" 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）