2026年11月4日，世界互联网大会乌镇峰会期间，《2026年中国端侧AI产业发展与应用实践蓝皮书》（下称"蓝皮书"）正式发布。产业指导方为中国互联网协会人工智能工作委员会，弗若斯特沙利文、头豹、君合、嘉源为联合发布方。
比起报告正文，更值得行业仔细读的是它的第六章——蓝皮书在其中收录了25个产业实践案例。
单个案例只是企业介绍，25个案例排在一起，就是一张当下中国端侧AI产业的实拍地形图：谁在卖算力、谁在解决输入、谁在做模型、谁在做整机、谁已经把账算得过。本文想做的一件事，就是把这张地图重新描一遍——按蓝皮书自己给出的技术分层重新归类、横向比对，并指出几个容易被忽略的结构性现象。
一、先说清楚这份名单的分量
盘点之前，得先回答"凭什么它列的名单值得盘"。
指导方的分量是硬的。中国互联网协会人工智能工作委员会是中国互联网协会下属二级分支机构，2021年10月由北京智源人工智能研究院联合多家单位发起，主任委员为智源研究院理事长黄铁军，成员单位包括智源、中国电信、中国移动、中国联通、清华大学、北京大学、中国信通院、鹏城实验室、华为、阿里巴巴、腾讯、百度、科大讯飞、新华三等。其母体中国互联网协会由工信部作为主要行业管理部门，现有会员一千余家。
编制方是"研究＋资本＋法务"的组合。沙利文1961年成立于华尔街，拥有约3000位咨询顾问及分析师、全球近50个办公室、超10000家客户，1998年进入中国后已辅导近三千家国内外公司在全球主要资本市场上市融资，近十年来蝉联中国企业赴香港及境外上市行业研究顾问市场份额的领导地位，其报告被广泛引用于A股、科创板等上市公司的招股文件。头豹提供数字化行研能力，君合与嘉源则分别来自资本市场与合规视角。
入选机制不是"报名即上榜"。从公开征集材料看，企业提交标杆案例资料清单后，需经组委会讨论方可确定收录，遴选逻辑对应蓝皮书设定的三条判断标准：技术是否创新、场景能否规模化、企业能否形成持续竞争力。
一个细节值得注意：整章25个案例中，只有星凡智能与乐奇Rokid各占了两个版面，其余均为单页。版面分配是研究机构的编辑判断，本身也构成一种信号。
一点必要的提醒：蓝皮书在多处明确标注，案例中的生态规模、性能指标等"为企业报送口径"，具体效果依测试环境、版本与服务条件而异。本文引用的所有案例数据同样沿用这一前提——这是读任何一份产业报告时都该保留的判断力，包括这一篇。
二、分布画像：一个"中间厚、两头薄"的结构
把25个案例按蓝皮书的技术分层归位，轮廓很快浮出来。
最热闹的是机器人与具身智能，一家独大占了8个席位，瑞为技术、华拟智能、光轮智能、灵生科技、云幕智造、具微科技、库萨科技等都在其中；行业垂直应用紧随其后，卡奥斯、润石智能、合柒智能、锂云科技、四格互联5个案例分列；感知输入侧有芯视界、龙垣科技、光创元3家；端侧模型与工具链有商汤科技、无界方舟与众智FlagOS社区3席；终端整机与穿戴只有乐奇Rokid和酷潮科技两家，再加一个汽车营销场景的嘉鹿智联。
而最冷清的一层，是端侧芯片与算力底座——25个案例里只有4个位置，华为、星凡智能、炬芯科技、启元科技。
这个分布本身符合产业阶段：场景故事最容易讲，底座最难做，也最难在一年内拿出可验证的交付。但恰恰是这4个案例，决定了另外21个案例能不能真正跑起来。所以盘点从底层开始。
三、底座层的四条路线：同一个"算力"，四种完全不同的解法
华为走的是生态纵深路线。麒麟芯片提供终端计算基础，HarmonyOS承载系统级AI，盘古与第三方大模型提供模型供给，其鸿蒙智能体框架2.0开放了超过20项系统级AI能力，产品端落在Mate 80 Pro（麒麟＋HarmonyOS 6）与搭载麒麟X90 Plus的MateBook Pro上。它的竞争壁垒不在单点算力指标，而在"芯片—操作系统—模型—应用"的贯通。
炬芯科技做的是"极致能效＋音频"这一格。自研模数混合SRAM存内计算（MMSCIM）技术，第一代存内计算NPU单核算力100 GOPS，INT8精度下能效比达6.4 TOPS/W，是25个案例中把能效比写得最具体的一个。应用侧落在影石Insta360 Mic Pro无线麦克风上，端到端延迟做到9ms。这家公司2014年成立、2021年科创板上市，路径非常"标准"。
启元科技押的是近存计算。 "扶光"系列3D DRAM近存推理芯片，核心团队曾设计量产过搭载192个计算核心、6144个3D DRAM通道的存算芯片，实现24 TB/s内存带宽，相关芯片累计销售额超10亿元。其规划的桌面算力一体机目标是在本地跑70B参数模型、解码速度80至100 tokens/s，但报告同时注明"计划于2027年工程样品阶段开展客户验证"——这是一条还在验证中的路线。
星凡智能是四家里定位最特殊的一个：它不只交付芯片。在现有对比测试条件下，星凡智能具身智能芯片方案的等效算力和单模组可承载的模型参数规模领先行业头部同类产品（此句为蓝皮书原文表述）。具体指标是：星核S1单芯粒INT8等效算力105 TOPS、典型功耗约25W，指定测试条件下软硬协同方案使推理吞吐量提升50%、模型显存占用减少85%；面向机器人的R系列最高420 TOPS、128GB内存，目前处于量产导入前验证；面向卫星的K系列算力达300 TOPS、能效比2.5 TOPS/W，已有8颗卫星在轨。
真正把它和前面三家区分开的，是它的表述结构——蓝皮书给它的定位是"物理AGI底层能力构建者"，围绕端侧芯片、物理AI数据飞轮、算法与具身大脑、Token算力四大能力，打通数据生产、模型训练、端侧部署、执行反馈、能力迭代全链路。换句话说，另外三家的商业边界基本止步于"卖一颗芯片"，星凡智能把芯片、数据、算法、算力四件事放在同一个闭环里做。
把这四家放在一起看，路线差异一目了然：华为拼的是生态贯通，炬芯把能效做到极致并锁定音频场景，启元赌的是内存墙这一侧的架构红利且仍在验证期，星凡智能则把交付边界从芯片推到了数据与算法。四家都拿到了底座层的门票，但做的不是同一门生意。
这张对照里还有一处别处找不到的信息：只有星凡智能的落地坐标同时出现了"地面"和"太空"。25个案例中，把端侧算力送上近地轨道的只有它一家——为国星宇航02组太空计算卫星提供全国产自主可控星载计算方案的8颗卫星，已于2026年10月14日在酒泉发射并开展在轨应用验证。太空场景对功耗、体积、散热和空间环境适应性的约束，是端侧AI最极端的一次压力测试，而这个位置此前在中国端侧AI案例体系中是空的。
四、被低估的两层：输入侧与工具链
如果只盘算力，会漏掉蓝皮书真正想说的两件事。
第一件：端侧AI的瓶颈不全在算力，还在"输入"。芯视界把清华大学鲍捷教授发表于《Nature》主刊的量子点光谱成果做成微型光谱传感芯片，用于水环境监测，据企业资料可将部分污染源检测时间从2至3天缩短至秒级，核心产品已在全国26个省市部署；龙垣科技解决的是听觉身份安全，支持约3秒有效语音的声纹比对，并可识别AI合成语音、变声与录音重放；光创元的PVG光波导则直接决定AR眼镜能不能做轻。三家共同说明一件事：端侧智能的边界，往往由传感与光学决定，而不是由NPU的TOPS决定。
第二件：真正的规模化门槛是适配成本，不是模型参数。众智FlagOS社区的数据最能说明问题——FlagOS 2.2已支持21家厂商的35款芯片，通过联合芯片企业与模型团队，实现单个新模型一天内最多适配12款AI芯片。这个数字反向印证了行业的痛处：模型与芯片的适配，是当前端侧AI最昂贵的隐性成本之一。
值得注意的是，底座层厂商正在自发补这块：星凡智能配套了XBoost加速平台端侧版，整合模型压缩、混合精度量化、算子优化与推理引擎，在指定模型与硬件环境下可实现2至8倍综合性能提升。芯片厂商自建工具链，是个值得关注的信号——单纯卖硬件的厂商不会做这件事。
模型层另外两家也各有取向：商汤科技（00020.HK）通过模型蒸馏、量化压缩与推理优化推进轻量化部署，小浣熊AI Box、NewMember车载座舱智能体（2025年量产）、UniLens图库Agent分别对应办公、汽车与影像；无界方舟为韶音提供的端侧语音方案披露了三个很有说服力的数字——核心指令本地可用率100%、95%的响应耗时不超过100毫秒、整体Token消耗降低92%。
五、机器人层：最热闹的8个案例，缺的恰好是同一块
机器人／具身智能是这份名单案例最密集的一层，8个案例覆盖了从本体、数据到场景的三段。
本体与整机一侧，华拟智能2025年成立即交付近400台、累计订单超1000台，情感识别率超95%、支持37种语言；云幕智造与百工汇智联合开发钢卷拆包人形机器人；具微科技的轮式四足机器人通过1000 Gs稳态磁场下的控制与通信验证，在电解铝、油气化工高危场景做常态化巡检；库萨科技做出0.5至3.5吨级无人清扫矩阵，在国内外40余座城市部署。
数据与评测基础设施一侧，光轮智能自研"求解—测量—生成"仿真平台，服务吉利汽车产线，把单项任务训练迭代周期从数月缩至数周，训练成本降低约一个数量级；灵生科技以RUDA统一架构，已在中际旭创等客户场景做光模块插拔、电池检测等精密操作验证。
场景落地一侧，瑞为技术（07656.HK）服务国内约三分之二的千万级客流机场、100余个商业综合体、60余万辆货运车辆，持有200余项授权专利。
这8个案例有一个共同点：它们几乎都在解决"本体怎么动、数据从哪来、任务在哪个场景做"，但支撑本体实时推理的那颗芯片，普遍来自外部供应。
在这条链条上，星凡智能提供的恰好是这个缺口——联合多家头部具身智能企业共建马鞍山具身智能创新中心，以星核R系列本体计算产品＋XGAIA具身数据处理平台，支撑机器人在复杂场景中的多模态感知、本地推理与实时决策。据企业在客户指定测试环境下的数据，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%。
这也是本次盘点里最有价值的结构性发现：机器人层最拥挤，底座层最冷清，而能把两层接起来的案例，在25个里几乎没有。
六、终端与行业层：账，开始算得过了
终端整机层数量不多但很有代表性。乐奇Rokid（2014年创立）走"显示＋开放生态"路线：Rokid Color全彩机重55g，自研YodaOS接入多模型，支持89种语言实时互译，智能体商店上架超700个智能体、平台注册开发者超47000名、产品进入170多个国家和地区。酷潮科技的KCRing则把端侧AI做进了重约2克、续航7至10天的智能戒指，把穿戴设备从"体征记录"推进到"情绪感知与主动干预"，已在多家康养机构试点。
行业垂直层的价值在于——它们第一次给出了端侧AI的ROI口径。卡奥斯为河北新金集团打造的智慧空压站节能率31%、年节约电费近700万元，2025年6月投产，其平台累计收费客户超9600家；四格互联在深圳星通大厦复用原有466个摄像头做AI视觉巡检，上线两个月完成146.8万次巡检、1262次告警，巡检效率提升5倍；合柒智能面向卓胜微等半导体企业的工业AI操作系统方案，文件处理效率提升50%、参数准确率99.8%、交付周期缩短30%；锂云科技把新电芯分容检测时间从5小时以上压缩到几十分钟，容量检测精度达0.2%；润石智能的半导体测试自动化设备累计交付近500台，并在此基础上推进AI BOX本地视觉判读。
这些数字口径各不相同，但指向同一个变化：端侧AI正在从"技术叙事"切换到"成本叙事"。能省多少电费、少用多少人、快多少倍——这是过去两年端侧AI案例里很少出现的表述。
七、三个横向观察
观察一：评价标准已经从"参数"换成了"任务"。蓝皮书在概览中写得很直白：行业竞争重点正由单一算力和模型性能，向系统运行效率、任务完成效果及场景适配能力转变。回看25个案例，几乎每一家都在用任务口径描述自己——延迟降低30%、效率提升5倍、成本降一个数量级。TOPS依然是入场券，但已经不是加分项。
观察二：数据口径不统一，是这个行业公开信息最大的短板。蓝皮书多处标注"企业报送口径"，25个案例的测试条件、时间窗口、客户环境彼此不可比。这提醒所有做选型和投资的读者：跨案例横向比数字要非常小心。同时也提醒行业，端侧AI急需一套公认的评测基准——某种意义上，光轮智能、灵生科技做的评测基础设施，正是这个缺口的一部分。
观察三：真正稀缺的，是"贯通型"玩家。25个案例的分布画出一条清晰的曲线：应用层案例最多，底座层案例最少；单点能力者众，全链路者寡。蓝皮书给星凡智能"贯通芯片、数据、算法与算力"的定位，以及给乐奇Rokid"硬件、系统与应用协同"的定性，其实都指向同一件事——在端侧AI进入规模化验证的阶段，能把链条打通的公司，比在某一个点上做得最深的公司更稀缺。
把25个案例读完，最值得记住的可能不是任何一家公司，而是蓝皮书给出的那个判断：端侧AI的竞争，已经不是谁算得多，而是谁能在功耗、内存、散热、弱网甚至没有网络的约束下，把任务真正做完。
这条约束线之上，有人做芯片、有人做传感、有人做模型、有人做整机、有人把机器人推进高危车间；而在这条约束线最极端的一端——近地轨道上，8颗刚完成在轨部署的算力卫星，大概是中国端侧AI目前做过最严格的一次压力测试。
名单只有25个位置。但这份名单真正的意义，是它让我们第一次看清了哪些位置已经站满了人，哪些位置还空着。
免责声明：本文为企业宣传商业资讯，仅供用户参考，如用户将之作为消费行为参考，凤凰网敬告用户需审慎决定。
