何以端侧：晶晨、芯原、瑞芯微背后的AI变局

10月8日，晶晨半导体发布2026年前三季度业绩预告。公司预计第三季度实现营业收入26.89亿元至27.89亿元，同比增长54.45%至60.19%；预计实现归母净利润6.49亿元至6.99亿元，同比增长222.67%至247.52%。

晶晨长期稳居智能机顶盒SoC芯片出货量全球第一，目前正在冲刺港股IPO。而在它披露的募资计划中，晶晨拟将约70%的募集资金用于研发，核心方向是6nm及更先进制程芯片、端侧AI及通信芯片等。

端侧，正在成为AI时代的又一个关键词。从保存文件，到理解文件；从按照指令运行，到识别环境并完成任务，包括汽车、电子设备、机器人等产品在内的终端设备正获得新的用途。而为了让端侧设备的性能和智能更强，2026年以来，芯片企业围绕本地AI的布局也在加快。

据公开信息，瑞芯微已经完成新一代端侧协处理器RK186X研发，计划于第四季度推出，以支持更大参数量的模型；此前，宇树、智元等知名机器人企业已经采用过瑞芯微的产品，Hugging Face旗下的机器人团队Pollen Robotics打造的网红机器鸭也采用了瑞芯微2020年量产的RK3566芯片。

刚刚过去的三季度，芯原股份举行具身机器人技术研讨会，集中讨论了机器人AI计算的技术需求——多模态感知算力、端侧实时决策、极致能效密度、异构计算架构。

如今，设备如何持续感知环境、及时完成任务，以及厂商如何以可接受的成本交付产品，开始共同决定芯片的设计。AI时代的端侧芯片，正在打开新的想象空间。

一、需求从运行模型，走向完成任务

早期端侧AI的用途比较明确。摄像头识别人和车辆，智能音箱识别语音，手机完成图像处理，芯片通常围绕特定任务进行优化。但在终端智能化需求大增，尤其是大模型进入终端之后，任务之间的关系开始变得紧密。

比如AI NAS这种产品形式，曾经只是一个简单的存储，但后来增加的自然语言检索等功能，并不只是增加了一个聊天窗口。用户询问某次旅行的照片，设备需要理解问题，再结合图片内容、文件信息和存储位置返回结果；面对视频与文档，还需要处理不同类型的数据。模型推理必须与原有的文件系统、检索服务和交互界面配合，才能成为日常可用的功能。

在类似的办公场景，AI开始进入企业原有的工作流程。客户不必先把文档迁往新的平台，再使用AI服务，而是能够在原有数据和业务系统上增加智能功能。

此时，企业文件、会议内容和业务记录适合留在内部，持续使用的任务可以减少对外部网络和云端调用的依赖。对芯片厂商而言，客户购买的不再只是某项推理能力，而是能否支持一套稳定运行的办公产品。

而对于想象力最大的机器人这个产品形态，它把需求推进得更远。

清洁机器人识别污渍之后，还要决定是否清洁、选择路径、控制机身，并根据执行结果修正动作。人形机器人则需要同时处理视觉、姿态、触觉等信息，在环境变化时保持动作稳定。环境理解和运动控制有不同的响应要求，不能让所有任务都等待大模型给出答案。

作为ASIC领域代表企业，芯原在它的具身机器人相关技术分享中提出的多模态融合、实时响应、高能效与异构协同，正对应上述需求。机器人需要的不只是识别结果，而是从感知到执行的完整能力。

而纵观所有潜在的应用领域，终端用途越丰富，芯片市场也越难用某一种产品概括。家庭设备重视安静运行、成本和长期在线，工业设备重视数据安全与可靠性，机器人重视响应速度、续航和运动控制。不同需求会形成不同档位、不同架构的产品，而不是全部集中到最高算力的芯片上。

一个很好的观察窗口，是瑞芯微已有的客户基础。其2025年推出的代表性产品RK182X已经进入十余个行业，超过300家客户采用。电视、NAS、机器人与办公设备分别寻找适合自己的AI功能，端侧芯片的商业机会也随终端用途逐渐展开。

二、架构围绕实际体验优化，芯片迭代有了更多方向

AI时代，当设备需要连续处理图像、语音和文本，芯片性能就不能仅靠峰值算力描述。

大模型推理需要反复读取参数，并访问推理过程中产生的数据。计算单元即使具备较高处理能力，也必须获得及时的数据供给；存储访问跟不上，用户仍然可能遇到回答缓慢、交互不流畅的问题。持续运行还会增加功耗，对没有充足散热空间的终端尤其重要。

瑞芯微在2025年7月发布RK182X，随后进入量产。产品围绕大模型推理调整内部数据通路与存储系统，使计算与数据访问更紧密配合，同时采用“SoC＋AI协处理器”的架构，由独立协处理器承担主要AI推理任务。

对于终端厂商，独立协处理器有实际价值。

一台电视、NAS或机器人，原有主控已经负责显示、连接、设备管理和控制等功能。厂商增加AI能力时，往往希望保留已经验证的系统，而不是重新开发整套硬件。通过协处理器增加推理能力，可以延续原有产品平台，也便于按用途选择不同档位的AI性能。

模型与终端主控的迭代速度并不相同。模型能力持续变化，成熟设备的接口、控制逻辑和软件系统则需要保持稳定。让AI推理承担相对独立的职责，有助于厂商在保留既有设计的同时更新智能功能。

瑞芯微计划于2026年第四季度推出的RK186X，也延续了产品分档的思路。据公司披露，新产品将支持更大参数量的端侧模型，与RK182X共同覆盖不同需求。对于只需完成本地检索或视觉判断的设备，以及需要更复杂多模态交互的终端，厂商可以选择相应方案。

随着机器人等产品继续发展，芯片内部各类处理单元如何协作，也会成为更重要的设计工作。

CPU适合管理系统与调度任务，NPU负责神经网络推理，GPU能够处理图形和部分并行计算，实时处理器承担控制任务。各单元之间的数据共享、通信和调度，会影响整机响应与能耗。机器人既要理解环境，也要稳定控制关节，系统不能只优化其中某个环节。

在这方面，芯原股份的布局可供参考。芯原并不主要依靠销售某一颗统一规格的终端芯片，而是向客户提供处理器、视觉等IP，并结合芯片定制服务，参与客户的系统设计。其2026年7月推出了CPP2000摄像头后处理IP，针对具身机器人和视觉应用，体现了产品供给正在围绕新终端需求继续细化。

摄像头是机器人获取环境信息的重要入口。图像如何处理、如何交给后续感知与推理单元，会影响整个视觉系统的效率。专门的视觉IP能够让客户在芯片设计阶段优化相应环节，而不是等芯片完成之后，再完全依靠软件弥补。

彼时，集成芯原NPU IP的芯片累计出货已接近2亿颗。累计规模覆盖多类AI应用，说明其能力已经经历大量产品实践，也为机器人等新用途提供了可以复用的技术基础。

端侧芯片的进步，可以来自更强的计算单元，也可以来自更合适的存储组织、更高效的视觉处理，以及更顺畅的系统协作。技术方向越丰富，不同类型芯片企业参与新市场的机会也越多。

三、从芯片交付到产品交付，产业分工正在深化

终端AI需求增加之后，设备厂商面临一个具体选择：采用成熟平台，还是围绕自己的产品定义芯片。

对于用途仍在探索、产品需要尽快上市的企业，成熟平台通常更有吸引力。芯片已经具备可用的软件工具、接口和开发经验，客户可以把资源用于产品设计与应用开发。

瑞芯微的优势与长期积累的终端客户有关。RK3588已经进入几十个下游行业，服务近千家客户。工业视觉、机器人和家庭设备虽然用途不同，但都需要操作系统适配、多媒体处理、外设连接与软件支持。已有平台能够减少重复开发，使新功能更快进入终端。

RK182X延续了类似路径。AI电视方案在2026年上半年已有客户量产，AI NAS产品在三季度陆续发布，各类机器人方案也已有量产终端。产品从发布到客户采用，再到实际销售，正在形成持续交付的过程。

客户数量增加，还会积累更多模型适配和应用开发经验。电视需要画面处理，办公设备需要文档理解，机器人需要视觉和控制协作。不同项目产生的问题能够推动工具链与方案完善，后续客户也可以利用已有成果，降低开发成本。

当终端用途逐渐成熟，产品规模扩大，部分厂商则会希望获得更贴合自身需求的芯片。

例如，长期运行的工业设备可能对功耗、接口和可靠性有特殊要求；机器人企业也可能希望把自身的软件算法、传感器配置与控制需求更早纳入芯片设计。专用芯片能够围绕确定的工作负载优化，但客户需要具备相应的开发投入和产品规划。

芯原的IP授权与一站式芯片定制服务，正适合参与上述过程。客户可以复用已经验证的IP，再围绕产品要求完成系统设计与量产，不必独立建立所有底层技术能力。

2025年，芯原来自非芯片公司客户的收入为12.89亿元，约占总收入的40%。显然，拥有终端产品、算法和行业需求的企业，也在借助专业服务参与芯片定义，这其实拓宽了行业固有的客户来源。

对端侧产业而言，成熟平台和定制服务能够形成互补。前者帮助更多企业快速开发产品，后者支持需求已经明确的客户进行深度优化。随着应用丰富，行业既需要通用供给，也需要专业分工。它们共同服务的，是终端厂商持续增加的产品开发需求。

伴随模型、软件与硬件持续配合，端侧芯片有机会成为新用途、新产品和新商业模式共同发展的基础。

来源：松果财经