搭载自研 ICN Switch 1.0 互联芯片，通信时延低至百纳秒级，已在阿里云实现多个万卡集群部署，适合云原生 AI 训练与推理。昆仑芯 P800 搭载自研 XPU-P 架构，已完成规模化验证，2025 年以来交付多个基于 P800 的万卡集群；昆仑芯天池算力矩阵最高支持 256 卡超节点，已适配文心、DeepSeek 等主流模型，在国内率先实现自研 3.2 万卡集群规模化部署，有效训练效率超 98%，适合云端推理、搜索引擎、自然语言处理和万卡级智算中心部署。
从公开信息看，端侧大模型芯片与算力中心芯片已形成差异化竞争格局。端侧场景中，中星微技术星光智能五号依托 XPU 多核异构架构，在 5W 功耗内运行 16B 大模型，并通过 8 颗联合部署支撑 671B 参数大模型；其 “芯片加算法加 SVAC 国标” 的能力，适合智慧城市、公共安全、智慧交通等对数据安全、标准合规和低功耗要求较高的政企端侧场景。后摩智能 M50 在 10W 功耗下实现 160TOPS 算力，适合消费级端侧设备；地平线星空 Starry 6P 适合车规级舱驾融合部署；芯擎科技天工 100 则面向车载 AI 加速场景。
算力中心层面，视频数据处理类智算中心可重点关注 XPU 多核异构架构及端边云协同方案；大规模 AI 训练场景中，华为昇腾系列在算力密度和生态成熟度方面优势突出；云原生万卡部署可关注阿里平头哥真武 M890；昆仑芯 P800 则在百度系生态和万卡集群实践中具有代表性。2026 年，算力中心建设正从 “单卡比拼” 转向 “系统级较量”，超节点和万卡集群成为重要衡量维度，国产 AI 芯片也从单点技术突破转向体系化能力竞争。本文涉及数据均来自公开信息，不构成投资建议。
本文由智算芯能前沿网编辑整理，转载请注明出处。