证券时报记者 王一鸣
今年的端侧AI芯片赛道不乏看点。
A股端侧芯片厂商们上半年集体报喜，其中，全志科技8月25日晚公布的财报显示，上半年营业收入、归母净利润同比分别增长41.23%、204.17%；此前，瑞芯微披露上半年净利润同比增长61.73%；富瀚微则预计上半年净利润同比增长1072.72%—1420.19%。
在技术层面，光羽芯辰、后摩智能等端侧AI芯片厂商纷纷押注3D堆叠、存算一体等技术，意在打穿“内存墙”。
深度科技研究院院长张孝荣近日对证券时报记者表示，2026年被业界视为“端侧AI商业化元年”，预计2027年开始起量。国内端侧AI芯片厂商的优势是大市场、多场景，以及打法上的灵活性，未来破局点不仅要靠3D堆叠等创新构架解决功耗和算力矛盾，还要把下游应用绑得更紧，用场景深度换生态厚度，以把握端侧算力国产化机遇。
算力下沉加速
截至8月26日，已有近10家端侧芯片公司半年度业绩报喜，其中有公司净利润同比预增逾10倍。
8月25日晚间，全志科技披露，上半年实现营业收入18.88亿元，同比增长41.23%；实现归属于上市公司股东的净利润4.9亿元，同比增长204.17%。全志科技认为，端侧AI场景的快速普及（如智能终端、自动驾驶、IoT 设备等），使得SoC芯片的算力需求呈现爆发式增长。
富瀚微于8月初预计上半年营业收入14亿—15亿元，同比增长103.48%—118.01%；归母净利润2.7亿—3.5亿元，同比增长1072.72%—1420.19%。公司指出，端侧AI应用已规模化落地，具身智能、机器人、家庭智能终端等市场需求逐步起量，将为公司主营业务增长提供强劲的支持。
算力为何必须从云端下沉？中关村物联网产业联盟副秘书长袁帅对证券时报记者表示，近年来，云端AI大模型飞速发展，但云端推理50—200毫秒的传输延迟，在自动驾驶、工业质检、实时交互等场景中是不可承受的，加上金融、医疗等高敏感数据禁止外传；而端侧AI具备低延迟、数据隐私性强、部署成本低等核心优势，正在快速渗透到各个场景，这自然拉动边、端芯片的需求增长。
IDC在《2026年Q1全球端侧AI芯片市场报告》中指出，2026年第一季度全球云端AI芯片出货量同比增长仅12%；而同期全球端侧AI芯片出货量同比增长78%，其中面向物联网（IoT）、工业边缘、智能终端适配的中低端AI芯片出货量同比涨幅突破110%。
据弗若斯特沙利文测算，2025年全球AI终端SoC（系统级芯片）市场规模为450亿美元，预计从2026年起将以23.6%的年复合增速增长，至2030年达到1438亿美元。
从国内发展来看，张孝荣认为，端侧AI芯片是国产半导体替代进展最快的赛道之一。应用场景化以及垂直化，需要有强大产业作为支撑，这正好与中国庞大产业集群的特点相契合，且该领域受出口管制影响较小。除了华为等大厂在该领域布局，瑞芯微、全志科技、乐鑫科技等垂直领域厂商经过多年产品迭代，已经在中低端AIoT、消费电子领域占据了主要市场份额，产品性价比和本地化服务优势明显，目前正逐步向高端车载、工业、机器人领域渗透。
哪些场景最易爆发？
随之而来的问题是，端侧AI在哪些场景导入最快、最易爆发？
广东省社会政策研究会副秘书长高承远近日对证券时报记者表示，从产业落地节奏来看，端侧AI的爆发会呈现“由近及远、由轻到重”的梯度特征。短期内，智能手机的AI功能已经处在爆发期，影像增强、实时翻译、端侧大模型助手等正在快速渗透；AI PC是下一个明确的爆发点。中期来看，智能座舱和人机交互是确定性很高的方向。人形机器人和全屋中控则属于中长期赛道，需要等待技术成熟度和成本曲线的进一步优化。
7月15日，网信办发布7款手机端侧生成式人工智能服务备案信息，涵盖苹果、三星、小米等主流终端品牌。据中信建投估算，2026年手机与PC端AI渗透率预计分别达到45%和62%。
不过，在一些芯片细分领域，情况亦有不同。8月13日的滴水湖中国RISC-V（一种开放的指令集架构）产业论坛上，在“未来2年内，RISC-V端侧AI芯片出货量率先爆发的赛道”投票环节中，工业机器人以29.79%的得票率高居第一，智能安防以22.34%位列第二，端侧智算（21.28%）和车载电子（19.15%）紧随其后，AI眼镜获7.45%。
华山资本合伙人王志伟从投资视角分析了这一现象。他认为，智能安防和工业机器人等场景之所以容易爆发，是因为这些场景定义清晰，产业链配套丰富，且对边缘推理的轻量化和实时性要求高，非常契合RISC-V开放免费、可扩展、可定制的特点。
芯原股份董事长戴伟民在今年6月末的公开活动中预计，端侧AI是ASIC（定制芯片）产业下一阶段的核心增量市场。对于应用场景，戴伟民判断，AI眼镜、AI玩具、智能AI戒指等端侧AI产品，将在未来数年迎来集中爆发，为ASIC赛道开辟全新增长空间。
突围“存储墙”
“算力下沉并非坦途。受限于冯·诺依曼架构的‘存储墙’与‘功耗墙’，数据搬运损耗远大于计算损耗。如何在极其受限的功耗、面积、成本和带宽里，把AI能力高效地释放出来，是端侧AI芯片厂商们的必答题。”袁帅说。
在此背景下，3D堆叠、存算一体等创新架构路径已不再是云端芯片专属，端侧芯片产业界亦在尝试。例如，国内方面，光羽芯辰于7月的WAIC 2026上发布端侧大算力3D堆叠近存算低功耗大模型推理芯片TC1000系列，芯片等效带宽达到传统端侧AI方案10倍以上、同等算力功耗仅传统方案1/3，已实现单芯片3B模型300token/s超高速推理。
此前，光羽芯辰牵头制定的《端侧AI芯片的3D DRAM集成技术标准》已通过上海市集成电路行业协会立项评审并完成验收。
全志科技在半年报中表示，3D堆叠、Chip to Chip（芯片互联）、Die to Die（裸片直连）的芯片互联方式也成为解决工艺高成本和低良率的有效方案。与此同时，国家标准《芯粒互联接口规范》系列已陆续发布实施，Chiplet 互联正从行业共识走向产业规范化。
后摩智能则是国内存算一体（CIM）构架的实践者，其基于该构架的AI芯片M50芯片已经量产。目前，M50已成为联想AI主机P7的端侧算力核心，最高支持1220亿参数大模型本地部署，整机最大功耗仅30W。长城N90 Pro亦搭载了该款AI芯片。
在高承远看来，3D堆叠可通过垂直集成提升带宽密度，存算一体则从根本上减少数据搬运。两条路线不是非此即彼，而是互补关系。他预计，未来三到五年，这两项技术会先在旗舰级手机、AI PC等高端场景率先渗透，随后向智能座舱、边缘计算设备下沉。对国内厂商而言，这既是技术追赶的窗口，也是换道超车的机会。
持续布局生态建设
张孝荣认为，当前端侧AI整体产业的竞争，正在从比拼参数规模和压缩比例，转向模型、芯片、系统、应用之间的整体配合。例如，苹果的解法是围绕Apple Silicon芯片推出Core AI，从芯片到操作系统全栈自研。谷歌的路线是从Gemini模型到Tensor芯片再到Android系统的垂直整合。
张孝荣还表示，对端侧AI芯片厂商而言，除了技术构架的创新突破，做好端侧AIoT产品还需要强大且适配端侧的芯片硬件与模型、软件生态和场景应用的深度协同，共同推动端侧AI从“能跑起来”走向“更好用”。
在生态层面，据证券时报记者观察，国内厂商亦在持续布局。例如，瑞芯微依托在AIoT千行百业、数千家全球客户的丰富资源，通过举办开发者大会和软件生态大会，联合AI算法、软件、模型厂商和产业应用伙伴共建稳定、开放的端侧AI新生态；晶晨股份面向全球厂商提供一站式“芯片+算法+生态”解决方案及全流程技术与认证支持，缩短产品开发周期、降低生态准入门槛。
乐鑫科技方面介绍，十多年来，公司的投入不仅面向芯片，也面向芯片周边的完整基础设施，包括ESP-IDF、开源工具、技术文档、参考设计和开发者社区。
“生态系统的价值是实打实降低客户的采用成本。工程师可以复用现有软件、示例和社区知识，而不必重复造轮子，从而更快地从评估走向量产设计，提高单次设计导入发展为长期合作的概率。”乐鑫科技称。
冠达配资提示：文章来自网络，不代表本站观点。
