公司战略与定位 - 公司于1月23日在深圳举办首届消费电子板块年会，核心理念为“自主创新、国产工艺、赋能全球”，标志着公司在完成2025年集团化架构升级后，正式将消费电子业务作为独立战略单元推进，是向C端市场迈出的关键一步[1] - 公司创始人首次系统性阐述了消费电子板块发展的“2+X”战略框架：“Phancy”面向追求极致体验的高端用户群体，打造融合前沿AI能力与美学设计的旗舰级智能终端；“微克科技(Microgram)”聚焦极致性价比赛道，专注让中国制造的端侧AI设备走进全球千家万户；“X(孵化品牌矩阵)”作为创新引擎，依托AI原生技术底座与端侧智能生态，持续孵化具有全球竞争力的新锐消费电子品牌[3] - 公司自2014年成立以来长期深耕B端AI解决方案，在金融、零售、医疗等领域累计落地超10,000个AI应用；2025年集团化改革后，消费电子成为核心业务板块之一，此次年会是公司历史上首次为消费电子单独举办年度盛会[8] 品牌焕新与业务聚焦 - 微克科技的英文名称由“WAKE UP Technology”升级为“Microgram”并启用全新LOGO，品牌使命从早期“让中国制造的智能穿戴设备 wake up”进化为“让中国制造的端侧 AI 设备拥有极致性价比”[6] - 微克科技将以“高性能、高价值、高可及性”为产品准则，依托公司自研的“AI Agent + 世界模型”技术底座，推动端侧智能硬件在全球市场的普惠落地[8] - 公司未来将持续以“自主创新”为引擎，以“国产工艺”为基石，通过Phancy与Microgram双轮驱动，加速端侧AI设备的全球普及，实现“AI for everyone”的愿景[10] 行业趋势与市场机遇 - 公司战略升级基于对端侧人工智能普及化趋势的洞察：随着大模型小型化、边缘计算能力提升以及国产芯片与制造工艺的成熟，端侧AI设备正迎来爆发临界点[8] - 年会吸引了来自供应链、渠道、投资机构及生态伙伴等多方代表，与会嘉宾围绕“端侧AI的全球化机遇”、“中国智造出海路径”、“AI硬件的用户体验革新”等议题展开深度对话[8]

文章核心观点 - 端侧AI设备行业正处于高速发展的黄金期，出货量增长迅猛，预计2025年全球出货量将达到4.38亿台 [1][4][5] - 端侧AI将人工智能的计算和决策过程直接部署在终端设备，相比云侧AI具有实时响应、节省流量、增强隐私保护和降低成本等优势 [2][3] - 行业受到国家政策支持，并已形成覆盖“芯-模-智”三大层级的完整产业链，国内企业在多个应用领域已具备全球竞争力 [5][6] 端侧AI设备行业基本定义及优势 - 端侧AI是将人工智能的计算和决策过程直接部署在终端设备（如手机、可穿戴设备、智能汽车、IoT设备），赋予设备本地化智能处理能力 [2] - 其核心优势在于实现实时语音识别、智能图像处理等即时响应功能，有效提升用户体验和隐私保护，同时更省钱、省电，且在网络不稳时可用 [2][3] - 与云侧AI相比，端侧AI无需将数据传至远程服务器处理，数据留在本地设备，更安全、更隐私，并能根据个人习惯量身定制 [2][3] 端侧AI设备行业发展现状 - 行业正处于高速发展的黄金期，随着轻量化AI算法和边缘计算技术的快速发展，在消费电子、智能安防系统和可穿戴设备等领域持续渗透 [1][4] - 2024年全球端侧AI设备出货量达3.11亿台，较2023年增加1.85亿台，预计2025年全球出货量将达到4.38亿台 [1][5] - 主要应用场景包括消费电子、可穿戴设备、智能汽车以及新兴领域如AI眼镜等 [3] 端侧AI设备行业产业链 - 产业覆盖全价值链，涵盖“芯-模-智”三大层级的完整生态体系，构建芯片、模组、终端设备及应用场景的完整产业链格局 [5] - 产业链上游为AI芯片、传感器、存储内存、通信模块等硬件，以及操作系统、数据库等软件开发与算法技术支持 [5] - 行业中游为端侧AI设备制造与解决方案集成，行业下游主要应用于消费电子、智能家居、AI眼镜、医疗设备、智能汽车、智能机器人等领域 [5] 端侧AI设备行业发展环境-相关政策 - 端侧AI作为人工智能技术发展的重要方向，正在重塑传统云端计算的格局，将AI能力下沉至终端设备已成为行业共识 [5] - 国家出台一系列政策，从战略、政策、市场、生态等多个层面对行业发展起着至关重要的引导、支持和塑造作用 [5] - 相关政策包括《关于深入实施人工智能+行动的意见》、《国家“十五五”规划(2026-2030)》、《北京市促进“人工智能+视听”产业高质量发展行动方案(2025-2029年)》等 [5] 端侧AI设备行业竞争格局 - 国内端侧AI设备企业在制造与方案上已具备全球竞争力，核心体现在制造规模、模组集成、场景化方案与成本效率 [6] - 在AI手机、AR/VR、车载、工业/安防等领域形成可量化的全球份额与技术壁垒，国内企业正加速向全球价值链高端攀升 [6] - 我国端侧AI设备产业主要参与企业有立讯精密、歌尔股份、广和通、美格智能、北京君正等 [6] 参与企业代表 - **北京君正集成电路股份有限公司**：成立于2005年，专注于嵌入式CPU芯片及解决方案，核心业务涵盖计算芯片、存储芯片、模拟与互联芯片三大领域 [8] - 2025年上半年北京君正集成电路设计业务收入22.44亿元，其中计算芯片营收6.04亿元，存储芯片营收13.84亿元，模拟与互联芯片营收2.44亿元，技术服务营收0.12亿元 [8] - **星宸科技股份有限公司**：主营业务为端边侧AISoC芯片的设计、研发及销售，SoC芯片围绕“视觉+AI”“感知+计算”核心理念，下游应用覆盖智能安防、智能家居、智能办公、智能工业、智能机器人、智能显示、智能车载等多个细分领域 [8] - 2025年上半年星宸科技集成电路设计业务收入15.88亿元，其中智能安防业务营收9.09亿元，智能物联业务营收3.25亿元，智能车载业务营收1.51亿元 [10] - 星宸科技在智能眼镜领域聚焦端侧AI芯片技术突破，依托自研的AI-ISP技术，最新一代ISP4.0引擎集成AI算法，显著提升低照度环境下的成像质量，支持HDR、WDR及3D降噪等功能 [9] 端侧AI设备行业发展趋势 - 未来端边侧AI设备将朝着更高效能、更低功耗、更小尺寸的方向发展，以满足日益增长的智能化需求 [10] - 应用场景将不断拓展与深化，覆盖更多智能设备与领域，同时多模态大模型的发展将为端边侧AI设备提供新的发展机遇 [10] - 多模态大模型结合文本、图像、音频等多种模态数据，为端边侧设备提供更强大的智能处理能力，未来包含大模型推理功能的视觉终端将大量应用 [10]

行业趋势：端侧AI的落地与结构性迁移 - 人工智能正经历从云端向终端设备的结构性迁移，2025年被AMD称为“AI智能体元年”的开端，AI正从对话助手演变为具备任务执行能力的生产力工具 [1] - 端侧AI落地需满足严苛条件：运行百亿参数级基座模型、加载企业专有知识库、支持多智能体协作、处理超长上下文并保障数据不出域 [1] - 端侧AI的真正落地不能仅靠算力堆砌，还需在硬件架构、应用场景和生态协同上形成完整闭环 [1] 核心挑战：端侧AI部署的障碍与需求 - 端侧AI部署面临三重障碍：算力不足、成本过高、生态割裂 [2] - 传统消费级PC受限于显存容量与内存带宽，难以承载主流开源大模型（如Llama 3 70B、DeepSeek-R1 70B等） [2] - 企业若选择专用AI服务器，需承担数十万元硬件投入、专用机房部署及持续运维成本，而云服务则在数据隐私、响应延迟和长期费用上存在硬伤 [2] - 在医疗、金融、制造等强监管行业，“数据不能出院”是不可逾越的红线 [2] 硬件架构创新：实现算力下沉的关键 - 端侧AI的落地路径是通过硬件架构创新，在桌面级设备中实现“完整推理闭环” [2] - 关键突破在于统一内存架构（UMA）与异构计算单元的整合 [3] - 端侧AI设备必须兼顾兼容性与实用性，符合主流AI PC规范的设备可无缝运行Office、Photoshop等主流生产力工具，同时支持AI加速，实现日常工作与智能推理一体化 [3] - 设备需支持ECC内存纠错、7×24小时高负载运行，并提供PCIe x16、USB4 V2等高速接口以便未来扩展 [3] - 部分产品采用模块化主板设计，支持快速拆装，便于维护升级 [3] - 硬件创新的核心是在极致小型化前提下，重构计算、存储与互联资源的分配逻辑，使桌面级设备具备接近服务器级的推理能力，同时保留消费电子的易用性与灵活性 [4] 应用场景闭环：从技术到业务的嵌入 - 端侧AI要产生实际价值，必须嵌入具体业务流程，形成“数据—模型—行动”的闭环 [5] - 产品定义的核心逻辑是“从先锋用户需求出发，向大众市场下沉” [5] - 早期采用者多为技术极客、超级个体户或行业先锋，其超前需求（如本地运行医生考试模型、自动制作播客并模拟人声）驱动软硬件协同优化 [5][6] - 医疗领域：某三甲医院测试的AI辅助诊断系统基于本地部署的GPT-OSS 120B模型，在美国医师执照考试中得分89分，达到执业水平，并能实时辅助年轻医生判读影像，本地部署满足“数据不能出院”的合规要求 [6] - 教育领域：高校正将“与AI协同工作”纳入通识教育体系，一台具备96GB共享显存的工作站可同时运行多个教学实例，支持全班并发操作，且数据完全隔离，形成“一人一机一模型”的新范式 [6] 软硬件生态与产业链协作 - 场景实现依赖于完整的软硬栈，自研操作系统提供企业级数据安全（如快照备份、全盘加密、RAID冗余），并内置AI相册、影视墙、P2P远程访问等功能，支持Docker容器化，使设备从“存储盒子”进化为“边缘智能服务器” [7] - 产业链协作模式正在升级，芯片厂商不再仅提供硬件，而是与整机厂商共同定义AI Agent平台，围绕具体行业痛点反向推动技术迭代，缩短从技术到应用的转化链路 [7] - 未来，端侧AI的规模化普及仍需突破模型压缩、量化效率与开源生态等瓶颈 [7]