通信行业端侧AI崛起：场景化硬件重构人机交互引爆产业链新机遇-

端侧AI崛起：场景化硬件重构人机交互，引爆产业链新机遇化应用带来的算力成本激增、能耗压力加大、网络延迟及隐私安全等问间实现最优平衡，AI基础设施将逐步落规模将达850亿元。这些终端不仅是硬件产品，更是数的转型，推出首款AI硬件，预计两年内量产；字节跳动依托豆包的爆发为产业链上下游带来明确增长动能：1）芯片环力，有望承接巨头订单红利；3）声学/光学模组作为终端创新的关键部件，其性能直接决定用户体验，技术领先的模组供应商成长空间广阔。风险提示：技术迭代与路线风险；行业竞争加剧风险；生态历史收益率曲线历史收益率曲线2025/22025/52025/82行业数据行业数据相关报告相关报告 2 4 4 4 4 6 7 8 8 92.3.产业链与市场规模 2.4.生成式AI加速向终端渗透 2.4.1.AI耳机：贴身AI助理的终 2.4.3.AI玩具：情感陪伴与场景化 22 22 3.1.2.GeminiNano：轻量化模型赋能 3.1.3.AIEdgeGallery： 273.2.1.以GPT模型为基础，转向集成和 3.2.2.推出首款AI硬件，预计 28 3.3.3.OlaFriend耳机：语音交互与场景 30 313 5 6 7 4 7 9 9 4件产品化周期，成为科技巨头争夺下一代交互入口的主战场。这一趋势是，消费电子与智能出行领域的头部厂商在近期集中延伸至物理世界。表1：近期AI终端硬件关键进展时间线时间厂商产品/事件关键信息2025年11月27日阿里巴巴发布夸克AI眼镜S1正式推出搭载阿里千问大模型的AI眼镜，主打视觉识别、实时翻译等功能，标志着其AI助手首次从屏幕走向现实空间。2025年12月1日字节跳动豆包AI手机助手及努比亚M153工程样机豆包主导AI手机助手的产品定义与体验，中兴通讯旗下努比亚则负责硬件研发设计及生产制造2025年12月3日理想汽车发布AI眼镜“Livis”内置“理想同学智能体”，支持车控功能；构建“车-镜-人”协同生态，切入具身智能2025年12月9日谷歌&XREAL计划2026年推出全球首款搭GeminiAI的消费级AR眼镜产品ProjectAuraAR眼镜ProjectAura产品深度整合GeminiAI，支持实时翻译、视觉搜索等功能，采用高通骁龙XR2芯片，配备三摄像头和MicroOLED显示屏数据来源：整理迁移。这一转变不仅是技术路径的升级，更源未来五年全球算力规模仍将以超过50%的速度增长，至2030年全球算力将超过5算能力的需求。根据Canalys的数据，2025年全球基础设施即服务和平台即服务售价25,000-40,000美元，包含基础设施的完整8-GPU服务器系统达到200,000-求持续激增、硬件及能源等上游成本结构性上升的背景下，主流云服务系统性成本压力向终端传导，行业长期以来的数万张GPU卡同时高负荷运行会给数据中心电力带来极强的压力，需求甚至高达数十兆瓦，超出了电网的极限。IEA预计到2030年，在基准情景下，加了一倍多。从2024年到2030年，数据中心的电力消耗每年增长约15%，增长速图1：基准情景下全球数据中心电力消耗（2020-2030）6图2：按设备类型和数据中心类型划分的数据中心总电力消耗（2005-2024）进行计算，将占用大量的网络带宽资源。云计算模式下，终端设备将数据上服务器进行处理，由于云计算中心与用户的距离较远，集中式的网络架构可常会涉及个人隐私，直接上传至云端处理将带来很高步强化安全隐私、提升计算推理效能、增强交互自然性和情境理解能物智联”时代的重要入口和关键计算节点。文本、输入、屏幕点击等，因此隐私问题比以往更为突出数据处理能力使得生物特征等敏感信息能够在设备端完成特征提取与初步分析，从而在源头上降低数据传输风险，为数据提供者与数技术信任的协同生态环境。趋势正从根本上颠覆长期以来“云重边轻”的模式，推动终端与边缘从被动的“数据采集器”转变为主动的“智能体”。 7成的全链路连续数据；端侧设备集成了麦克风、摄像头、各据的连续性、原始性、实时性和隐私安全性，极大提升了数值密度。心)协同工作，实现计算能力的扩展与并行化，有效降低核心网带宽压图3：云-边-端架构表2：云-边-端各层功能及应用架构层级核心功能关键优势典型应用场景云层(CloudLayer)集中式计算、大规模数据存储、复杂AI模型训练(如LLMs)、全局数据聚合分析算力强、存储容量大、支持跨区域协同长期数据归档、大规模模型训练(如智能交通流量预测模型)边缘层(EdgeLayer)本地化数据处理、实时推理、任务卸载中转、数据预处理与过滤低延迟、减少网络带宽占用自动驾驶实时障碍物检测、工业设备实时状态分析终端层(TerminalLayer)物理环境数据采集(温度、图像等多模态数据)、初步数据处理(清洗、特征提取)、设备控制(如执行器)贴近物理世界、实时数据采集、低能耗(简单处理)智能温控器采集温度并计算平均值、智能灌溉传感器监测土壤湿度 8验室到现实”的困境，从纯粹的数字计算走向对物理世界的实时感知与交互。 端侧智能正以“算力+模型能力”双螺旋模式实现指数级跃升，这将彻底重构终端端设备正是承接文字、语音、图像、环境温湿度、空间位置等多模态数据的体，其天然具备“随身携带、实时采集、场景适配”的独特优势，每增加一用户，就相当于为大模型增加了一个24小时不间断采集三维世界数据的“更具战略价值的稀缺资源。传统流量仅能反映用户数字行为，而终端采集的凭借豆包大模型与OlaFriendDeepSeek掀起生成式AI技术革命，轻量化模型推动端侧AI时代全面到来。DeepSeek的突破不仅重构了AI产长期受困于"高投入-低产出"的ROI悖论，而DeepSeek通过算法革新和工程优化，玩具、智能眼镜等产品的功能智能化跃升。3）DeepSeek提 9发科、苹果等主流厂商将专用神经网络处理单元（NPU）作为旗舰芯和骁龙8EliteGen6Pro，这两颗芯片都采用台积电2nm制程N2P，是表3：六大主流手机AI芯片厂商旗舰SoC及工艺情况A18Pro与传统的云端AI相比，端侧AI有几个突出优势：户要实时性、隐私安全、全时服务以及个性化服务的需求，从产业需求角度来说，企业要降成本减少云端负载、拓场景如离线AI、以及建生态如硬件升级溢价+订阅的需求，因此将AI布局在端侧而非完全依赖云表4：AI端侧部署需求 传感器、通信模块等硬件及操作系统、数据库等基础软件构成核游由具备模型优化、硬件适配和系统集成能力的设备商提供从底的一体化解决方案；下游则通过行业解决方案和软硬件产品服务图4：端侧AI产业链根据最新研究数据，2023年全球存量消费终端设备已达228亿台，端侧AI技术已在智能安防和车载设备领域 图5：端侧AI消费终端结构4.40%图6：2020-2025年中国智能终端市场规模预测趋势图020202021202220232024从市场规模看，中国端侧AI产业2023年规模不足2000亿元，但预计到2028年将 图7：2018-2028E年中国端侧AI行业市场规模（亿元）02018201920202021202220232024E2025E2026E2027E202个人订阅是主要驱动力；Grok和Me第一梯队；元宝借助腾讯社交网络快速扩张，千问通过阿里电商和表5：全球AI应用月活跃用户量（2025年12月数据）AI应用月活跃用户量（万）ChatGPT88,496豆包16,316夸克14,784DeepSeek13,148 等，其技术成熟度与市场表现呈现显著差异。图10：生成式AI在软件+硬件方面应用数据来源：整理的"大脑"，而各类终端设备则构成了感知环境和交互用户的"神经末梢"。这种架构决定了真正的AI应用必须突破云端限制，通过实体设备成可及的智能伙伴。2.4.1.AI耳机：贴身AI助理的终极载体业化落地的核心场景。2025年全球AI耳机市场规模预计将突破120亿美元，年增长率维持在45%以上。节跳动、百度、讯飞等为代表的AI模型平台企业，试图借助耳机切入C端生态体系，通过软硬一体化扩展服务场景。AI耳机的核心技术逻辑是构建“端侧轻量化处理+云端深度计算+端侧即时反馈”摄像头负责采集物体图像、场景画面等视觉数据软件层面通过大模型实现语音识别、图像识别处理，最终以语音播报、音频反馈等直观形式输出2.4.2.AI眼镜：空间计算的视觉入口AI眼镜是一种将人工智能技术与传统眼镜形态融合的智能穿戴设备，通过表6：AI眼镜产品分类≈普通眼镜 表7：2024-2025年发布的AI眼镜Eyewear3¥1,899健康监测(姿态/疲劳检测)；支持小艺多模态交互¥1,999体、翻译文本，以及摄像头扫码支付¥1,999能¥3799¥1899¥2,299¥3,799XREAL¥4,299ARLitePro¥2,899本地AI算法识别、AI语音助手、会议转¥4,999Eyewear2¥1,699X3Pro¥5,499XREAL¥2,599MaxPro¥4,499¥2,799捉头部运动轨迹；别、对象分析、语义匹配等深度任务，最终通过光学镜片将虚拟信息（文字、 全球市场方面，根据国际数据公司（IDC）最新发布的《全球智能眼镜市场季图11：全球智能眼镜市场出货量（2024Q3-2025Q3）和产品迭代，也进一步推动智能眼镜向下一代智能交智能眼镜市场端侧支持AI的产品占比达到35.7%、接入大模型的产品占比达到2.4.3.AI玩具：情感陪伴与场景化教育实现交互和反馈，提供个性化的学习和娱乐体验。在使用体验方面，相较于 2）中国市场：根据中商产业研究院，2024年中国AI玩具市场规模约为246亿元。中商产业研究院分析师预测，2025年中国AI玩具市图13：2024-2030年中国AI玩具市场规模预测趋势图（亿元）020242025E2026E2027E2028E2029E2过语音识别、情感计算等先进技术实现更真实应用场景丰富：AI玩具的应用场景从儿童娱乐扩展到全龄段的情感陪伴与教育。契合儿童“教育+娱乐”双重需求的产品，适配Z世 2.4.4.AIPC/手机/汽车/机器人等图14：AIPC通用场景下的个性化服务表8：主流厂商AIPC产品2026酷睿UltraAIPC作流程六联智能覆盖笔记本、迷你盒子、一体机、台式机及主板等多元终端形态，将AI表9：2024-2026年全球AIPC市场份额和出货量年渗透率从3%跃升至22%，其中国产品牌预计2029年将达到57%，端侧模型的精简以及芯片算力的升级将进一步助推AI手在很大程度上降低了大模型对于芯片算力的开销，在这两大因素的共同作用下，2025-2026年AI手机仍预计会保持高速渗透的趋势。图15：AI手机渗透率（2024-2029F） 表10：2024-2025年发布的AI手机¥7,999(128GB)¥5,999(12+256GB)¥12,999(12+256GB)¥2,499(8+256GB)¥3,999(12+256GB)AndesGPT2.0,AI15秒Vl¥5,999(128GB)¥5,999(12+256GB)¥5,999(12+256GB)¥4,499(12+256GB)¥4,199(12+256GB)与娱乐功能；汽车已在自动驾驶的长年探索中逐步使用生成式AI技术。端侧AI通尊版汽车平台”通过端侧NPU（神经网络处理器）和Transformer加速毫秒级的环境感知与路径规划，显著提升了自动驾驶的安全性和响应效率。此外，端侧AI的本地化处理能力降低了对网络的依优化了算力分配，还通过边缘计算减少了数据上传的隐私风险，为智能图16：中国L2+智能辅助驾驶渗透率预测机器人：机器人尚处商业化早期，但细分领域如医疗陪护、工业检测已取得进展。境并生成最优行动策略。生成式AI可合成大成上下文相关的响应。通过集成AI与机器人化行为模式，还能灵活应对各类场景需求。从医疗康复到商业服务，从零售营销，其应用版图正在快速扩张，成为推动行业智能化转型的核心是在服务机器人领域，其自主决策和环境适应能力正不断突破传统自动3.1.谷歌：全栈式AI生态与端侧服3.1.2.GeminiNano：轻量化模型赋能设备端智能在将AI/ML功能集成到Android应用时，一项重要的早期决策是，是在用户设备上强大的云端处理能力。设备端可以实现AI在离线状连接性和离线功能：如果应用需要在没有互联网连接的情况下可靠运行，备端处理可将敏感信息保留在本地，从而具有明显的优势。会随推理次数或处理的数据量而扩缩。虽然设备端推理通常不使用付费费用，但会产生开发费用，并且可能会影响设备资源模型（例如GeminiNano）的设备兼容性也很重要，以确保目标受众群体能够表11：设备端和云端对比对比维度设备端（GeminiNano/MLKit/TFLite）云端（GeminiCloudAPI+Firebase）联网需求没有互联网连接可靠运行需要网络访问权限数据隐私可将敏感信息保留在本地隐私性差模型功能和任务复杂性处理简单任务模型更大、更强大、更新频率高，适用于复杂任务/处理较大输入使用费用不按使用付费，但会产生开发费用、会影响设备资源按用量计费设备资源占用设备存储空间云空间，不占用设备空间微调和自定义灵活性弱灵活性强跨平台一致性差优数据来源：AndroidDeveloGemini2.5Pro是Google最先进的思维模型，能够使用长上下文对代码、数学和持了多种重要应用场景。在设备内运行支持数据不应离开设备的功能加密消息应用中建议回复消息。它还能实现稳定的延迟体验，即使没也始终可用。GeminiNano是从较大型的Gemini型号中提炼而成，并专门优化用于移动硅加速器。支持高质量文本摘要、上下文智能回复以及高级校对建，可在设备端执行AI基础模型（例如GeminiNano通过在本地处理数据来增图17：AICore管理模型、运行时间和安全功能数据来源：AndroidDevelo且能够在无需网络连接的情况下使用功能。3.1.3.AIEdgeGallery：端侧模型部署2025年9月，谷歌推出了“Googl照后向AI提问关于图片的内容，或者进行音频转录和翻译备端运行。应用集成的Gemma3n模型采用创新的MatryoshkaTransformer设计，能根据设备性能动态调整模型层级，在节省电量和内存的同时保持高效品功能丰富：可将其转换为文本或翻译成其他语言，会议记录或多语言沟通从此变得轻松。模型灵活切换：用户可从HuggingFace等平台下载不同AI模型，并在应用内提升架构效率，以及针对设备端应用优化的新型音频和基于MobileNet-v5的视觉编码器。3.1.4.谷歌AndroidXR终端产品布局混合现实头戴设备GalaxyXR：基于Andro境感知式”的无感协助。一款是注重基础交互的进的微型扬声器阵列、高清摄像头和环境麦克风，用户可以通过自然语音与实时翻译字幕等信息。Aura既可以作为独立XR，并且拥有谷歌应用生态支持，也可以作为移动设备音频和图像的“混搭”输入，快速响应完成推理，生成文本、音频和图像它革新了传统的多模型串联处理方式，能够通过单一的神经网络统一处理间内，肯定是谁的端侧交互能力强，谁就会赢得用户insideofChatGPT将支持新一代互动、适应性和个性化的应用，你可以与之聊天。”