AI 端侧的本质是大模型落地终端的硬件载体，其行业发展节奏需结合大模型与硬件产 品双向考量。如今大模型轻量化与硬件算力均已日趋成熟，软硬件协同突破扫清了规模 化障碍，2026 年正迎来 AI 端侧规模化放量的关键元年。
模型：AI 行业的上半场—厂商核心竞争力
海外大模型行业持续高速演进，tokens 处理规模稳步攀升，谷歌、微软等头部厂商 token 处理量实现数十倍增长，模型上下文长度不断突破，支撑复杂场景应用落地。同时， OpenAI、Anthropic、谷歌等企业密集推出新型模型及迭代版本，形成差异化竞争格局。 多模态作为技术融合核心方向，已实现文本、图像等模态的初步融合，2026 年随着技 术持续突破与应用场景拓展，其商业化潜力将加速释放，我们长期看好海外多模态模型 的发展前景。
当前大模型的下游受众分为 to B 与 to C 两种渠道。B 端业务因需深度匹配企业客户差 异化需求，呈现高度定制化特征，导致市场扩张速度相对平缓，但依托明确的价值交付 与长期服务，付费模式已形成成熟闭环，商业化变现具备较强确定性。C 端业务凭借标 准化产品可快速触达海量终端用户，扩张效率突出，易实现规模化突破。例如 ChatGPT 2023 年 1 月访问量约 6.16 亿次，而 2025 年 8 月访问量已经提升十倍至 61.6 亿次。但 C 端业务受用户付费意愿、消费习惯及同质化竞争影响，付费转化难度较大，商业化变 现面临一定挑战。同时 ChatGPT 作为问答式 AI 应用的代表，截至 2025 年 12 月已覆 盖全球 10.67%的人群，其受众人群或即将触及瓶颈，急需寻找新的 AI 模型流量入口。
载体：AI 行业的下半场—流量入口之争
从产业趋势看，AI 端侧是 AI 模型 to C 渗透的重要入口，当下互联网模型厂商和手机厂 商纷纷入局。AI 端侧硬件是 AI 模型落地触达用户的重要流量入口，承载着模型轻量化 部署与场景渗透的关键使命，其战略价值日益凸显。当前，各大互联网厂商与手机厂商 纷纷加码布局，争相抢占端侧 AI 赛道的发展先机。2026 年 CES 大会上，这一竞争 趋势尤为直观，仅眼镜类相关企业就有 59 家参与展览，直观展现了端侧 AI 硬件领域 的火爆态势与广阔市场前景。且相比 ChatGPT、豆包等模型在对话场景，谷歌在搜索场 景的统治地位，当下 AI 端侧竞争格局相对分散，参与厂商极为多元，是当下消费电子 行业景气度较高的赛道。
从盈利能力看，AI 端侧是模型厂改善现金流的重要方式。当下“AI 泡沫论”的核心论点 在于 AI 模型难以创造足够的收益支撑庞大的资本开支，甚至北美云厂商已经开始发债 支持 AI 投入。根据摩根大通测算，2030 年前若想实现每年 10%的收益率则至少需要创 造 6500 亿美元的 AI 营收，相当于每位 iPhone 现有用户人均每月贡献 34.72 美元，因 此除 AI 模型订阅付费以外，寻求新的盈利模式势在必行。 相比于月度订阅付费模式，AI 硬件销售可短期迅速改善现金流。目前主流 AI 眼镜品牌 售价均在 300 美元以上，且毛利率均高于其他消费电子产品。同时 AI 眼镜通常与眼镜 奢侈品牌合作开发，例如依视路销售眼镜的平均毛利率约 60%，消费者购买 AI 眼镜的 性价比更加突出，实现模型厂与消费者的双赢。
AI 端侧硬件产品经过多年发展，已经确立两条发展主线：轻便化与多元化。 （1）轻便化：以虚拟现实行业为例，回顾虚拟现实过去十余年的发展，包括苹果、Meta 等巨头更多侧重于光学模组以及处理器等硬件技术的研发突破，但没有平衡重量、续航 等基础体验，由此导致使用场景相对单一，消费者对 XR 设备没有产生足够粘性。从虚 拟现实设备形态的变迁可总结出：重量更轻、续航更久、价格更低是虚拟现实产品大范 围落地消费市场的必要发展趋势。AI 眼镜尽管牺牲部分性能，但由于佩戴体验与普通眼 镜几无差异，可以全天佩戴；此外价格为广大消费者接受，并且通过最基础的语音对话 形式使消费者操作非常便捷，长时间的使用与交互进而产生依赖性。
（2）多元化：随着端侧 AI 技术从云端向设备端下沉，其载体品类愈发多元，各类形态 的智能设备层出不穷、持续迭代。从可穿戴的 AI Pin、AI 眼镜、AI 戒指，到日常高频使 用的 AI 手机、AIPC，再到适配儿童场景的 AI 玩具，覆盖了穿戴、办公、娱乐等多个领 域。这些载体各具特色、各有侧重，既彰显了端侧 AI 的广泛适配性，也推动智能体验融 入生活的每一个角落，呈现出百花齐放的发展态势。 整体来看，无论是模型厂商、手机厂商的推进意愿与研发投入，还是下游终端场景的需 求，以及 AI 端侧产品形态的迅速迭代，都为 AI 端侧产品放量打造坚实的基础，天时地 利人和兼具。
端侧 AI 产业已形成覆盖全价值链的完整生态体系。上游以 AI 芯片、存储、电源、 传感器、通信模块等硬件及操作系统、数据库等基础软件构成核心技术支撑层；中 游由具备模型优化、硬件适配和系统集成能力的设备商提供从底层硬件到上层应用 的一体化解决方案；下游则通过行业解决方案和软硬件产品服务满足多元化应用需 求，形成了从技术研发到产品落地的高效协同产业链。
模型：端侧模型研发门槛下降，Agent 融入操作系统
根据 Deepseek 公布的数据，在参数量基本一致的前提下，经过 Deepseek 蒸馏后的模型，其数学、科学、编程等方面的能力得到了显著提升。Deepseek 的推出为 AI 模型 研发提供了新路径，其依托先进的蒸馏技术，以 “教师 - 学生” 范式实现知识高效迁 移，在大幅压缩模型参数、降低算力与研发成本的同时，最大限度保留核心能力，有效 降低了 AI 模型研发门槛。这让终端厂商无需投入巨额资源，就能自主研发适配自身产 品生态、满足个性化需求的 AI 模型，助力 AI 技术从云端走向端侧，推动终端领域智 能化升级。
随着开源生态完善、中间件普及及架构创新，AI 模型研发门槛大幅降低，打破了以往高 算力、高成本的限制。这一变化直接推动多模态模型推出节奏加速，各类兼具多维度数 据处理能力的产品持续涌现。多模态模型可一体化解析文本、图像等异构数据，兼具泛 化性强、响应高效的优势，经轻量化优化后能适配端侧设备算力约束，无需依赖云端传 输，比传统单模态模型更契合 AI 端侧产品便携、实时交互的核心需求，成为端侧 AI 落 地的关键支撑。
从模型与端侧的结合紧密程度来看，AI 端侧从“搭载 AI 功能的硬件产品”逐步升级为 AI 模型接入底层操作系统的超级智能体。AI 技术在终端产品落地时，一般经历 “应用 层集成 AI”、“系统层融合 AI”、“以 AI 为中心的全新 OS”三个阶段： （1）应用层集成 AI：单点特性的智能增强，如在翻译，图片处理，文字识别等领域引 入 AI 能力，以增强单点特性的功能体验； （2）系统层融合 AI：AI 能力全面下沉 OS，为上层应用和服务提供开箱即用的原子化、 控件级 AI 能力。同时，对系统高频应用和服务进行智能化改造，如图片一键消除、图库 检索、图片文字提取、日程自动生成等，提升 OS 系统的智能感； （3）以 AI 为中心的全新 OS：下一代智能 OS 架构，统一的 AI 子系统底座使得 OS 各 个组件内部和彼此之间都能够灵活高效地使用 AI 技术；此外，内置于 OS 内的系统级 AI Agent 出现，使得智能 OS 不仅仅是一个操作系统，更是能够深度理解用户、自主闭 环用户任务的、智慧的、常驻的超级智能体，即 Agent。
Agent 融入操作系统，实现了与端侧设备的深度绑定，既能打破功能壁垒，充分调用端 侧全部硬件性能与系统资源，规避传统调用模式的能耗与延迟问题，让指令执行更高效 流畅。另一方面，它能在长期陪伴中捕捉用户使用习惯与潜在需求，通过持续交互不断 迭代优化，精准贴合用户个性化偏好，逐步成长为懂用户、护需求的顶级智慧助手。这 种 “性能适配 + 情感共鸣” 的双重优势，大幅提升了用户体验，有效增强了用户与 AI 端侧之间的粘性，成为端侧智能的核心竞争力。
（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。）
