上海海思为端侧AI铺就人人可走之路

近年来AI技术的发展长期聚焦云端，超大参数规模的模型、高功耗的算力集群不断迭代。而当下行业正迎来一次深层转向：AI正在加速从云端向终端设备渗透，机器人、自动驾驶设备、智能感知终端等各类硬件正纷纷搭载原生AI能力。

终端是AI落地真实物理世界的核心入口——设备自带的摄像头、麦克风、传感器能够持续采集真实场景的原生数据，这是云端算力无法直接获取的资源。即便云端模型算力再强，无法触达终端就难以真正落地到实际应用中，因此端侧正在成为AI行业下一阶段的核心竞争赛道。

针对这一趋势，相关厂商提出了清晰的行业判断：每一台IoT终端都应该被重构为轻智能终端，成为AI泛在落地的入口，通过端云协同实现小算力承载大智慧。围绕这一判断，一套完整的战略落地路径逐步成型：一方面依托全系列端侧芯片把握产业爆发机遇，另一方面通过开发者生态社区加速构建面向端侧AI的新一代开发体系。

端侧已进入轻智能时代

端侧AI的普及正在推动行业进入轻智能时代。云端大模型的能力持续升级，而要让AI真正走进物理世界，必须突破三个核心约束：首先是实时响应需求，云端语音指令的往返时延通常在1000毫秒左右，虽然适合常规交互，但在自动驾驶、工业控制等高实时要求的场景中，这样的延迟完全无法满足需求；其次是多模态感知能力，终端自带的原生传感器能够持续采集真实场景的全维度数据，这是云端无法直接获取的优势；最后是数据安全与隐私保护，数据和计算都在终端本地完成，天然规避了数据传输带来的安全风险。

因此端侧与云端的深度协同成为必然选择：端侧能力越强，能够采集和处理的数据维度越丰富，对云端算力的需求也会越高；而云端模型能力的升级，又会进一步推动终端设备的性能迭代，两者形成持续增强的正向循环。

相关厂商将这一终端演进趋势定义为轻智能：通过较低的成本与功耗，让终端设备一站式实现联接、智能、感知与交互能力，改变此前AIoT终端缺乏真正AI能力的现状。端侧AI的引入重新定义了终端产品形态，让轻智能终端成为AI走进日常生活的核心载体，也是激活AIoT行业的关键抓手。

我们可以想象这样的应用场景：智能牙刷搭载微型摄像头与端侧算力芯片，可以在刷牙过程中实时扫描牙齿状态，标识需要重点清洁的区域甚至提示潜在的口腔问题；普通吹风机也不再是固定档位的单一功能产品，而是可以根据发质、头发干湿程度动态调节风速与温度的智能设备。相关厂商负责人表示，轻智能终端并非创造全新的产品品类，而是为消费者熟悉的传统产品赋予断代级的智能能力。

算力易得、落地难为

但端侧AI的落地并非只依赖芯片算力。行业从业者指出，端侧AI发展面临的核心困境是“算力易得，落地难为”：集成端侧算力的硬件成本并不高，但企业拿到算力之后，真正的挑战才刚刚开始。

首先是“想不清”算力的应用场景，这要求企业具备深厚的行业know-how，对本行业的产品功能、用户需求有深刻的洞察，能够精准定义产品体验，这道关卡就已经将大量缺乏行业积累的企业挡在门外。

即便想清楚了算力的应用方向，如何将模型落地到端侧设备又是另一道难关。端侧AI开发涉及一套环环相扣的工程链条，对于多数中小企业而言，真正稀缺的并非算力资源，而是将算力转化为实际产品的工程能力。

在嵌入式开发过程中，开发者始终需要在算力、功耗与成本之间寻找平衡：提升算力可能带来功耗上升与发热问题，降低功耗又可能牺牲性能，内存、功耗、算力、成本等多个维度都存在严苛的约束条件。

在软件与模型层面，如何将云端训练的大模型通过量化、剪枝、压缩等手段部署到端侧设备，同时针对不同芯片优化推理框架与底层算子，都是极为复杂的技术挑战。

这类软硬件适配与算法研发的能力，过去大多掌握在具备大规模研发团队的头部企业手中。而端侧AI市场天然具备碎片化特征，大量参与者是中小企业、方案商与个人开发者，独自打通全开发链条的成本对他们而言难以承受。那么，广大开发者的破局之路在哪里？

通用AI编程的兴起，似乎为降低端侧AI开发门槛提供了新的思路，开发者可以借助大模型生成代码、调用工具，甚至辅助完成整个开发流程。但嵌入式开发面对的是具体的芯片、硬件与工程环境，通用大模型无法直接解决这些问题——它们往往不了解特定芯片的BSP、SDK与引脚定义，也难以及时掌握不断更新的版本、接口与勘误信息。

更重要的是，嵌入式开发并非仅仅是编写代码。开发模型还需要理解算力、功耗、成本等硬件约束，即便生成的代码逻辑正确，也可能因为 memory限制、性能不足等问题无法在硬件上运行；在调试阶段，还需要接入日志、逻辑分析仪、示波器等工具，形成完整的“人-模型-硬件”闭环。

这意味着，通用AI编程虽然可以降低部分开发门槛，但无法单独补齐端侧AI落地所需的完整工程体系。

如何让多数企业都能具备打造端侧AI产品的系统工程能力？这是轻智能浪潮中必须解决的核心问题，也是相关厂商给自己定下的发展目标——毕竟，再强大的芯片，如果无法被广大开发者使用，也无法真正推动行业发展。

要解决这一问题，仅依靠芯片本身是不够的。既然开发链条是核心瓶颈，行业竞争的主战场必然从单一的芯片或模型能力，延伸到工具链与开发生态，芯片厂商的角色也需要随之转变。过去芯片厂商仅提供芯片、SDK与基础技术支持，而如今开发者需要的是从芯片、模型、工具链到Demo的全链条支持，厂商需要陪伴开发者走完从算力到产品的完整流程，最终成为端侧AI开发平台的提供者。

这正是相关厂商正在推进的发展方向：以四大生态为基础，提供丰富的芯片产品与解决方案，持续开放芯片、工具链、模型与工程能力，打造端侧AI开发的底层支撑平台，让更多伙伴与开发者能够在这一基础上释放创新潜能。本次升级的开发者社区，正是围绕这一思路展开，从单纯提供芯片与SDK，进一步延伸为完整的端侧AI开发生态体系。

首创XDAS四维框架

相关厂商拥有国内覆盖最全面的芯片产品线，这是其发展生态的核心基础：感知、联接、显示、算力等全系列芯片正逐步面向开发者开源开放，并通过统一的算子库与工具链实现不同芯片之间的拉通，让开发者能够在不同算力档位的芯片之间低成本迁移开发内容。

这套统一的生态体系还延伸到端云协同场景：相关厂商的端侧平台与主流云端开发生态共架构，端侧芯片相当于将这套生态延伸到了最小的智能终端设备上。随着生态建设的推进，从最新的高端芯片到仅具备1T算力的入门级芯片，未来都有望共用同一套算子库、工具平台、模型库与推理框架。

在芯片底座之上，官方开发者社区首次提出了XDAS开发者生态四维框架，将生态能力系统归纳为四个维度：AI for Development（D）、AI for Application（A）、AI for Support（S）、EXperience for AI（X）。前三个维度解决“开发者如何使用AI”的问题，最后一个维度解决“AI如何使用社区”的问题——当社区的服务对象从人类开发者扩展到AI智能体时，生态的基础设施本身也需要进行全面重构。

具体来看，在AI for Development维度，相关厂商正帮助开发者利用AI提升嵌入式开发效率。他们将SDK、接口文档、参考工程、成功经验全部结构化、向量化，建成实时更新的专属知识库，并将芯片开发能力抽象为原子化的技能集合，通过MCP服务与CLI工具接入实际开发环节。借助这些能力，代码生成、编译、烧录、日志读取与仪器数据处理等环节都可以交给AI自动完成，开发者仅需负责提出初始需求与最终验收。相关厂商首批开放的五大领域技能已全部上线社区，实验室实测显示开发效率提升约76%，原本需要一名工程师两周完成的工作量，现在仅需一天即可完成。

在AI for Application维度，也就是应用落地环节，相关厂商创新性地提出了“五步法”的落地路径，帮助开发者实现从想法到产品的转化。社区将应用落地拆解为“案例→算法→数据→训练→部署”五个环节，并针对每个环节提供针对性支持：开发者首先可以通过案例中心学习现有项目、阅读开发指南获取灵感；有了初步想法后，可以前往社区的模型与算法市场匹配需求，目前入门级芯片已开放15个品类、70多个开源算法，年出货量过亿的主流芯片也将在未来三个月内开放40多个算法；进入训练与部署环节，社区提供模型量化剪枝、压缩转换等工具，今年年底还将上线在线训练平台，小型团队无需自建训练服务器，仅上传数据即可获取可用模型。

五步法铺平了从想法到产品的道路，但开发者在实际开发过程中仍会遇到大量具体问题。如何让技术支持更加快速、精准？这正是XDAS框架中AI for Support维度所要解决的问题。随着端侧AI开发生态的不断丰富，传统人工技术支持工程师的服务压力越来越大，往往无法及时响应开发者的需求。相关厂商内部统计显示，开发者遇到的问题中超过85%都是前人已经解决过的重复性问题。因此，社区近期正式开启数字技术支持公测，提供7×24小时不间断服务，覆盖芯片选型、技术指导、资料检索、根因分析与解决方案等场景，还可以通过MCP服务接入开发者的自有IDE；当AI无法解决问题时，系统会自动整理对话并转接给人工工程师。相关厂商特别强调，数字技术支持并非普通智能客服：开发者更看重服务的准确性与效率，一个错误的硬件能力判断可能带来高昂的试错成本，因此系统宁可不答也不能乱答，背后依靠的是严格圈定的知识体系与持续的勘误更新。

当开发者越来越多地使用AI辅助开发时，另一个问题浮出水面：社区本身是否对AI友好？这对应的正是XDAS框架的最后一个维度EXperience for AI（X）。社区数据显示，Markdown格式文档的申请量已超过半数，其中近70%来自AI智能体，社区的服务对象正在从人类开发者逐渐转向AI智能体。为此，社区一方面要求文档、SDK、接口与工程参考同时具备“人可读、AI亦可读”的特性，另一方面开放社区接口，让开发者可以直接在自己的智能体中调用社区能力，同时通过数据治理保证信息准确、干净且实时更新，避免错误知识被AI反复传播。

上述四个维度的重构已经带来了显著的变化：截至2026年9月，社区的下载量较去年提升10倍，访问量提升8倍。但相关厂商表示，社区的建设目标并非以开发者数量或日活为核心，而是更看重社区的健康度、产品体验以及合作伙伴能否真正取得成功。相关负责人强调，社区的价值并非“获取开发者”，而是“服务和支持开发者”。未来，社区甚至可能不再以独立网站的形式存在，数字技术支持、MCP服务与开发能力可以直接集成到IDE、智能体等开发环境中，这或许才是端侧AI生态真正融入开发流程的状态。

结语：给端侧AI修一条人人可走的路

轻智能时代已经到来，这一判断正在行业内形成广泛共识。从传统安防到智能家居，从消费电子到工业制造，大量从业者都在这一轮浪潮中看到了新的发展机遇。中国拥有全球最丰富的终端品类与最活跃的开发力量，千千万万中小企业是这一市场的核心参与者。过去，智能化升级往往意味着高门槛、高投入，仅头部企业能够参与；而当生态体系逐步降低开发门槛，让小型团队也能够开发出AI产品时，技术红利才能真正流向千行百业，惠及千万企业与消费者。

这正是相关厂商正在做的事情：以全系列芯片为底座，以开发者社区为载体，全面开放知识、工具、模型与服务，试图为中国端侧AI行业铺设一条人人可走的发展道路。