上市公司在AI端侧领域的技术布局与产品规划，核心围绕端侧AI算力、系统级芯片（SoC）、语音用户界面（VUI）、端侧模型和隐私计算展开，目前已有全屋智能音箱等产品实现量产，未来将构建一体化AI能力与多元终端生态，但短期内这些业务对总体经营业绩的影响有限。
端侧AI的技术范畴与核心能力
端侧AI指在终端设备（如音箱、家电、可穿戴设备）上直接运行AI算法，而非依赖云端。关键技术包括：
- SoC（系统级芯片）：集成CPU、GPU、NPU（神经网络处理单元）等模块，为端侧推理提供算力基础，降低延迟。
- VUI（语音用户界面）：实现自然语言交互，支持离线指令识别与执行。
- 端侧模型：轻量化AI模型（如蒸馏后的Transformer），可在低功耗芯片上运行，完成语音唤醒、图像分类等任务。
- 隐私计算：通过本地数据处理，避免敏感信息上传云端，符合数据安全法规。
技术研发重点在于提升端侧算力的能效比——在有限功耗下实现更高推理速度。多数公司采用“云+端”协同架构，将实时性要求高的任务（如唤醒词检测）放在端侧，复杂计算（如语义理解）部分依赖云端。
现有产品与量产情况
已落地的典型产品为全屋智能音箱，搭载自研端侧AI芯片，支持离线语音控制、多设备联动和本地场景编排。量产情况上，该产品已进入规模化生产阶段，月出货量达到万级水平，主要面向智能家居市场。其他端侧产品还包括：
- 智能摄像头：利用端侧模型实现人脸识别和异常行为检测，无云端延迟。
- 边缘计算网关：整合多个终端设备的端侧推理结果，优化全屋响应速度。
关键结论：量产产品已验证端侧AI的商业可行性，但现阶段营收贡献占比较低，更多是技术储备和生态入口作用。
未来规划与投资提醒
未来规划分两个层面：
- AI应用一体化能力：构建统一端侧操作系统，让不同品牌设备共享端侧模型库和算力资源，实现跨设备协同推理。例如，智能音箱的端侧模型可调用摄像头的数据，完成“人声定位+视觉跟随”的复合任务。
- 多元终端生态：从智能音箱扩展至智能门锁、扫地机器人、AR眼镜等品类，形成覆盖“听、看、动”的端侧AI矩阵。规划目标是三年内将端侧AI模块嵌入至少10类终端，并开放部分SDK给第三方开发者。
投资提醒：端侧AI技术和产品仍处于早期阶段，短期内（通常指1-2个财年）不会对上市公司总体经营业绩产生重大影响。投资者需关注技术研发投入对利润的挤压，以及产品化过程中的良率、成本控制等风险。业绩拐点通常需要等到端侧AI在消费电子中的渗透率超过30%时才会显现，以行业经验看，这可能需要3-5年。
常见问题
端侧AI和云端AI的主要区别是什么？
端侧AI在设备本地运行，延迟低、隐私好，适合实时交互场景（如语音唤醒）；云端AI依赖网络，算力更强，适合复杂推理（如大模型对话）。大多数公司采用混合方案，端侧负责预处理和简单推理，云端处理高负载任务。
全屋智能音箱的端侧AI算力指标是多少？
通常采用4-8 TOPS（万亿次操作/秒）的NPU，配合1-2GB内存，可支持200个以内离线语音指令的实时响应。具体指标因芯片方案而异，常见方案来自高通、联发科或自研芯片。建议查阅产品规格书确认最新数据。
端侧AI产品化的最大挑战是什么？
功耗与性能的平衡。端侧设备电池容量有限，而AI推理功耗高；同时，模型精度不能过度降低。行业普遍通过模型量化（如INT8精度）和硬件加速（如专用NPU）来解决，但效果仍受制于芯片制程工艺。