在2026 waic现场，我们注意到：大模型的能力，正悄然走出互联网与聊天界面的边界。
两年前，业界对大模型的所有构想几乎全部锚定于云端——参数规模越大越好，算力集群越强越优，谁在数据中心堆叠的GPU数量更多，谁就更接近胜利。事实上，这套逻辑至今依然成立，但它仅揭示了故事的一半真相。
另一半，则静默地发生在云端之外。
随着Agent时代的到来，人们逐渐意识到：推理任务正逐步脱离数据中心，沉淀至PC端、手机端、机器人“大脑”中，乃至更多尚无统一命名的终端设备里。这些终端形态千差万别，却共同面对一个严峻挑战——即“不可能三角”：功耗被严格限制在几瓦以内，成本需控制在数十美元区间，而客户却要求它们稳定运行数十亿甚至上百亿参数的大模型。
芯片产业过去十年未曾直面此类命题。因为云端的法则向来是不断抬高上限，算力强者通吃；而端侧与边缘侧的任务，是在物理规律构筑的刚性牢笼中，将大模型推理效率压榨至极限。
这道题，正在重塑端边AI芯片的竞争范式。
01. 大模型，加速奔赴端边
为何端边大模型突然成为不可逆的趋势？
近期，黄仁勋多次强调一个预判：推理算力需求或将激增约一万倍，“Token”正演变为新的计量单位。
数字本身并非核心，真正关键的是其背后所代表的数量级跃迁。一旦推理行为变得高频、持续且直接关联账单支出，全量依赖云端在经济层面将日益失衡。单次调用成本微乎其微，但日均数亿次调用累积起来，便是一笔不容忽视的开销。
这种指数级增长的推理需求，正倒逼越来越多计算任务向端边迁移。
中国市场对此反应尤为迅速。大量应用方案商已主动对接芯片厂商，明确提出构建“本地+云端”的混合架构诉求。法律、金融等垂直领域的需求尤为明确——对数据隐私保护与实时响应延迟的要求更高，同时对生产力工具迭代节奏也更为敏感。
相较概念验证，市场更渴求可落地、可量产、可交付的成熟产品。而从芯片企业的视角来看，水温变化正体现于此：适配端边大模型的AI芯片，正快速转化为真实订单流。
一家深圳企业提供了典型案例：他们搭建了一套端云协同的Agent平台，承载多个行业的智能体用于日常运营，并通过动态算法实时决策任务分配——哪些交由本地处理，哪些上传至云端。系统运行一段时间后得出结论：约80%的任务可在本地完成，仅20%需上云；平台还能自动统计客户节省了多少Token费用。
这一比例传递出重要信号：大量智能体的工作流程，完全可由本地算力支撑。无论是终端设备本身，还是性能更强的AI芯片，客户只需一次性投入；而云端的Token账单，则需按用量、按月持续支付。
当经济账清晰可行，迁移便成为必然选择。
成本只是第一重驱动力，延迟则是第二重。端侧推理可实现毫秒级响应，而云端推理则受限于网络波动与传输时延。对于高度依赖实时交互的Agent而言，延迟可能直接导致任务失败。
隐私则是第三重关键因素，推动端边大模型走向舞台中央。随着“数据即资产”的认知日益普及，本地化处理意味着照片、文档、视频等敏感信息始终保留在设备内部——既保障安全，又支持离线使用。
换言之，端边大模型虽可联网获取外部知识，但核心数据与处理能力始终驻留本地，即便断网亦能持续运行。对于诸多需在弱网或无网环境中工作的工业设备与移动终端而言，“安全+离线可用”已成为数字化转型的生命线。
多重变量叠加，揭开了端边大模型价值跃迁的本质：其价值坐标，正从“知识密度”转向“行动密度”。
一个擅长对话的模型，仅靠云端算力与数据即可满足；而一个真正“能做事”的模型，因推理频次与持续性大幅提升，带来了显著的成本压力与安全风险，必须向更安全、更灵活、更可控的端边延伸。因此，端边占比将持续扩大。
未来主流方案中的端云比例究竟几何并不重要，但底层逻辑十分清晰：凡本地推理可胜任的场景，优先采用本地；确有超限需求者，再交由云端协同处理。
与此同时，端边化进程也为硬件端抛出了全新命题：云端芯片比拼的是绝对算力，“一力降十会”，算力即王道；而端边战场的游戏规则已然不同，考验的是另一种能力维度。
面向端边大模型的AI芯片，首要门槛便是破解那个“不可能三角”：能力要求持续攀升——需运行更大参数模型、更快完成推理任务，而功耗却仅有几瓦，成本还需压在几十美元区间。
性能、成本、功耗三者相互制约，放弃任一维度，都将使端边大模型失去实际应用价值。
02. 新终端催生新解法
将这个“不可能三角”推至聚光灯下的，是一批前所未有的终端形态。
过去几年，AI在终端的角色相对轻量。例如为手机添加图像优化功能，或为PC嵌入语音助手，于是“AI PC”这一品类早早问世。芯片厂商的应对策略也较为温和：Intel在Panther Lake中集成少量GPU/NPU，高通则在骁龙平台内置专用NPU，属于对既有PC品类的锦上添花。
但从2025年起，全新设备形态开始涌现。
“它们不像你见过的任何电脑，或许形似鸡蛋、花瓶，甚至路由器。”一位芯片创业者在描述客户样机时如此比喻。
但共性在于：它们并非为人设计，而是专为AI与Agent原生打造的硬件。无需触控屏、键盘，也不必有人坐在前方面向操作，甚至可能没有显示屏，却支持语音与多模态交互，7×24小时不间断运行。其唯一使命，就是赋予AI Agent一个物理化的、长期在线的实体载体。
这类设备正获得一个崭新称谓：Agent Computer。
联想年初在拉斯维加斯Sphere发布全球首款个人超级智能体Qira；英伟达则从DGX Spark一路延伸至RTX Spark。两大巨头的动作指向同一方向：让Agent Computer从概念走向真实硬件品类。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WAIC现场：联想AI主机P7
然而，最终定义该品类主流形态的，或许并非PC厂商或芯片厂商，而是应用场景本身。
仅就通用性较强的家用与企业场景而言，当前明显呈现“两套体系并行”的格局。家庭用户需要中枢型大脑——如置于客厅，调控灯光、记忆对话、照护老人儿童；企业用户则聚焦生产力工具——处理法律文书、数据分析、代码审查等任务。
同一家硬件厂商很难兼顾两类逻辑，同一套芯片架构要同时覆盖两种需求，亦绝非易事。这意味着端边终端市场天然具备高度碎片化特征。
终端形态的变异与碎片化，反过来也重构了AI芯片的设计定义。
一个需长期承载Agent任务的设备，对本地算力的要求远高于以往运行单一本地模型的场景。它需要独立、高性能的NPU，具备大带宽、大容量存储，支持长上下文复杂任务处理。单个任务可能持续半小时以上，中间不能中断。
新终端进一步收紧了“不可能三角”的约束边界。所有AI芯片玩家面对同一道考题——必须将效率推向极致，这点毫无争议；但解题路径正加速分化。
高通与苹果选择SoC延展路线，在现有ARM架构基础上增强NPU模块。优势在于生态成熟，数十亿设备已形成庞大基础，但改良空间存在明显天花板。即便工艺推进至3纳米、2纳米，制程红利递减趋势也无法带来质变突破。
英伟达则沿GPGPU路径向下延伸，算力储备充足，但三十年积淀的CUDA生态既是护城河，也是历史包袱。带着一套为云端训练深度优化的架构下沉至端边，犹如负山而行。
在巨头路径之外，第三条路悄然浮现：存算一体。
存算一体的本质是从芯片架构底层重新设计，打破计算单元与存储单元之间的物理隔离。传统芯片瓶颈在于数据在两者间反复搬运，大量功耗与时间消耗于此；而存算一体则直接在存储单元内执行计算，大幅压缩数据搬运开销。
相比生态延展路径，这条新路前期研发周期更长、试错成本更高，需反复流片验证，攻克量产中无人涉足的技术难题。但其优势在于：效率提升具有结构性本质，理论天花板更高。
敢于押注此路径的厂商并不多，主因在于海外巨头难以割舍既有生态利益。而在敢于进行架构创新的企业中，国产力量反而展现出突出身位。成立于2020年底的后摩智能，正是其中起步较早、路线最为坚定的代表之一。
站在端边大模型与Agent Computer交汇的历史拐点，芯片厂商的起跑线基本一致。不同于手机基带或云端训练芯片领域，海外已领先十年的局面；在端边芯片赛道上，国产厂商并非毫无优势，反而有望凭借量产速度与行业落地效率，抢占先发身位。
03. 端边芯片大战，刚刚鸣枪
端边AI芯片是一条刚刚拉开帷幕的新赛道，而参赛者已在加速入场。
当前格局大致可分为三类：以高通、苹果为代表的SoC巨头，生态完善、出货量庞大，但端边大模型对其仍属增量需求，基因改良决定了能力上限。高通近期推出独立NPU，恰恰印证其自身也意识到集成方案已显乏力。
英伟达依托GPGPU的强大算力势能自云端向下渗透，将1 PetaFLOP级别的AI算力注入消费级设备，火力充沛；但端边严苛的功耗与成本约束，却是英伟达过去三十年极少认真对待的问题，如今却成了真金白银的市场刚需。
第三类则是像后摩智能这样专注端边的新锐力量，短板在于量产经验与生态积累尚浅，但优势同样鲜明——无历史架构包袱，可完全基于终端真实需求重新定义芯片。
显然，最适合创业公司切入的正是第三类路径，其战略抉择尤为值得剖析。
以存算一体切入端边大模型的后摩智能，正是典型“战略决定身位”的案例。创始人吴强早在2023年下半年便作出判断：大模型必将从云端向端边迁移。
彼时，Agent尚未现身，这一判断缺乏明显佐证。大模型主战场仍在云端，国内“六小龙”仍在激烈角逐参数规模与集群能力。存算一体作为架构路线，切入端边大模型，近乎一次“横向破局”。
但吴强敏锐捕捉到两个信号：智谱发布6B模型，Llama推出7B版本，大模型不再专属数百B参数的庞然巨物，小模型亦能实现出色可用效果，在诸多场景中避免“大炮打蚊子”的资源浪费。
团队随即用存算一体架构实测本地大模型，结果令人振奋。既然如此，提前布局端边大模型，对一家以存算一体起家的公司而言，顺理成章。
两年后，这一预判迎来密集验证：2025年DeepSeek R1横空出世，大幅降低端侧部署大模型的技术门槛；2026年Agent集中落地爆发，大批硬件厂商涌入Agent Box、Agent Computer研发浪潮，覆盖ToC、ToB、To家庭等多元场景。而所有硬件厂商面临同一问题：寻找性价比最优、可量产交付的AI芯片。
后摩因提前两年布局，率先吃到第一波红利：当时市场上成熟可用方案稀缺，其战略前瞻性与技术路线优势，迅速转化为真实客户与订单。
产品性能层面，后摩漫界M50采用存算一体架构达成160 TOPS算力，功耗约10瓦，单芯片可稳定运行35B至120B参数模型，广泛适用于AI PC、机器人、边缘推理等场景。半年至一年前，端边芯片尚只能运行7B模型，如今已迈入120B参数时代，彻底刷新端边能力边界。
WAIC现场：后摩漫界M50
另一佐证是，后摩漫界M50已进入量产阶段。在AI PC方向，后摩先后进入联想与长城供应链：联想AI主机P7搭载M50全球首发，长城N90 Pro亦以M50为核心打造端侧算力卖点；操作系统层面，M50已完成银河麒麟操作系统V11深度适配；在端边大模型赛道，后摩还与中国移动达成链长级生态合作，客户应用场景正从Agent Computer延伸至具身机器人、端边推理及智能移动终端，量产订单已陆续转化。
WAIC现场：长城N90 Pro笔记本
尽管从芯片巨头到携新架构入场的初创企业，均已提出各自解法，若将视野拉得更广，端边AI芯片竞争仍处于早期阶段，后续可划分为两个演进层次。
第一阶段聚焦落地实效，比拼的是效率——即谁能在功耗、成本、面积等物理硬约束下，将大模型本地推理能效推至极限。这是实打实的工程能力较量，华而不实的概念包装与长期叙事在此阶段毫无意义。
而长远来看，当效率差异逐渐收窄，第二阶段比拼的将是生态建设与场景适配能力。这又回到英伟达熟悉的主场：考验工具链完整性、主流模型框架兼容度、客户方案快速上线能力。长期而言，仍将拉开显著差距。
在第一阶段，存算一体因从架构底层重构，天然具备效率与功耗的结构性优势，但这一窗口期不会无限延续。值得庆幸的是，国产厂商在此赛道起点与海外持平；以后摩为例，凭借架构独特性与提前卡位，已在国内外具备跻身第一梯队的实力。
不过业内亦清醒认识到，端边大模型尚处向行业价值转化的关键过渡期。AI NAS如何设计？Home Center怎样构建？企业级推理设备应如何定义？多数玩家仍在探索之中，过程中必有起伏，也注定伴随大量掉队者。
2023年，大家仅初识Agent轮廓；至2025、2026年，至少已见具体场景；而从“看见场景”到“规模化落地”，仍有一段不短的距离需跨越。
未来两年，端边场景中必将诞生Killer App，孵化出真正适配大模型原生逻辑的应用形态。生产力工具、更智能的家庭设备与情感陪伴类产品或率先闭环；面向大众的普惠型应用则将是下一阶段重点。
但正如移动互联网时代催生了美团、滴滴与抖音，今天我们其实难以准确预判——未来真正改变人类生活方式乃至就业结构的主流应用，究竟会以何种面貌出现，其经济价值又将以怎样的方式滚动放大。
在这场竞赛中，芯片是底层基础设施。率先落地、率先跑通的算力底座，才能赢得下一阶段的入场资格。
