2026年11月，在中国互联网协会人工智能工作委员会的产业指导下，全球增长咨询公司弗若斯特沙利文（Frost & Sullivan，简称“沙利文”）联合头豹、君合律师事务所及嘉源律师事务所，发布《2026年中国端侧AI产业发展与应用实践蓝皮书》（以下简称“蓝皮书”）。 蓝皮书立足AI技术与终端产业深度融合的发展背景，聚焦端侧AI从单一智能功能向系统化、场景化应用演进的产业趋势，分析AI能力在各类终端的普及对产品形态、交互方式及行业应用模式带来的变化，展现中国端侧AI产业的发展潜力与市场机遇，为产业链企业的技术创新、产品升级及商业化应用提供参考。
随着模型轻量化、终端算力和系统软件能力持续提升，人工智能正从以云端处理为主，逐步拓展至终端本地推理与端边云协同。终端设备能够在本地完成更多感知、理解和决策任务，带来更及时的响应、更灵活的离线使用方式和更贴近场景的智能服务。与此同时，终端的功耗、存储和散热限制，以及模型适配、跨设备协同等问题，仍是产业规模化发展的关键挑战。
蓝皮书以“本地推理为基础开展协同”为主线，从感知输入层、边缘计算层、端侧模型层和智能应用层四个层级，分析端侧AI的技术演进、核心痛点与发展趋势。在应用层面，蓝皮书重点研究AI手机、AI PC、机器人、工业智能、智能穿戴、智能汽车和智能家居七大领域，并结合产业链企业的实践案例，呈现端侧AI在个人生活、生产制造和空间运营等场景中的落地路径。随着终端逐步具备多模态感知、跨设备协作和自主执行能力，端侧AI有望从分散的智能功能，进一步融入设备系统与行业工作流程，成为推动智能终端升级和产业智能化的重要力量。
指导单位：中国互联网协会人工智能工作委员会
联合发布伙伴：弗若斯特沙利文 头豹 君合 嘉源
特别鸣谢：参与调研、案例申报和专业讨论的企业与专家，包括星凡智能、乐奇Rokid、华为、商汤、芯视界、瑞为技术、光轮智能、灵生科技、华拟智能、卡奥斯、润石智能、四格互联、锂云科技、云幕智造、合柒智能、光创元科技、库萨科技、嘉鹿智联、启元科技、无界方舟、酷潮科技、具微科技、智源研究院、龙垣科技、炬芯科技等企业及专家
微信扫码获取报告
中国互联网协会人工智能工委会专家 夏文辉、沙利文中国主管合伙人兼总裁、头豹联合创始人兼总裁 王晨晖、沙利文中国执行总监 许广灿、星凡智能副总裁 高君效、君合律师事务所合伙人 蔡亦展、嘉源香港合伙人 王鹏杰共同登台
沙利文中国执行总监 许广灿
《2026年中国端侧AI产业发展与应用实践蓝皮书》系统介绍了端侧AI的技术发展历程及核心特征，围绕感知输入层、边缘计算层、端侧模型层和智能应用层，深入分析了端侧AI的技术架构，并从模型压缩与轻量化、芯片架构与计算技术升级、操作系统AI能力整合三个方面梳理了关键技术的发展与突破。同时，从技术进步、终端需求及产业链协同等方面分析了端侧AI产业发展的主要驱动因素，并介绍了端侧AI的市场发展情况及代表性企业的创新应用实践，进一步探讨了端侧AI在综合任务表现、智能体协同、跨设备服务及行业专用解决方案等方面的未来发展趋势。
下文为蓝皮书部分节选：
01
端侧AI产业发展与应用实践
01
端侧AI的定义与边界
端侧AI是指终端设备利用本地计算资源运行人工智能模型，在设备本体完成全部或部分感知、理解、生成、预测、决策或执行相关任务的技术与应用形态。终端通过处理用户输入、传感器采集信息及设备运行数据，形成对用户需求、周围环境或设备状态的判断，并将模型推理结果用于信息反馈、应用操作或设备控制。其应用载体涵盖AI手机、AI PC、机器人、工业智能设备、智能穿戴、智能汽车及智能家居等。端侧AI的核心特征是终端本体实际承担模型推理，使人工智能能力融入设备的交互与运行过程。
资料来源：公开资料整理，沙利文分析
02
端侧AI的技术架构
端侧AI的技术架构由感知输入层、边缘计算层、端侧模型层和智能应用层构成。感知输入层通过摄像头、麦克风、雷达及惯性传感器等获取用户和环境信息；边缘计算层利用CPU、GPU、NPU等异构资源提供本地算力；端侧模型层通过推理引擎、模型优化及硬件适配完成识别、生成和规划任务；智能应用层将模型结果转化为信息反馈或设备动作。
资料来源：公开资料整理，沙利文分析
03
端侧AI的技术发展与突破
模型压缩与轻量化技术
通过模型参数量化、模型结构优化及推理调度优化，降低模型运行所需的存储空间和计算资源，减少无效计算并缩短响应时间，推动更复杂的AI任务在资源受限的终端设备上运行。
芯片架构与计算技术升级
针对AI推理需求优化NPU专用计算架构，并通过CPU、GPU、NPU等处理器协同运行及存储、数据传输路径优化，提升终端计算效率，缓解带宽与数据传输瓶颈。
操作系统AI能力整合
操作系统逐步整合模型部署、调度管理及硬件加速适配等能力，在用户授权下支持系统信息获取与跨应用工具调用，并根据任务复杂度、网络条件和数据安全要求协调端侧与云端的协同计算。
资料来源：公开资料整理，沙利文分析
04
端侧AI产业的驱动因素
技术驱动：模型、硬件与软件协同优化
模型小型化、量化压缩及结构优化降低终端部署的资源需求；CPU、GPU、NPU异构计算与专用加速单元提升本地算力及能效；推理框架和资源调度优化进一步提升响应速度与连续运行表现，扩大本地AI任务范围。
终端需求拉动：多类设备催生差异化需求
AI手机与AI PC强调快速信息处理和跨应用协同，智能穿戴关注低功耗持续感知，智能汽车重视实时交互及可靠性，机器人则需要及时完成环境感知、决策与控制。终端AI任务数量和复杂度增加，推动端侧AI部署范围及应用深度提升。
产业驱动升级：产业链协同促进规模化应用
芯片平台提供计算架构与开发环境，模型工具支持转换、压缩及部署，参考设计提供可复用方案，整机厂商开展系统集成和场景验证。各环节协同减少重复适配与开发成本，推动端侧AI由定制化开发向更广泛的产品化应用拓展。
02
感知输入层：端侧AI的感知入口
01
感知输入层的发展历程
端侧AI的感知能力由单一数据采集向多传感器协同及多模态信息融合发展。早期终端主要通过摄像头、麦克风及运动传感器等设备，分别采集图像、语音和运动状态等数据。随着终端智能化水平提升，视觉、语音、位置、运动及环境等多源信息逐步融合，持续扩大感知范围。同时，终端本地的数据预处理、事件识别及时间同步能力不断增强，减少无效数据传输，提高处理与响应效率。通过整合多模态信息，终端能够结合环境、设备状态及用户行为形成更全面的场景判断，提升对用户需求及周围环境的识别与理解能力。
资料来源：公开资料整理，沙利文分析
02
感知输入层的核心痛点
复杂环境下的感知准确性与稳定性不足：端侧设备通常运行于光照、噪声及运动状态不断变化的环境中，图像、语音及其他传感器数据容易受到光线不足、背景噪声、设备抖动及遮挡等因素影响。不同传感器在测量精度、响应速度及环境适应性方面亦存在差异，容易导致感知结果出现偏差。在复杂和动态场景中，如何持续保持数据采集的准确性和稳定性，仍是感知技术落地的重要挑战。
多源数据差异增加协同处理难度：随着视觉、语音、位置、运动及环境信息的广泛接入，端侧设备需要同时处理多种类型的感知数据。不同数据在格式、采样频率、测量精度及时间基准等方面存在差异，可能造成信息之间的不一致。在实时性要求较高的场景中，如何实现多源数据的标准化处理、时间同步与有效融合，已成为提升综合感知能力的关键难点。
持续感知对功耗与计算资源提出较高要求：智能穿戴、机器人及智能汽车等设备需要持续获取并处理环境及用户状态信息，对运行时间和响应速度提出更高要求。摄像头、麦克风及其他传感器的持续运行会增加设备能耗，高频数据处理也会占用较多计算和存储资源。在电池容量、散热条件及算力有限的终端中，如何在保证感知质量的同时控制功耗并维持系统稳定运行， 是规模化应用面临的重要问题。
敏感数据采集面临较高的隐私与安全要求：端侧AI采集的信息逐步涵盖声音、图像、地理位置、用户行为及个人状态等敏感数据。随着感知范围扩大和数据类型增加，数据的采集、存储、访问及使用均面临更高的安全和隐私管理要求。在提供个性化服务的同时，如何确保用户授权、降低数据泄露风险并满足相关合规要求， 是感知技术实现可靠落地的重要前提。
03
边缘计算层：端侧AI的算力底座
01
边缘计算层的发展历程
端侧 AI计算技术的发展与终端设备算力提升、算法演进和应用需求增长紧密相关。自2010年代以来，随着深度学习算法的兴起和移动芯片性能的提升，端侧AI逐步从依赖通用计算能力，向专用加速、异构计算，再到系统级优化演进，实现了更高的性能、更低的功耗和更好的实时性，推动AI在手机、可穿戴设备、智能汽车、智能家居等场景的规模化应用。
资料来源：公开资料整理，沙利文分析
02
边缘计算层的核心技术
端侧AI计算层是连接底层硬件与上层模型应用的关键环节，其核心在于通过异构计算架构、AI专用加速技术、存储与计算协同以及模型部署与软硬件协同，构建高效、低功耗、可扩展的端侧推理能力。随着端侧模型规模不断扩大、任务类型日益多样，单一硬件或单一技术难以满足性能、功耗与实时性的综合要求。因此，需要从硬件架构、加速算法、存储系统和软件生态四个维度协同优化，才能充分释放端侧AI的计算潜力，支撑多模态、实时交互等复杂应用在终端设备上的规模化落地。
资料来源：公开资料整理，沙利文分析
04
端侧模型层：端侧AI的智能大脑
01
端侧模型层的发展历程
端侧AI模型正从唤醒词、图像识别、语音处理等单一任务的专用模型，逐步演进为具备语言理解、内容生成与多模态处理能力的模型体系。通过模型压缩、量化和架构优化等技术，更复杂的AI任务得以在终端设备上本地运行，推动端侧AI能力持续提升。
资料来源：公开资料整理，沙利文分析
02
端侧模型层的核心痛点
端侧大模型需要在模型能力、参数规模、内存占用、响应时延及运行功耗之间取得平衡。随着终端硬件形态、使用场景和数据条件日益多样，模型压缩、部署适配、效果验证与持续更新的复杂度明显提升，成为端侧模型落地过程中的核心挑战。不同终端的计算架构、操作系统及软件环境存在差异，也使模型从实验验证走向稳定部署面临更高的适配要求。
资料来源：公开资料整理，沙利文分析
05
智能应用层：端侧AI的应用前沿
01
AI手机
AI手机依托终端芯片和本地AI模型，提升影像、语音、内容处理与系统交互能力，覆盖实时翻译、图像编辑、信息整理等场景。未来，AI能力将进一步与操作系统和应用生态结合，推动单点功能向系统级个人助手、跨应用任务处理及端云协同的个性化服务发展。
资料来源：公开资料整理，沙利文分析
02
AI PC
AI PC通过CPU、GPU、NPU等异构算力在本地运行AI模型，支持文档分析、内容生成、数据处理及专业软件辅助等任务。未来，本地模型将与操作系统、办公软件及企业知识和权限体系进一步融合，逐步形成覆盖多文件、多软件及连续工作流程的智能生产力工具。
资料来源：公开资料整理，沙利文分析
03
机器人
机器人端侧AI将模型和计算能力部署于机器人本体，用于环境感知、状态识别、任务规划及人机交互，并与运动控制系统共同完成现场操作，应用于制造、物流、商业服务和复杂环境作业等场景。未来，视觉、语言与动作能力将加快融合，智能决策与实时运动控制进一步协同，商业化重点逐步由任务验证向标准化部署和规模化应用拓展。
资料来源：公开资料整理，沙利文分析
04
工业智能
工业智能在工业设备、传感器、机器视觉系统和工业网关等现场节点部署AI能力，通过本地分析支持设备监测、视觉质检、工艺异常识别及生产管理。未来，AI分析将与设备控制、维护管理和质量追溯等环节衔接，由单设备智能向产线及工厂协同发展，并更加关注良率、停机时间和能耗等实际运营指标。
资料来源：公开资料整理，沙利文分析
05
智能穿戴
端侧AI智能穿戴设备主要包括智能眼镜、智能手表、智能耳机及VR/MR头显，通过本地模型处理语音、视觉、运动及生理信号，提供信息提示、环境理解和健康辅助等功能。未来，穿戴设备将通过设备、手机与云端协同完成不同任务，并根据佩戴形态和使用情境深化实时交互、视觉辅助及个性化服务。
资料来源：公开资料整理，沙利文分析
06
智能汽车
汽车端侧AI在车载计算平台完成对车内及周边环境信息的本地处理，主要应用于智能座舱的自然交互、乘员状态识别，以及辅助驾驶的感知、预测与规划。未来，座舱交互将向多模态和情境化服务发展，辅助驾驶将强化时序信息与场景关联，并在跨域计算、模型更新和全生命周期验证方面持续完善。
资料来源：公开资料整理，沙利文分析
07
智能家居
智能家居通过连接摄像机、音箱、电视、家电和环境设备，实现信息采集、状态监测与联动控制，端侧AI进一步为设备提供本地语音、视觉识别及情境判断能力。未来，家庭智能服务将由单条指令向场景协同延伸，设备、家庭中枢与云端逐步分层协作，并围绕跨品牌互联、配置便利性及运行可靠性改善用户体验。
资料来源：公开资料整理，沙利文分析
06
产业应用实践及创新案例
当前，端侧AI已逐步进入消费电子、工业制造、现代物流、智慧民航、环境监测、能源管理及航空航天等领域，并在智能眼镜、机器人、工业设备和专业感知终端中形成不同应用路径。围绕终端的使用条件与任务要求，企业将感知硬件、本地算力、AI模型及应用软件结合，探索多模态交互、设备状态识别、自主作业和现场智能计算等功能。相关实践表明，端侧AI的产业价值正逐步从独立技术能力延伸至具体产品体验和行业应用。
星凡智能：芯片、数据、算法与算力协同，推动物理AI端侧落地。星凡智能（XFEON）是物理AGI底层能力构建者，贯通芯片、数据、算法与算力，为物理AGI打造持续进化的核心引擎。公司2021年成立于成都，围绕端侧芯片、物理AI数据飞轮、算法与具身大脑、Token算力四大核心能力，打通数据生产、模型训练、端侧部署、执行反馈与能力迭代全链路。面向具身智能、太空计算、Token算力工厂等战略场景，公司为机器人、卫星、无人系统及边缘设备提供从训练到部署、从执行到进化的底层支撑，推动AI从数字世界走向物理世界：
创新案例1 — 以端侧算力与数据能力支撑机器人研发与迭代：星凡智能联合多家头部具身智能企业，共同打造马鞍山具身智能创新中心。面向机器人在复杂场景中的多模态感知、本地推理与实时决策需求，星凡智能提供星核R系列本体计算产品及XGAIA具身数据处理平台，支持视觉、语音等信息在机器人本体处理，并将场景数据转化为模型训练资源。星核R系列最高支持420 TOPS INT8等效算力和128GB内存，在客户指定的测试环境下，关键任务响应延迟降低约30%，典型任务理解与推理准确率提升50%。结合模型优化与软硬件适配，为机器人本体能力验证、数据积累和后续场景应用提供支撑。
创新案例2 — 星核K系列支持“星算计划”卫星在轨智能计算：面向太空计算卫星功耗、体积、散热及空间环境适应性要求，星凡智能作为深度参与“星算计划”的生态伙伴，为国星宇航02组太空计算卫星提供全国产自主可控的星核K系列星载计算芯片方案。星核K系列通过自研芯片、算法与软件协同，最高算力达300 TOPS、能效比达2.5 TOPS/W；结合AI压缩与异构加速能力，能够减少模型运行的存储和计算开销，提高有限星载资源的利用效率，为不同任务负载提供适配方案。目前，该组8颗卫星于2026年10月14日在酒泉发射，并开展在轨应用验证。
乐奇Rokid：行业领军企业之一，开启智能眼镜「显示」时代。乐奇Rokid创立于2014年，是一家专注于新一代人机交互技术的产品平台公司，围绕智能眼镜软硬件研发及自研YodaOS操作系统开展生态建设。乐奇Rokid于2026年10月27日发布乐奇AI眼镜二代、Rokid Color、Rokid Ring， 全面开启智能眼镜「显示」时代，拥有47000+注册开发者、700+已上架智能体等业内丰富生态。
创新案例：感知、交互与服务调用在具体任务中结合：
跨语言交流，将翻译结果融入面对面沟通：面向跨国旅行、商务会议等场景，产品支持89种语言实时互译，并将翻译结果直接显示于镜片。用户可在保持交流姿态的同时获取字幕，减少反复查看手机的动作。该应用体现了显示与语音能力的协同价值，使AI处理结果能够在用户需要的时点、以便于查看的方式呈现。
开放生态，让眼镜从“能回答”走向“能办事”：围绕AI眼镜的实际使用，乐奇Rokid持续拓展开放生态，与Qoder合作探索通过眼镜发起AI编程任务；与千问办公合作，拓展AI辅助办公场景；与WorkBuddy协作，让用户通过眼镜发起AI工作任务。同时，乐奇Rokid还与小红书、美团、腾讯出行服务及值得买等合作，拓展本地服务搜索、外卖信息提示、扫码开柜、一句话叫车及识别商品等场景。
提词与无障碍辅助，围绕使用需求拓展产品价值：产品支持智能提词功能，可辅助演讲、汇报等需要持续查看内容的场景。面向视障群体，产品通过高清摄像头获取外部环境信息，提供环境感知辅助，探索视觉感知与AI服务在无障碍场景中的应用。不同场景共用摄像、音频、显示及模型服务能力，有助于拓展产品应用范围。
（内容来源：弗若斯特沙利文）