在2026年7月17日至20日举办的WAIC（世界人工智能大会）期间，人工智能技术终于跨越了理论探讨的阶段，实实在在地“入驻”了眼镜、手机、汽车、机器人等硬件终端。

端侧AI成为本届大会最明确的产业共识。这背后释放的信号十分清晰：大模型正从云端比拼参数规模的智力竞赛，转向终端能力的落地角逐。AI能否真正服务每一个人，关键在于它能否在离用户最近的设备上“活”起来，实现场景化应用。

在这一趋势下，模型厂商与芯片厂商不再各自为战，而是开始走向深度协同。归根结底，端侧AI并非云端的缩水版，它拥有自身的物理边界——功耗、散热、算力、内存、隐私。要在有限的资源中释放出尽可能大的智能，考验的是软硬件一体化设计的系统功底。

端侧智能迎来“规模化落地元年”

WAIC期间，努比亚豆包AI手机、阶跃星辰智能体手机、夸克AI眼镜、BleeqUp AI眼镜以及各类机器人等一批端侧硬件密集亮相，展现出终端智能的爆发态势。

两年前，行业对大模型的想象几乎都集中在云端：参数越大越好，集群越强越好。但2026年的展馆里，情况发生了根本性转变。大模型正从聊天框里走出来，真正走向端侧，端云协同的模式也逐渐清晰。

以致敬未来旗下的BleeqUp AI眼镜为例，创始人吴德周告诉记者，端侧主要基于开源模型自研开发了手机端的小模型；云端的大模型则根据具体场景需求，选择能力最强的通用大模型来配合，实现灵活分工。

北京智源人工智能研究院联合端侧智能北京重点实验室在WAIC 2026上发布报告指出，大模型正在经历第二次结构跃迁：从过去以云端为唯一算力枢纽的单点智能，走向端云分工、彼此协同的分布式智能系统。

机器人是本次WAIC最热门的硬件载体。面壁智能首次将端侧模型延伸至具身智能领域。面壁智能联合创始人、首席科学家刘知远认为，具身智能从技术上讲是多模态的直接下游，高效多模态的技术积累在具身方面会有诸多帮助，而这正是通往通用人工智能的必经之路。

当然，大模型要真正在终端上跑起来，仅有模型是不够的，还需要芯片的支撑。

定位端/边缘AI感知计算SoC的爱芯元智，围绕具身智能和边缘大模型私有化推理两大行业痛点，在本次大会上发布了“元曦”系列大算力AI推理产品，推出了1500TOPS算力的具身大脑控制器，配备超旗舰带宽，满足实时推理需求。

采访中，爱芯元智边缘与终端计算业务总经理刘瑞聚提到，当前很多机器人节目仍靠预设程序运行，并未真正拥有自主智能大脑，这也是下游机器人厂商的普遍痛点。具身智能机器人需要采集有效数据并高效处理，无效数据无法产生高精度推理。同时，这类芯片不追求云端那种极致算力，功耗过高会导致续航缩短、发热严重，反而限制落地场景。高能效路线才能更好地适配功耗、续航和成本的要求。

爱芯元智联合创始人、副总裁刘建伟则说得更直接：端侧芯片的竞争核心在于“每瓦Token数”——在相同功耗下能产出多少有效智能。客户最终关心的就是每瓦IPS或每瓦Token数。这和云端那种“暴力堆算力”的逻辑完全不同：端侧必须在功耗、成本、散热等物理约束下反过来倒推技术方案，而不是先做出来再解决散热问题。

目前行业里模型和算力厂商正在合作，但算法与芯片的融合难度确实不小。

面壁智能副总裁周树峰认为，这个过程需要芯片厂商和模型厂商紧密协作，甚至芯片厂商需要调整芯片上的算子，模型厂商适配完成后还需做模型校准，才能在芯片上保持尽量接近原模型的精度。

面壁智能联合创始人、总裁雷升涛把合作过程总结为三个阶段：第一步是获得芯片厂商的支持，把模型跑好；第二步是双方在模型发布前就共享架构，一起优化；第三步则是协同设计模型和芯片，双方明确各自需要的特性，协同设计。通过软硬件的深度耦合，推动端侧AI从“能跑”走向“跑得好”。

端侧AI的“先通后专”

纵观本届WAIC的软硬件产品展示，端侧AI的竞争已经从“能不能部署”升级到了“能不能真正解决问题”，焦点转向实际场景的落地效果。

面壁智能强调“先通后专”。面壁智能多模态智能首席科学家姚远打了个比方：你的目标是登月，但如果现在以爬树的方式试图离月亮更近，那永远不可能到达月亮。他认为，当前很多具身智能的演示——叠衣服、打乒乓球——本质上还是2018年之前的专用智能路线：为了一个特定任务采集上千条数据做微调，模型除了这个任务什么都不会。这和当年做人脸识别时“收集一大堆人脸数据训一个人脸识别模型”的逻辑，没有本质区别。

从长远来看，行业更希望看到的是一个模型能做多个任务、覆盖多个场景，具备泛化能力。姚远认为，真正的端侧智能应该像培养大学生一样——先接受通识教育，获得关于世界的常识，再针对具体场景做专业分工。“只有培养出一个大学生来，然后你再花一点时间让它变成一个家用机器人、一个服务机器人、一个车间分拣机器人，这才是具身智能广阔的未来。”

在硬件作为载体的背景下，行业普遍认为，算力、生态以及安全，仍然需要端云协同来共同运行，才能给用户带来良好的体验。

阶跃星辰联合创始人、首席技术官朱亦博表示，想要给用户完整优质的AI终端体验，单纯靠端侧小模型或者纯云端方案，都存在明显短板：端侧模型参数量远小于云端，智能能力差距显著；全云端模式又难以保障用户数据隐私。所以最优解就是端云协同，兼顾终端的实时交互、本地数据安全与云端的强推理能力。

面壁智能联合创始人、CEO李大海把端云关系概括为“端侧主内，云端主外”——端侧掌握用户上下文，保护隐私，负责实时响应与主动感知；云端则提供外部世界的动态信息，协同完成任务。两者是分工关系，而非替代关系，共同构成下一代智能终端的系统底座。高通公司全球副总裁徐皓在端侧AI论坛上也表达了类似判断：端侧的终端数量是几十亿级的，随着模型密度越来越高、硬件算力不断提高，越来越多的大模型将迁移到端侧。

本届WAIC展示的端侧AI图景说明了一点：2026年不只是“模型跑上终端”的起点，更是从专用智能走向通用智能、从云端独占走向端云协同、从技术炫技走向产业落地的转折之年。谁能把功耗、算力、数据、场景之间的系统平衡做到最优，谁就能在端侧AI这场长跑里抢占先机。