来源：钛媒体

“当云端大模型的热度逐渐回归理性，边缘AI正在成为技术落地的核心战场，而AI PC就是这场革命的先头部队。”此芯科技CEO孙文剑对于边缘AI市场最新的看法与IDC数据不谋而合——2025年全球边缘计算解决方案支出将接近2610亿美元，年复合增长率（CAGR）达到13.8%，到2028年将突破3800亿美元。

作为边缘AI最核心的终端载体，AI PC正迎来爆发式增长。Gartner预测，2025年末AI PC全球出货量将达7780万台，占据31%的市场份额，2026年这一比例将飙升至55%，2029年AI PC将成为PC市场的绝对主流。IDC的预测更为乐观——在中国市场，2026年中国GenAI PC出货量将同比激增146.5%，2025-2029年复合增长率高达58.7%。

AI PC：从“附加功能”到“核心引擎”的蜕变

AI PC的诞生并非偶然，而是PC产业三十年智能化探索的必然结果。回溯这一历程，我们可以清晰地看到一条从“辅助性智能”到“原生性智能”的演进路径。

上世纪90年代，当微软在Windows 95中首次集成语音识别功能时，PC行业的智能化尝试便已拉开序幕。彼时的“智能”尚处于初级阶段——基于简单算法的语音命令识别、依赖本地数据库的字符匹配，不仅响应速度缓慢，识别准确率也不足60%。这种停留在“功能点缀”层面的智能化，未能真正改变用户的使用习惯，更未形成产业级影响。

AI PC的故事要从2023年说起。随着ChatGPT引发全球AI热潮，大模型技术的快速迭代推动了端侧智能的爆发。这一年，微软联合高通发布首款基于Arm架构的AI PC产品，首次提出“Copilot+ PC”的明确概念——即具备本地运行大模型能力、支持实时智能交互、能够自主优化用户体验的个人计算机。同年，英特尔推出Meteor Lake，首次集成NPU模块，提出“AI Ready”概念。

而在一年之后，此芯科技推出首款异构SoC芯片P1，集成CPU、GPU、NPU核心，实现了多操作系统下的AI算力协同，标志着中国企业在AI PC核心技术领域实现突破。

如果说早期的PC智能化是“在原有框架上修修补补”，那么当代AI PC的崛起则源于一场深刻的架构革命。算力架构的异构化重构是AI PC的核心特征。传统PC以CPU为绝对核心，GPU仅承担图形处理任务，这种单一核心的架构难以满足AI计算的并行化需求。而AI PC采用“CPU+GPU+NPU”的异构计算架构，通过不同计算单元的分工协作实现算力效率最大化——CPU负责逻辑控制和串行计算，GPU承担图形渲染和通用并行计算，NPU则专注于神经网络推理任务，三者通过高速总线实现数据无缝流转。

与传统x86架构相比，Arm架构在AI PC领域展现出独特优势。Gartner数据显示，2025年Arm架构在AI企业笔记本电脑市场的份额将达到24%，在消费级市场的占比更是超过30%。这种优势源于Arm架构的能效比和可扩展性——相同算力下，Arm架构芯片的功耗仅为x86架构的1/3，同时支持自定义指令集扩展，能够快速适配特定AI场景需求。

另一方面，随着AI向端侧渗透，端侧大模型的适配能力成为AI PC的核心竞争力。随着大模型技术的轻量化发展，原本只能在云端运行的大型语言模型开始向端侧迁移。Gartner预测，到2026年末，将出现多种能够在PC端本地运行的小语言模型，优先投资开发PC端AI功能的软件厂商比例将从2024年的2%攀升至40%。这种转变使得AI PC能够实现“离线智能”，在无网络环境下仍可完成文档生成、数据分析、语音翻译等复杂任务。

技术的成熟与应用的涌现，共同推动了市场的爆发。从国际到中国，从企业级市场到消费级市场，AI PC正以超出预期的速度重构PC行业的竞争格局，成为拉动市场增长的核心引擎。

全球市场层面，AI PC的增长曲线已清晰可见。Gartner的统计数据显示，2024年全球AI PC出货量为3814.5万台，占整体PC市场的15.6%；2025年这一数字将飙升至7779.2万台，市场份额突破31%；到2026年，AI PC出货量将达到1.43亿台，占据54.7%的市场份额，首次超过非AI PC成为市场主流。这种爆发式增长不仅源于技术进步，更得益于用户需求的觉醒，IDC调研显示，2025年有62%的企业用户将AI功能作为PC采购的核心指标，较2023年提升了37个百分点。

端侧AI迎来大爆发

当行业目光聚焦于AI PC的爆发式增长时，一场更为深刻的边缘智能革命正在多个垂类行业领域同步上演。从工业机器人到城市道路的智能摄像头，从智能座舱到AI NAS，端侧AI的应用场景正不断拓展，形成“多点开花”的产业格局。Precedence Research的数据显示，全球边缘计算市场规模将在2032年达到3.61万亿美元，年复合增长率高达30.4%，这一数字背后是边缘AI在各行业的深度渗透。

AI PC是边缘智能的重要入口，但绝非全部。对此，孙文剑向笔者表示：“端侧AI的核心价值在于‘贴近场景、实时响应、数据安全’，这些特性决定了它将在更多专业领域实现突破。我们的芯片设计理念从一开始就不是局限于PC场景，而是面向‘泛PC类平台’，包括边缘服务器、机器人、智能座舱等多个领域，这正是我们看到的边缘AI的未来方向。”

当下热议的具身智能就是边缘AI的一个重要应用场景，也是技术要求最高的领域。与AI PC相比，机器人对端侧AI的需求更为复杂：不仅需要强大的算力支撑，还要求具备实时性、可靠性和环境适应性，能够在粉尘、高温、振动等恶劣环境下稳定工作。全球机器人工业协会（IFR）的数据显示，2025年全球工业机器人装机量将达到65万台，其中具备AI能力的智能机器人占比将超过50%，市场规模突破2000亿美元。

边缘AI正在重塑机器人的核心能力。传统机器人依赖预设程序执行固定任务，灵活性和适应性极差，而AI机器人通过端侧算力实现了“感知-决策-执行”的闭环：视觉传感器和力传感器采集环境数据，NPU在本地完成图像识别、目标跟踪、力反馈分析等AI任务，CPU根据分析结果实时调整运动参数，实现自主避障、精准抓取、质量检测等复杂功能。这种变革使得机器人从“自动化工具”升级为“智能协作伙伴”。

在工业场景中，边缘AI机器人的应用已从单一工序延伸到全生产流程。以在焊接工序为例，AI机器人通过热成像传感器实时监测焊缝温度，NPU分析温度分布数据，动态调整焊接电流和速度，确保焊缝质量均匀。而在仓储物流环节中，AGV机器人通过激光雷达和视觉传感器构建环境地图，在本地完成路径规划和障碍物规避，实现货物的自主搬运和分拣。

而在孙文剑看来，机器人场景对芯片的要求是“精准匹配”而非“算力堆砌”，“针对机器人场景，我们需要做很多优化，比如：优化Linux内核实时性，满足实时性要求；增加对EtherCAT、CAN等工业总线的支持，实现相关设备接口的无缝对接；优化支持ROS中间件，适配具身智能大模型，提升机器人的自主决策能力。通过这些优化使得我们的芯片在机器人场景中可以有更优的表现”孙文剑指出。

除了具身智能的场景之外，随着企业级AI向推理场景渗透，越来越多边侧、端侧的算力需求也在向智能算力演进。这个过程中，边缘服务器是边缘AI的核心基础设施，其作用是在靠近数据源的位置构建算力节点，实现数据的本地处理、存储和分析，从而解决云端计算的延迟高、带宽成本高、隐私风险大等问题。

IDC数据显示，2023年全球边缘服务器出货量为200万台，预计到2027年将增长至1500万台。其中，支持AI功能的边缘服务器占比将从2023年的10%提升至2027年的50%。

边缘服务器的核心价值在于“算力下沉”，即将原本集中在云端的数据处理能力迁移至网络边缘。这种架构变革带来了三大优势：一是低延迟，数据无需长途传输至云端，处理响应时间从秒级降至毫秒级，满足实时性需求较高的场景；二是低成本，减少了数据传输量，大幅降低带宽成本和云端存储成本；三是高安全，敏感数据在本地处理和存储，避免了传输过程中的泄露风险，符合数据安全法规要求。

比如在零售场景中，边缘服务器能够实时分析货架摄像头的数据，监测商品库存情况，当发现商品缺货时自动生成补货订单；同时，通过分析顾客的购物路径和停留时间，为门店优化商品陈列提供数据支持。在无人便利店中，边缘服务器结合计算机视觉技术，能够实现顾客的自主结账，无需人工收银，大幅提升运营效率。沃尔玛、家乐福等零售巨头已在全球门店部署边缘AI系统，数据显示其门店的补货效率提升了40%，顾客结账时间缩短了60%。

上述仅仅是端侧AI应用的一小部分，随着AI技术的发展，向“末梢神经”端侧的渗透会越来越深入，孙文剑对笔者强调了算力需求的多样性：“端侧有很大的特点，场景特别多，算力需求的跨度也比较大，小到一个耳机、眼镜，大到这个端侧的机器人、汽车上的算力，从几个Tops可能到几百个Tops不等。”

为应对这种多样性，此芯科技采取了“一芯多用”的策略，“我们确实是做多个场景，但是我们又相对比较聚焦在端侧中高算力的这一块”。孙文剑如是说，通过丰富的接口和扩展能力，此芯科技可以适应不同场景的需求。

生态是关键

虽然端侧、边缘AI很快引爆了市场的热情，但行业很快发现，仅有算力硬件如同“没有铁轨的高速列车”——操作系统不感知、应用不调用、开发者不买单。

如果说技术是边缘AI的基石，那么生态就是决定企业竞争力的关键。早期的边缘AI市场竞争集中在单一产品层面，而未来的竞争将是生态系统的竞争——即围绕芯片构建“硬件-软件-服务”的完整闭环，为客户提供一站式解决方案。IDC调研显示，2025年有78%的企业客户更倾向于选择提供完整解决方案的边缘AI厂商，而非单一的芯片或设备供应商。

以AI PC为例，“2024年是AI PC的生态破局年。”孙文剑回忆道，“我们发现客户拿到芯片后，最大的痛点不是性能，而是如何让应用真正调用AI算力。”

根据Gartner 2024 Q3报告，全球PC厂商当年推出的AI PC机型超过200款，但消费者主动使用AI功能的频率不足15%。症结在于：Windows on x86的AI栈与Arm架构存在天然鸿沟，而高通等早期玩家选择了封闭路线。

芯片厂商的生态布局正从“技术输出”转向“价值赋能”。此芯科技的生态战略颇具代表性，孙文剑与笔者分享道，在硬件层面，为客户提供芯片参考设计和开发板，降低客户的硬件开发难度；在软件层面，开发统一的AI开发平台，提供推理优化、应用部署等全流程工具，兼容PyTorch、TensorFlow等主流框架；在服务层面，建立专业的技术支持团队，为客户提供定制化开发服务和长期的运维支持。这种“芯片+方案+服务”的模式，已帮助此芯科技积累了美高、迅龙等一批核心客户，大幅提升了其客户的复购率。

值得注意的是，在今年十分火爆的端侧AI应用层面，生态的联动可以进一步推动定制化场景的落地，“端侧大模型的发展方向是‘场景化定制’。”孙文剑指出，“通用大模型虽然功能强大，但在特定场景下存在算力需求高、响应速度慢的问题。我们正在与行业客户合作，开发针对工业检测、医疗诊断、智能客服等场景的专用小模型，这些模型经过场景数据的微调，能够在端侧实现更高的推理精度和更快的响应速度。预计到2026年，场景化专用小模型将占据端侧AI模型市场的60%以上。”

展望未来，孙文剑对笔者表示，边缘AI的未来不是孤立的技术演进，而是“端-边-云”协同的生态系统，“AI PC、机器人、智能座舱等端侧设备产生数据，边缘服务器提供本地算力支撑，云端负责大模型训练和全局优化，三者形成闭环，共同推动AI技术的产业化落地。我们的战略布局始终围绕这一生态系统展开，既要做好端侧芯片的核心技术，也要推动边缘与云端的协同创新。”孙文剑如是说。（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨盖虹达）

特别声明：以上内容仅代表作者本人的观点或立场，不代表Hehson财经头条的观点或立场。如因作品内容、版权或其他问题需要与Hehson财经头条联系的，请于上述内容发布后的30天内进行。