AI端侧应用正加速渗透，技术革新推动硬件升级
随着生成式AI的蓬勃发展，在低功耗端侧设备进行边缘AI计算的需求也将显著增加。AI端侧应用通过本地化数据处理实现低延迟、高隐私与强 交互体验，从单一语音助手拓展至多模态全场景，覆盖智能家居、可穿戴设备、AI玩具等消费级产品。高通指出，DeepSeek R1的推出标志着推 理向端侧迁移，推动AI模型向轻量化、高效、定制化演进，特定场景的大模型与应用将提升AI端侧的渗透率。
随着搭载AI算力的智能终端设备渗透，核心硬件SoC芯片市场迎来新的发展机遇。AI增强型SoC通过集成神经处理器（NPU）与可重构计算单元， 结合算法-芯片协同优化，突破传统处理器的能效瓶颈，实现功耗、性能、面积（PPA）的三维优化，可有效释放边缘侧的实时推理与决策能力。
音频成为端侧AI落地的首要载体
音频作为高频次、高强度信息交互的重要载体，正快速成为AI落地端侧的首要信息维度。当前，端侧AI+音频专用模型正凭借以声纹识别、智 能降噪、声场定位、定向传声、离线翻译、人声分离、语义分析等为代表的众多实际应用场景，持续推动端侧AI产品的重构与革新。
智能无线音频芯片需要综合考量功耗、算力、连接性能、成本等多个方面。随着AI技术的深度融合，AI算法将在智能无线音频SoC芯片中得到 更广泛应用，将会集成更强大的NPU，以更低功耗支持更大更复杂的AI模型，使产品在AI音频体验上更加自然流畅。同时，在无线连接技术应 用上，为兼顾通用性和低延迟、高效率，也将呈现通用的蓝牙、WiFi等协议与私有通信协议共存的情况。
概述|SoC和MCU有何不同
SoC（System on Chip，即系统级芯片/片上系统）是将CPU、GPU、NPU、DSP、存储器等系统关键部件集成于单一芯片，实现完整系统功能，可 承担复杂计算任务（如语音识别），运算能力强、功能丰富，支持多任务复杂系统，价格较高，国产代表企业包括晶晨股份、瑞芯微等。MCU 芯片（Micro Controller Unit，即微控制器/单片机），整合CPU、内存、接口、驱动电路等，形成芯片级计算机，主要用于终端控制（如电 机驱动），属小型计算机架构，仅提供基础内存、接口及处理能力，功能更单一，国产代表企业有兆易创新、乐鑫科技等。
两者核心差异：SoC集成度高、性能强，适配复杂场景；MCU侧重基础控制，功能与性能更基础。二者在应用定位、性能层级上形成明显区分， 分别满足不同硬件需求。
芯片架构|RISC-V开源架构可提升国产芯片设计自主性
芯片架构是实现指令集的硬件路径，是指令集的载体，可以理解为芯片功能的某种实现路径。芯片架构可支持一个或多个指令集，主流架构 包括X86、ARM、RISC-V、MIPS等。
RISC-V作为精简开源指令集架构，企业能自由使用且扩展自定义指令集无需公开，在自主可控性、可扩展性和成本优化上优于ARM。据RISC-V 国际基金会预测，2024年搭载RISC-V处理器的SoC约20亿颗，2031年有望超200亿颗。我国半导体产业关键技术和知识产权一定程度依赖海外 IP授权，在贸易环境不确定下，企业对自主可控技术需求迫切。RISC-V凭借开源优势，可提升我国国产IP设计与研发的独立性、自主性，国 家也逐步推出政策鼓励其应用与发展。
ARM|内核架构分三类：通过架构分化精准匹配不同场景需求
ARM架构自ARMv1逐步演进，ARMv7时期首次划分出Cortex-A（应用处理器）、Cortex-R（实时处理器）、Cortex-M（微控制器）三大核心系列， 替代 传统的 ARM 命名体系。 Cortex-A 系列专为高性 能计算设计， 支 持iOS、 Android、 Linux等操作系统 ，应用于智能 手机（如 A8/A9/A15/A57/A72/A73/A75）、平板及网络设备，具备多核处理能力。Cortex-R系列面向实时控制场景，如硬盘、4G通信模块、相机及汽车 系统（代表型号R7/R8），强调高可靠性与实时响应。Cortex-M系列专注低功耗嵌入式领域，覆盖物联网、家电、汽车电子，现有M0、M0+、M3、 M4、M7及基于v8-M架构的M23（M0/M0+升级版）、M33（M3/M4升级版），主要用于控制与监测任务。
NPU|技术架构随AI算法和应用场景不断演进
根据高通AI白皮书，早在2015年，NPU主要面向音频和语音AI用例而设计，支持简单CNN及标量/向量运算；2016年后，随着拍照、视频AI兴起， 面对Transformer、RNN等复杂模型的张量运算需求，NPU增加张量加速器和卷积加速。
NPU具备两大核心技术特点：一是模拟人类神经网络运作方式，通过并行处理优化芯片内"任务流"分配，减少运算资源闲置；二是采用"近存运 算"或"存内运算"技术，缩短数据传输距离，降低能耗并提升存取速度，实现存储与运算一体化。当前，AI PC和手机芯片普遍将CPU、GPU、NPU 整合为SoC，三者相辅相成——NPU作为AI硬件加速器，专注于边缘AI负载，补充而非取代CPU和GPU，可释放通用处理器资源处理其擅长任务。
无线连接|物联网的主要实现方式
物联网泛指万物相连的网络，其基础是通过标准通讯协议使物体可以互相通讯和连接，实现数据和控制命令的传输，并根据应用场景将数据传 输到云端进行处理和控制，无线连接是物联网的主要实现方式。物联网端侧连接需求持续增长，推动局域无线连接技术的应用扩展，涵盖WiFi、 蓝牙、ZigBee、2.4G私有协议、Thread等，主要工作于2.4GHz等共享频谱频段，具备组网灵活、支持多节点部署、不占用授权频段等优势。除 WiFi功耗较高外，其余技术均具有低功耗特性，适用于智能家居、可穿戴设备、新零售、健康医疗等中短距离物联网通信场景。
各种无线连接技术的融合互补拓展了设备功能与应用场景，终端可根据带宽、覆盖范围、功耗等场景需求，灵活切换通信方式，实现高效互联 与协同工作。
物联网无线连接芯片是万物互联的核心
物联网应用繁多，底层无线通信协议多样，蓝牙、ZigBee、Thread、2.4G私有协议及多模协议分占细分市场。无线连接芯片是万物互联的核心， 无线化浪潮推动射频芯片革新，蓝牙、WiFi等技术迭代，提升设备无线通信的传输速率、距离和稳定性。蓝牙、WiFi、ZigBee等低功耗芯片在 智能家居、可穿戴设备、新零售等领域地位愈发重要，这些领域的蓬勃发展，催生了市场对高集成度、多模、低功耗IoT连接芯片的需求。主控 SoC芯片需在有限空间和能耗内实现射频通信、音频播放、视频编解码等功能。高度整合的SoC芯片可减少产品芯片数量，降低开发难度、功耗、 成本，同时减轻产品的体积和重量。
多模无线连接|一枚芯片同时满足多种连接需求是趋势
多种无线传输协议并存，因技术标准差异导致设备无法互联互通，不仅增加软硬件成本，还降低了传输效率。多模SoC芯片的设计逻辑是让一枚 芯片支持多种连接方式，能简化设计流程，节省空间与成本，避免多芯片方案的通信、干扰等复杂问题，成为物联网连接芯片行业发展趋势。
以智能家居领域为例，低功耗蓝牙兼容手机设备，ZigBee在组网应用方面更成熟，开发人员和制造商倾向于采用同时支持两者的多模无线连接芯 片。若智能门锁使用多模芯片，用户到家时可通过手机蓝牙发送指令到智能门锁开门，智能门锁随即会单独发送一条ZigBee指令到整个智能家居 系统来开灯，并可根据用户偏好开启智能暖通空调系统，设置智能恒温器的温度等，确保设备无缝操作运行。
蓝牙|蓝牙技术快速升级迭代，低功耗蓝牙是主流方案
蓝牙凭借功耗、成本、功能的平衡以及扩展性强等优势，成为无线通信领域的重要技术。为应对2.4GHz ISM频段的拥挤问题，蓝牙采用跳频技 术——将频带划分为多个信道，收发双方按特定规律切换信道通信，从而有效规避干扰，保障安全性与抗干扰能力。
根据泰凌微招股书，2010年发布的蓝牙4.0首次引入低功耗标准（BLE），标志从经典蓝牙向低功耗蓝牙阶段的转型。相比经典蓝牙，低功耗蓝牙 支持点对点、广播、Mesh组网多种连接方式，传输距离可达数百米甚至公里级，且功耗大幅降低，逐渐成为数据传输、设备组网的主流方案，在 物联网、音频传输等领域广泛应用。后续版本持续强化低功耗特性，例如5.2版本支持同步传输信道，适配TWS耳机、AuraCast广播音频等低延时 音频场景；5.3版本优化定期广播与加密，巩固物联网应用；5.4版本实现单接入点与数千终端双向通信，增强Mesh网络安全性。
AI眼镜|基于“一体化集成”模式，融合人体重要感知交互方式
随着AI技术兴起，众多创业公司和知名品牌瞄准“AI智能眼镜”领域，RayBan Meta的成功更激发行业关注。相较传统XR设备，AI智能眼镜聚 焦视、听领域，无需厚重光学设计，更轻薄，贴近日常生活，佩戴舒适，使用边界感弱化。用户常用其进行影像拍照、第一视角直播、听歌通 话、AI语音交互等。在AI发展重心向终端转变过程中，AI智能眼镜基于“一体化集成”模式，整合多种设备功能，满足用户多方面需求，带来 便捷多元高效体验，融合人体重要感知交互方式，有望成AI技术落地最佳硬件载体之一。
AI玩具|更加注重用户体验和互动性
字节跳动的非外售AI陪伴玩偶“显眼包”因内嵌豆包大模型、扣子专业版等AI技术备受关注，其具备对话交互、情感交流等能力。随着AI大模 型技术进步，对话交互、答疑解惑及情感陪伴等能力正从线上向线下迁移，AI玩具有望成为AI大模型的重要实物载体。相较于其他领域，AI玩 具更注重用户体验与互动性。
当前市场上，乐鑫科技、全志科技、炬芯科技等是提供AI玩具方案的主流芯片企业。以字节“显眼包”为例，其采用乐鑫科技ESP32-S3芯片， 乐鑫同类型ESP32-S4也支持本地神经网络计算，具备本地AI处理能力。AI童伴“会说话的汤姆猫”则搭载全志科技R128-S3芯片，其双核心架构 （RISC-V XuanTie C906+Arm Cortex-M33）提供强大运算能力，支持情绪识别、双语互动、万物科普等功能。
智能手表|健康是腕戴设备的第一需求，AI成智能穿戴新方向
智能手表凭借不断完善的健康监测能力成为独特卖点，其监测功能从记录心率、睡眠时长等基础数据，进化到能监测血氧浓度、睡眠质量、血 压数值等复杂指标。但受限于芯片体积，智能腕戴设备算力远不如智能手机，长期未能实现功能性重大突破。然而，AI技术为其提供新路径： 通过分析用户运动状态，实时生成个性化训练计划并提示风险，让运动监测更科学；基于用户习惯自动调用常用功能、简化操作界面，降低老 年人、儿童等群体的使用门槛；提升语音助手的语义理解能力，使其更贴合自然交互习惯。目前，小米、华为已将AI大模型融入自家智能手表， 使其从普通设备转变为可佩戴的贴心健康助理。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
