行业趋势：AI推理芯片成为焦点 - 2025年是AI智能体兴起之年，2026年或将成为AI智能体大爆发之年，行业焦点从训练转向推理 [1] - 随着Agentic AI（代理型AI）盛行，业界对AI芯片的需求从堆叠算力转向追求好用、效率与低延时 [3] - 执行GPT-3.5级别系统推理的成本在2022年11月至2024年10月间骤降280多倍，硬件层面年化成本降幅达30%，能效年提升率达40% [3] - 常规模型API输出价格已降至10元/百万Tokens以下，甚至有厂商喊出百万Tokens一分钱的口号 [3] - 全球AI推理芯片市场规模预计从2024年至2030年以31.0%的年复合增长率增长 [5] - 其中，云端推理、边缘推理和端侧推理的年复合增长率预计分别为36.3%、42.2%和20.4%，边缘推理增长潜力最大 [5] - 预计到2030年，边缘推理全球市场规模达7262亿元，端侧推理达8861亿元，合计市场规模超1.5万亿元 [6] 公司定位：边缘与端侧推理芯片的领先者 - 爱芯元智是“中国边缘AI芯片第一股”，是国内边缘侧、端侧推理芯片的佼佼者 [1] - 公司通过底层架构创新，构建了以“双轨开发模式”为核心的技术护城河 [3] - 核心技术支柱为自研的爱芯通元（AXNeutron）混合精度NPU和爱芯智眸（AXProton）AI-ISP [3] - 公司的NPU采用多线程、异构式多核设计，能动态选择INT4、INT8、INT16等数值精度以提升效率 [4] - 根据灼识咨询数据，该NPU的每瓦吞吐量比基于GPU架构的传统解决方案提升高达10倍 [4] - 公司提供从芯片到软件工具链的完整“交钥匙”方案，其自研的Pulsar2工具链集成了模型转换、量化与编译等功能 [8] 市场表现与业务进展 - 在视觉AI端侧推理市场，公司2024年出货量超900万颗，排名前五，市场份额为6.8% [6] - 在中高端芯片细分市场，公司以24.1%的份额高居榜首 [6] - 在国内边缘AI市场，公司2024年出货量达10万颗，市场份额为12.2%，位居第三 [6] - 在智能汽车芯片方面，截至2025年9月30日，公司SoC累计出货量已超51万颗，并获得多家头部车企及Tier 1的定点项目 [7] - 面向高阶智能驾驶的旗舰芯片产品M97已于近日回片并顺利点亮，是公司智能汽车业务迈向高端化的核心产品 [8]

行业趋势与市场前景 - 2025年是AI智能体兴起之年，2026年或将成为AI智能体大爆发之年，行业焦点转向“推理”[1] - 推理芯片可分为云端、边缘侧和端侧三大类，其中边缘侧和端侧是重要组成部分[1] - 随着Agentic AI（代理型AI）盛行，AI行业目光从训练转向推理，如何搭建好用、高效的智能体成为关键[2] - 业界对AI芯片的需求不再一味堆叠算力，好用、效率、低延时成为关键[3] - 执行GPT-3.5级别系统推理的成本在2022年11月至2024年10月间骤降280多倍，硬件层面年化成本降幅达30%，能效年提升率达40%[3] - 常规模型API输出价格已降至10元/百万Tokens以下，甚至有厂商喊出百万Tokens一分钱的口号[3] - 全球AI推理芯片市场2024年至2030年的年复合增长率预计为31.0%[5] - 其中，云端推理、边缘推理和端侧推理的年复合增长率预计分别为36.3%、42.2%和20.4%[5] - 预计到2030年，边缘推理全球市场规模为7262亿元，端侧推理为8861亿元，合计超1.5万亿元[5] 公司技术与产品 - 爱芯元智是国内边缘侧、端侧推理芯片的佼佼者，并已在边缘、端侧推理领域占据领先身位[1] - 公司通过底层架构创新构建技术护城河，以应对边缘终端设备在性能、功耗与成本上的“不可能三角”难题[3] - 公司核心竞争力源于独特的“双轨开发模式”：纵向迭代升级IP核技术，横向拓展应用领域[3] - 两大核心技术支柱是自研的爱芯通元（AXNeutron）混合精度NPU和爱芯智眸（AXProton）AI-ISP[3] - 爱芯通元NPU采用多线程、异构式多核设计，将内存与处理单元紧密集成，通过优化神经网络计算和内存层次设计提升效率[4] - 该NPU能根据计算需求动态选择INT4、INT8、INT16等数值精度，在确保精度的同时显著提升计算效率[4] - 根据灼识咨询数据，该NPU每瓦吞吐量比基于GPU架构的传统解决方案提升高达10倍[4] - 公司提供从芯片到软件工具链的完整“交钥匙”方案，其自研的Pulsar2工具链集成了模型转换、量化与编译等功能[7] 公司市场地位与业务进展 - 爱芯元智登陆港交所，成为“中国边缘AI芯片第一股”[1] - 在视觉AI端侧推理市场，公司2024年以超900万颗的出货量排名前五，市场份额为6.8%[5] - 在中高端芯片细分市场，公司以24.1%的份额高居榜首[5] - 在国内边缘AI市场，公司2024年出货量达10万颗，市场份额为12.2%，位居第三[6] - 在智能汽车芯片方面，截至2025年9月30日，公司智能汽车SoC累计出货量已超51万颗，并获得多家头部车企及Tier1的定点项目[6] - 公司面向高阶智能驾驶的旗舰芯片产品M97已于近日回片并顺利点亮，是公司智能汽车业务迈向高端化的核心产品[6]

AI发展趋势 - 开源大模型高效迭代推动AI发展从训练转向推理 小模型应用落地需求增加 对云计算市场产生深远影响 [1] - IDC预测未来AI推理市场规模将达训练需求的十倍以上 垂直场景小模型部署潜力更大 [1] - 行业投资重心转向推理 企业需关注推理效率(吞吐量、时延、成本) Akamai服务提升3倍吞吐并降低60%时延 [2][3] 云计算架构变革 - 边缘计算成为重要增长点 分布式架构需满足低延时(10毫秒)、灵活部署 Akamai覆盖130国4200边缘节点 [3] - 混合云/多云策略被绝大多数企业接受 客户探讨如何执行符合业务特性的多云战略 [1] - 边缘推理优势显著：靠近用户提升体验 满足数据主权要求 降低数据传输成本 [3] 模型应用特征 - 实际生产中89%用户采用小模型解决具体问题 商业化程度高于大模型 智能客服等场景已验证效果 [2] - 时延敏感领域更适合边缘部署小模型 "快思考"与"慢思考"模型需差异化云环境部署 [3][4] - 中国企业出海加速嵌入AI推理能力 如商旅行业用AI生成非定制行程建议 [5] 行业挑战与优化 - 企业CTO反映前期过度投入训练 推理准备不足 需构建运营级服务能力(算力/数据管理/边缘运维) [2] - "慢思考"模型推高云计算成本 迫使企业优化服务效率 需平衡资源使用与成本 [3] - 推理需额外考虑可扩展性、合规性等要素 与训练数据中心要求存在差异 [2]