作者 | 黃心怡
從豆包到千問，從手機到汽車，大模型正在走出云端聊天框，邁入物理世界。
最新的車機軟件更新顯示，特斯拉中國在部分新交付車型車機中上線基于豆包大模型的智能語音助手。而多位知情人士向《科創板日報》記者透露，千問已進入特斯拉中國車機的深度測試階段。
與此同時，全球的終端巨頭都在進行相關探索。谷歌將Chrome OS與Android OS整合至其操作系統，凸顯了Gemini智能體在頂層AI設計中的核心地位。英偉達也推出了為個人智能體打造的端側處理器。在國內，中興通訊、階躍星辰等紛紛布局AI智能體手機，榮耀首款機器人手機Robot Phone發布在即。此外，包括蘋果智能在內的7款手機端側AI模型服務首次完成備案。
多名業內人士對《科創板日報》記者表示，當前端側AI正從L2級助手協同向L3級任務代理演進。行業正從傳統終端單品的AI化，演進為整個終端生態的AI化，智能體發展的新周期已經到來。不過，續航瓶頸、隱私安全與生態協同等挑戰仍未真正跨越，成為制約規模化落地的關鍵變量。
▍市場遇冷，AI終端逆勢上揚
傳統終端市場正經歷產業發展的陣痛。據IDC最新數據,2026年全球智能手機出貨量預計將同比下降13%，約減少1.6億部，總量降至約11億，其中安卓手機降幅約20%，而PC降幅約11%。
但另一條市場曲線逆勢上行。IDC預測，2026年中國AI手機出貨量將達1.47億臺，同比增長31.6%，在整體市場中的占比突破53%；全球Gen AI手機出貨量預計達4.32億臺；端側AI市場規模預計突破8000億元。
IDC中國副總裁王吉平將這一結構性反差概括為"AI超級大周期"，寒冬與機遇并存，產業正站在從傳統單品向AI原生生態過渡的臨界點。
"此前更多強調AI for device，例如實現AI照片修復、AI文檔處理或AI翻譯等功能。如今，無論是翻譯器還是手機，終端本身正在經歷演進的過程。行業正從‘AI for device’轉向‘AI for user’——以用戶為中心的AI。” 王吉平稱。
高通公司產品技術專家朱元堃也表示，未來，所有的設備都將成為智能體的端點，實現跨設備的交互體驗，而這是一種以用戶個人為中心的智能連接。
“我們希望行業能夠逐步達成共識，打破現有壁壘，實現設備端底層的連通。這種底層的連通，看似是所有設備之間的互通，但其核心連通的是一個具體的人，也就是‘Connecting You’。所強調的不再是人與人之間的連接，而是以用戶個人為中心的智能連接。這代表著一個全新的、個性化且以用戶為中心的行業趨勢，同時也是一個行業共同追求的目標。當這樣的生態得以構建，AI智能體將重塑現有的工作流程。以往是人去操作機器，而現在，希望設備能夠真正理解用戶，并提前為用戶進行規劃。”
▍云側集中走向端云協同
終端真正具備個人AI能力，離不開對智能體底層能力的系統拆解。高通公司產品技術專家朱元堃表示，智能體體驗可劃分為四個基礎模塊：感知、記憶、推理與執行。感知是智能體的“五官”，去聽、去看、去感知周圍環境；所有感知信息需要被沉淀為“記憶”，形成對個體長期、全方位的理解。感知和記憶相結合，能夠形成對個體的全方位了解。只有這樣，才能更好地理解用戶、服務用戶。”在此基礎之上，智能體最終調用工具完成具體任務執行。
這四個模塊并非停留在軟件邏輯層面。朱元堃強調，它們指明了芯片硬件平臺、軟件架構，以及未來操作系統的演進方向，是未來產品化、工程化研發中必須突破的技術路徑。換言之，感知、記憶、推理與執行的閉環，正在從應用層下沉為底層計算架構的設計綱領。
王吉平則從產業落地的視角補充了兩大驅動因素。他表示，個人AI的規模化落地，核心依賴算力、算法與模型的持續迭代。一方面，模型與算法需要進一步優化；另一方面，端側NPU的浮點運算能力仍需提升，因而推動異構計算架構的演進是當前階段的硬性要求。模型算法迭代與算力架構升級的雙輪驅動，構成了個人AI落地的重要力量。
與此同時，算力分布格局也在發生結構性變化。王吉平觀察到，算力正從集中于單一端側或云端，逐步走向端云協同。今年春節以來，行業熱議的AI工作站、AI邊緣主機等概念，均折射出這一趨勢。傳統終端的概念已被拓寬，不再局限于PC、平板電腦或手機。終端還可以成為重要的邊緣側算力載體，為家庭或辦公場景中的各類設備提供更強的算力支持。隨著終端AI化程度加深，計算架構從云側集中逐步走向端云協同，并進一步演進為端、邊、云協同。
王吉平還提到了AI吊墜這一品類值得關注。“很多廠商正在布局AI吊墜這個領域，因為可能針對不戴眼鏡的用戶，那吊墜可能是另外一個選擇。”
▍挑戰猶存：續航、隱私與生態
當前端側AI的規模化落地，仍面臨多重瓶頸的制約。全時感知作為個人AI價值產生的關鍵能力，首當其沖遭遇續航挑戰。
“人類的感知，不能只是直接抵達最終的結果，個體一生的記憶和體驗的增量過程至關重要。這就是全時感知的重要性。” 朱元堃進一步解釋，要打造一個能夠持續感知、持續理解用戶的AI智能體環境，有一定的技術挑戰，尤其是續航問題，我們正在積極尋求解決方案。因為只有具備全時感知的可能，AI智能體才有可能掌握用戶的思考鏈條，真正構建一個最了解你自己的'你'，并最終服務于'你'。”
王吉平也提到了續航的重要性。“為了實現用戶與AI智能體之間7×24小時不間斷的服務與交流，終端產品還需要兼顧低功耗和長待機。"
如果說續航是可量化的工程難題，隱私安全則是一道關乎信任的底線命題。王吉平提醒："隨著智能體AI生態的發展，需要越來越關注產品的安全性。無論是眼鏡的攝像頭，可能會推出的智能耳機的傳感器、各種語音設備，這些終端都和個人隱私、個人信息安全相關。保障個人信息不被泄露，并在系統運行過程中有針對性地使用相關信息，將成為未來AI終端非常重要的能力。"
而這一切都依賴于產業生態的系統性協同。王吉平呼吁供應鏈廠商，包括芯片廠商與底層方案廠商，要提供全方位軟硬服一體化的解決方案，讓終端廠商更容易實現落地。終端廠商要跳出單一個人主義、單機配置的思維方式，從軟、硬、服形成一個閉環經濟，打造未來新的盈利模式。大模型廠商和應用開發商則需要思考怎樣幫助終端廠商實現端邊云分布式的架構，并在不同場景實現落地。
朱元堃表達了同樣的立場。他表示，如今，AI正在重新定義終端，也在重新定義計算。不同終端對算力和功能的需求不同，比如AI眼鏡側重感知、長續航與低功耗；手機則需要兼顧密集的算力和長續航；PC在具備更強續航的情況下，可以運行更大的模型，是重要的生產力工具；對于汽車，需要全時感知，從而支持更多的駕駛輔助功能。這場由智能體驅動的個人終端產業變革，單憑一家企業無法完成，需要依靠全產業協同共建。
