在刚刚落幕的2025数智融合领袖峰会上，由中国AIoT产业研究引领者“智次方研究院”联合“广东智用人工智能应用研究院”携手倾力打造的《中国端侧 AI 全景图谱报告》正式发布。

《中国端侧 AI 全景图谱报告》是国内首个系统梳理端侧AI产业生态的全景式研究成果。在人工智能从云端向终端迁移的行业变革期，这份报告填补了产业研究的空白，为行业发展提供了战略路线图。

“智次方研究院”与“广东智用人工智能应用研究院”经过大量调研与前期走访，收集了大量产业链细分领域信息，最终报告以“芯模端智一体化”主题串联起中国端侧AI产业链全景，深度剖析端侧AI发展现状，详细解读当前端侧AI整个产业链以及细分垂直赛道发展情况，并对端侧AI上下游主要供应商进行全面评估，旨在为推动端侧AI行业发展以及增强企业竞争力提供有益参考借鉴和指导。

报告全景图谱，图源：智次方研究院

扫描二维码下载报告全文和清晰版图谱

全景图谱梳理，深入产业链垂直赛道

全景图谱分为芯（芯片）、模（模型）、端（终端）、智（应用）四大板块，并在此四大模块基础上，又细分为端侧SoC、存储、传感、模组、语言模型、视觉模型、语音模型、其他模型、汽车终端、AI PC、AI 手机、AI眼镜、机器人、其他智能终端、智慧汽车应用、智慧城市应用、智慧工业应用19个细分产业领域，全面展示端侧AI主要产业链结构、各产业链布局情况以及关键市场核心技术的演进趋势。

《中国端侧AI全景图谱报告》结构设计体现出多维度深度思考的创新性：

纵向产业链解析：覆盖“芯片-模型-终端-应用”全链条，对中国端侧AI产业的无死角扫描；横向场景化整合：通过“芯模端智一体化”主题，从底层到应用揭示各环节协同创新的连接逻辑；全面评估体系：对上下游主要供应商进行能力评估与布局分析，为产业投资与生态合作提供精准导航。

该报告不仅是一份产业地图，更是一套推动产融结合、技术协同和生态共建的基础设施，成为端侧AI领域的战略罗盘。

精彩内容速览

端侧SoC发展趋势与挑战

算力需求提升：随着生成式AI、多模态交互等技术的发展，端侧设备对SoC芯片的算力要求不断提高。AI手机、AI PC、智能座舱等领域，需要更强大的SoC芯片来支持复杂的AI模型运行和实时数据处理，以提供更流畅、更智能的用户体验。

集成化与融合化：SoC芯片将集成更多的功能模块，如CPU、GPU、NPU、DSP、ISP等，实现更强大的异构计算能力，同时降低功耗和成本。此外，端侧SoC芯片还将与传感器、存储器等其他元件进一步融合，形成更紧凑、高效的系统级解决方案，满足设备小型化和高性能的需求。

低功耗设计：为了满足移动设备和物联网设备对长续航的要求，端侧SoC芯片将更加注重低功耗设计。通过采用先进的制程工艺、优化电路设计、动态电压频率调节等技术，降低芯片在运行和待机状态下的功耗，延长设备的电池使用时间。

安全性增强：随着设备智能化程度的提高和数据价值的增加，安全问题将变得越来越重要。端侧SoC芯片需要具备更强的安全性能，如硬件加密引擎、安全启动、可信执行环境等，以保护设备和用户的数据安全、隐私以及系统的完整性，防止被恶意攻击和篡改。

性能与功耗平衡：在有限的芯片面积和功耗预算下，如何实现更高的算力和性能，同时满足设备的续航要求，是端侧SoC芯片设计面临的一大挑战。随着AI模型的复杂度不断增加，如何在保证推理精度和速度的前提下，降低模型的功耗和存储需求。

产业前沿洞察，解析行业发展风向

“智次方研究院”与“广东智用人工智能应用研究院”结合行业发展现状，提炼出5大核心洞察：

洞察1：2025端侧将是人工智能的新战场

洞察2：从模型创新到软硬结合,端侧AI”算力x通信x存储”协同优化决定商业价值

洞察3：硬件即入口，入口即生态：端侧AI硬件正成为新的对决前线

洞察4：端侧AI产业已处在爆发前夕，AI模组正在破局DeepSeek在实体产业落地“最后一公里”

洞察5：AI功能以落地商业为首要目标进行迭代，力求从创新功能到市场的快速转化

产业年度洞察部分作为对端侧 AI 产业发展的动态追踪与深度解构，其价值与意义体现在对产业脉络的精准捕捉、战略路径的科学指引以及发展现状的前瞻预判上，通过技术、产业、政策的多维透视揭示端侧 AI 作为新质生产力的核心价值。

精彩内容速览

洞察2：从模型创新到软硬结合,端侧AI“算力x通信x存储”协同优化决定商业价值

DeepSeek引发的新一波生成式AI浪潮，本质上是端侧AI的红利。正是DeepSeek的出现，迫使我们重新评估AI投资回报率ROI，并认识到端侧AI将成为提升ROI的新路径。

过去，生成式AI大模型一直面临着成本与价值之间的ROI困境。尽管DeepSeek等大模型的能力不断提升，但它们的训练和推理成本极高，限制了商业化落地的ROI。目前，AI的投资逻辑仍然围绕算力规模和模型能力，但这种模式的可持续性正受到挑战。

AI落地的核心问题在于如何降低计算成本。

传统云端AI计算的高昂投入，让许多企业，尤其是中小企业难以承受。如果AI模型不能在更低成本、更低功耗的环境下运行，那么它的商业应用将受限，投资回报率也难以提升。

而DeepSeek等大模型的出现，为解决这一问题提供了新的思路。从企业参与度来看，过去只有大型企业能负担端侧AI研发，而如今，借助DeepSeek低成本推理技术，中小企业也能在AI玩具、AI眼镜等产品中融入强大的AI功能，推动端侧硬件智能化的普及。

通过端侧AI应用，DeepSeek等大模型正在以更低的计算成本，在本地部署轻量化版本，提高推理效率。结合AIoT专用芯片，可以优化推理过程，减少云端算力消耗，提高整体ROI。这种模式特别适用于智能制造、智能硬件、自动驾驶等应用场景，有望推动AI的大规模商业落地。

过去，AI投资主要围绕提升模型能力展开，追求更大的参数规模、更复杂的神经网络架构。然而，计算成本与商业收益的平衡正在成为新时期AI投资的核心考量因素。

端侧AI三角定律，图源：物联网智库

未来，AI投资的关键，将会从“更强的AI”，到“更高效的AI”；从“单纯软件创新”，到“软硬结合”。AIoT芯片、边缘设备、优化算法的发展，将重新定义大模型的商业价值。

因此AI的商业价值将不再由单纯的模型能力决定，而是由计算成本与商业收益的平衡来定义。只有那些能够在算力、功耗、存储、通信等多个维度平衡商业价值的AI架构，才能真正实现可持续增长。端侧AI的崛起，将推动整个产业走向更加务实、可持续的发展之路。

洞察4：AI功能以落地商业为首要目标进行迭代，力求从创新功能到市场的快速转化

不论是C端的消费者客户还是B端的行业客户，在今年对于AI的期待都达到了前所未有的高度。如何借助AI技术讲好智能时代的新故事成为供应商们的核心命题，特别是在终端侧AI上。

提升对AI的应用和整合能力，在今年这样的政策驱动和市场需求下，成为厂商面临的关键问题。在这一趋势下，很多AI功能不再只是浅尝辄止地嵌入，而是开始深度整合到终端设备的内核中。

从目前推出的应用来看，很多端侧AI产品在AI功能的布局上主要都聚拢在效率提升类应用上，这是目前市场上比较明确的具体需求。

另一个方向则是提供情绪价值类的端侧设备，在模型技术与配套软硬件的加持下，这些端侧设备从简单的互动设备进化到集教育、陪伴和娱乐功能于一身，除了能给予消费者情绪价值反馈，在实用性上也有了质的飞跃，一经推出就有了较高的市场接受度。

不过由于目前整个行业尚未找到“杀手级潜力的应用”，厂商在这类功能上的军备竞赛难免有些同质化，不同设备在这些功能上的核心体验差异微弱。虽然行业现阶段难免有功能趋同的现象，但这是技术演进的必然，后续随着各厂商不断将端侧AI与设备融合得更自然，差异化创新将逐渐显现。

从细分应用出发，立足于解决场景差异化诉求，在细分场景细分赛道中充分挖掘端侧方案的应用价值，端侧AI才能最终普及。

端侧未来展望，模型与硬件成就具身智能体时代

基于每个细分板块的发展趋势解读与整个产业链的全面洞察，在报告中，“智次方研究院”与“广东智用人工智能应用研究院”总结了对于端侧AI发展研判的4大展望：

展望1：端侧AI硬件的未来，不是更强的功能，而是“具身智能体”

展望2：大模型的下半场是垂类模型的主场，揭示垂类模型从工具到平台的跃迁的4阶段进化路径

展望3：国产端侧模型带动智能硬件爆发，助力端侧AI生态重构与产业链协同

展望4：端侧AI商业价值新的评估维度和指标正在形成

总结与展望部分作为对端侧 AI 产业发展的前瞻预测，是一份面向未来的战略指南。通过对2025年端侧AI产业的阶段性凝练，报告为产业各方提供了兼具思想深度与实操价值的行动框架。

精彩内容速览

总结与展望1：端侧AI硬件的未来，不是更强的功能，而是“具身智能体”

AI的未来，不是更强的问答，而是更自然的陪伴。为了实现这样的“陪伴式智能”，技术能力只是基础，真正的突破在于人机关系的重新设计。

这种转变在设计语言上尤为关键：

•从“科技感”转向“生活感”与“温度感”；

•从“功能性”转向“存在感”与“情感亲和力”；

•从“用户操作”转向“设备主动理解与协作”。

我们可以将这种新型设备称为一种“具身智能体”（Embodied Intelligence Agent）——它具备以下三大核心特征：

1.情感接口：通过语音、语调、节奏、语言内容与语义理解，构建“有温度”的交流；

2.感知能力：设备能理解用户所处的环境、情绪、需求与历史行为；

3.行为自主：不仅被动响应，更能主动协助、提醒、规划，成为“智能体”而非“工具箱”。

这标志着AI硬件从“被动工具”进化为“主动伙伴”，从“智能终端”演化为“日常智能体”。在这一进程中，硬件不再是模型的载体，而是人格化的延伸。AI不再只回应你的问题，而是与你共处、共感、共生。

当AI模型拥有了“身体”，AI将不再只是“技术”，而是你日常生活中的“存在”。

总结与展望4：端侧AI商业价值新的评估维度和指标正在形成

对于端侧AI，传统的AI商业价值评估模型已不再适用，新的评估维度和指标正在形成。

以下是一个端侧AI的商业价值重估矩阵，对比了传统模型和新一代端侧AI在不同维度上的差异：

端侧AI商业价值重估矩阵，图源：物联网智库

•核心指标：从“绝对性能”到“效能密度”

传统AI模型追求绝对性能，如准确率，但端侧AI更关注效能密度，即在有限功耗下实现更高的性能。每瓦准确率成为衡量端侧AI商业价值的新指标。

•价值锚点：从“规模崇拜”到“效率革命”

过去，AI模型的价值锚定在参数量上，认为更大的模型必然带来更强的性能。但端侧AI时代，推理能效比成为新的价值锚点，即在有限算力下实现更高效的推理。

•竞争壁垒：从“数据垄断”到“架构创新”

传统AI竞争的壁垒在于数据规模，掌握更多数据的企业往往占据优势。但在端侧AI领域，架构创新成为新的竞争壁垒，更高效、更智能的计算架构将决定企业的市场地位。

•商业模式：从“软件服务”到“硬软融合”

传统AI商业模式以云端API调用为主，用户按使用量付费。但端侧AI时代，硬件和服务的融合成为新的商业模式。企业通过销售智能硬件，并提供订阅服务，实现持续的收入。

端侧AI的ROI优化路径包括：利用低成本边缘计算芯片，减少对昂贵数据中心资源的依赖；优化推理效率，提高能效比，降低AI计算在终端设备上的成本；结合智能存储、通信技术，提升数据利用率，减少冗余计算。

过去，AI投资主要围绕提升模型能力展开，追求更大的参数规模、更复杂的神经网络架构。然而，计算成本与商业收益的平衡正在成为新时期AI投资的核心考量因素。

未来，AI投资的关键，将会从“更强的AI”，到“更高效的AI”；从“单纯软件创新”，到“软硬结合”。AIoT芯片、边缘设备、优化算法的发展，将重新定义大模型的商业价值。

因此AI的商业价值将不再由单纯的模型能力决定，而是由计算成本与商业收益的平衡来定义。只有那些能够在算力、功耗、存储、通信等多个维度平衡商业价值的AI架构，才能真正实现可持续增长。端侧AI的崛起，将推动整个产业走向更加务实、可持续的发展之路。

结语

《中国端侧 AI 全景图谱报告》为各界提供了面向未来的清晰战略指南，通过对技术、产业、政策和社会价值等多维度的深度剖析，为政府、企业、科研机构以及社会大众提供了全面且极具价值的战略指引，助力各方在端侧 AI 这一新兴且充满潜力的领域中把握机遇、应对挑战，共同推动产业迈向新的发展高度。