WAIC观察｜AI走出聊天框，搬进手机、眼镜、机器人的身体里

2026年WAIC（世界人工智能大会）在7月17日至20日举行，期间释放了一个非常明确的信号：AI终于从理论框架里跳了出来，实实在在地嵌入了眼镜、手机、汽车、机器人这些硬件终端。

端侧AI，成了本届大会最核心的产业共识。这背后透露出的信息很清晰：大模型正在从云端比拼参数规模，转向终端能力的实际落地。AI能不能真正服务每一个人，关键就看它能不能在离用户最近的设备上“活”起来。

沿着这个趋势，你会发现模型厂商和芯片厂商正在从“各玩各的”走向深度协同。端侧AI不是云端的缩水版，它有自己必须面对的物理约束——功耗、散热、算力、内存、隐私。在有限的资源下释放出最大的智能，拼的是软硬件一体化设计的系统能力。

端侧智能迎来“规模化落地元年”

大会期间，努比亚豆包AI手机、阶跃星辰智能体手机、夸克AI眼镜、BleeqUp AI眼镜，还有各类机器人，一大批端侧硬件密集亮相，种类相当丰富。

回想两年前，行业对大模型的想象几乎全在云端：参数越大越好，集群越强越好。但到2026年的展馆里，大模型已经从聊天框里走出来，走向端侧，开始实现端云协同。

以BleeqUp AI眼镜为例，创始人吴德周表示，他们的端侧基于开源模型自研开发了手机端侧小模型；云端大模型则根据具体场景需求，选择能力最强的通用大模型来配合。

北京智源人工智能研究院联合端侧智能北京重点实验室，在WAIC 2026上发布报告指出，大模型正在经历第二次结构跃迁：从以云端为唯一算力中枢的单点智能，走向端云分工、彼此协同的分布式智能系统。

机器人是这次大会最热门的硬件载体。面壁智能首次将端侧模型延伸到了具身领域。联合创始人、首席科学家刘知远认为，具身智能从技术上看是多模态的直接下游，高效多模态的技术积累在具身领域会有很多帮助，而这正是迈向通用人工智能的必然路径。

要让大模型真正跑在终端上，光有模型还不够，芯片支撑同样关键。

定位端/边缘AI感知计算SoC的厂商爱芯元智，围绕具身智能、边缘大模型私有化推理这两大行业痛点，发布了“元曦”系列大算力AI推理产品，推出了拥有1500TOPS算力的具身大脑控制器，配备了超旗舰带宽。

采访中，爱芯元智边缘与终端计算业务总经理刘瑞聚提到，当前很多机器人节目依赖预设程序，并不具备真正的自主智能大脑，这是下游机器人厂商的共性痛点。具身智能机器人需要采集有效数据并高效处理，无效数据无法产生高精度推理。同时，这类芯片不追求云端的极致算力，因为过高功耗会导致续航缩短、发热严重，反而限制落地场景。高能效路线能更好地适配功耗、续航和成本要求。

爱芯元智联合创始人、副总裁刘建伟表示，端侧芯片的竞争核心在于“每瓦Token数”——在同样的功耗下能产出多少有效智能。客户最终关心的是每瓦IPS或每瓦token数。这与云端“暴力堆算力”的逻辑完全不同：端侧必须在功耗、成本、散热等物理约束下倒推技术方案，而不是先做出来再解决散热问题。

目前行业模型与算力厂商正在合作，但算法与芯片的融合难度很大。面壁智能副总裁周树峰认为，这需要芯片厂商和模型厂商紧密合作，甚至芯片厂商需要调整芯片上的算子，模型厂商适配完成后也要做模型的校准，从而在芯片上保持尽量接近原模型的精度。

面壁智能联合创始人、总裁雷升涛将合作过程总结为三个阶段：第一阶段，获得芯片厂商的支持，把模型跑好；第二阶段，双方在模型发布前就共享架构，一起优化；第三阶段，协同设计模型和芯片，明确所需特性，协同设计。通过软硬件深度耦合，推动端侧AI从“能跑”走向“跑得好”。

端侧AI的“先通后专”

纵观本届WAIC的产品展示，端侧AI的竞争已经从“能不能部署”升级成了“能不能真正解决问题”。

面壁智能强调“先通后专”的思路。多模态智能首席科学家姚远打了个比方：如果你的目标是登月，但以爬树的形式来尝试离月亮更近，那是永远到不了的。他认为，当前很多具身智能的演示——叠衣服、打乒乓球——本质上还是2018年之前的专用智能路线：为了一个特定任务采集上千条数据做微调，模型除了这个任务什么都不会。这和当年做人脸识别“收集一大堆人脸数据训一个人脸识别模型”的逻辑没有本质区别。

从长远来看，行业更希望看到的是一个模型能处理多个任务、多个场景，具备泛化能力。姚远认为，真正的端侧智能应该像培养大学生一样——先通过通识教育获得关于世界的常识，再针对具体场景做专业分工。“只有培养出一个大学生来，然后你再花一点时间让它变成一个家用机器人、一个服务机器人、一个车间分拣机器人，这才是具身智能广阔的未来。”

硬件作为载体，行业普遍认为算力、生态以及安全，仍需要端云协同共同运行，才能给到用户良好的体验。

阶跃星辰联合创始人、首席技术官朱亦博表示，要想给用户完整优质的AI终端体验，单纯依靠端侧小模型或是纯云端方案都存在明显短板：端侧模型参数量远小于云端，智能能力差距显著；全云端模式则难以保障用户数据隐私。因此，最优解是端云协同，兼顾终端的实时交互、本地数据安全与云端的强推理能力。

面壁智能联合创始人、CEO李大海将端云关系概括为“端侧主内，云端主外”——端侧掌握用户上下文，保护隐私，负责实时响应与主动感知；云端提供外部世界的动态信息，协同完成任务。两者是分工而非替代，共同构成下一代智能终端的系统底座。高通公司全球副总裁徐皓在端侧AI论坛上也表达了类似判断：端侧的终端是几十亿的级别，随着模型密度越来越高、硬件算力不断提高，越来越多的大模型将迁移到端侧。

本届WAIC展示的端侧AI图景表明：2026年不只是“模型跑上终端”的起点，更是从专用智能走向通用智能、从云端独占走向端云协同、从技术炫技走向产业落地的转折之年。谁能在功耗、算力、数据、场景之间找到最优的系统平衡，谁就能在端侧AI这场长跑中占据先机。