□川观智库研究员 刘成婧看 趋 势能力迁移 端侧AI产业化加速●隐私、时延、功耗等问题促使计算从云端向端侧“下沉”●端侧AI发展提速，正在从单点探索进入多方共同参与的产业化阶段　　川观智库：端侧AI怎么理解？和手机下载AI应用是一回事吗？　　周军：手机只是“端”的一种。端侧AI，简单来说就是把AI的推理能力直接放在手机、电脑、汽车这些终端设备上运行，在本地完成计算。　　现在多数人日常使用的手机AI，比如DeepSeek、Kimi、豆包等，都是云端AI。无论是让AI帮你处理文档，还是PS图片，都需要先把数据发到云端去计算，再将结果传回本地端侧设备，整个过程依赖网络。端侧AI和云端AI的核心区别，就是计算发生在哪里。　　陈天昊：端侧与云端并不是非此即彼的关系。从基础模型、记忆模块到工作流和工具调用，AI的不同组成部分往往分布在从云端到终端的长链条上。端侧AI，主要是指更多关键能力和数据向终端一侧汇聚。　　川观智库：AI能力为什么需要从云端转向端侧？周军：云端AI有三个绕不开的问题：一是隐私，用户的个人数据要传输到云端服务器，中间经过多少节点、谁能接触到、会不会留痕，用户既看不见也管不了；二是时延，如果网络信号不好或在线用户太多，云端AI的响应速度会变慢，这对自动驾驶、实时翻译等需要迅速反应的场景尤为不利；三是功耗，持续传输大量数据所消耗的电量，可能高于本地处理数据本身的功耗。　　以前大家对AI依赖不深，感受不强烈，随着AI融入日常生产生活，这些短板会越发明显，所以产业界开始把AI能力向端侧迁移。当然，全部放在端侧也不现实，未来80%的任务可能在端侧解决，比较复杂的任务还是得上云。端云协同是长期趋势。　　陈天昊：是的，未来趋势是两者的任务分工越来越精细化。涉及隐私、安全的敏感信息在端侧闭环；复杂推理、大规模多模态处理、需要调用超大模型的任务仍需借助云端算力。　　川观智库：有观点认为2026年是端侧AI的转折之年？庞伟伟：从技术角度看，2026年确实是端侧AI加速落地的重要阶段，有几个依据，比如终端算力持续提升，端侧模型运行条件逐步具备；模型蒸馏、剪枝、量化等技术日趋成熟，模型轻量化程度越来越高；手机、电脑、汽车、家电等厂商正在把AI能力从单一功能升级为系统级能力。　　但不宜简单理解为端侧AI产品都已成熟。目前拍照优化、语音识别、实时翻译、会议纪要、智能座舱以及家电语音控制等功能相对成熟，而能稳定完成跨应用、长流程任务的智能体产品仍处在发展初期。因此，更准确地说，当前是从“单点AI功能”向“系统级智能”过渡的阶段。　　陈天昊：说“加速之年”可能更准确。一连串大动作凑在一起，意义不一样。从去年底豆包手机助手出现，到今年初OpenClaw等个人智能体进入公众视野，再到上月首批手机端侧AI完成备案，可以看出端侧AI已经开始由单点探索走向多家终端厂商共同参与的产业化阶段。当产品形态、用户需求、终端厂商投入和监管准入机制同时向前推进时，一个新产业才真正具备规模化发展的条件。从这个意义上说，2026年确实是一个重要节点。看 演 变智能体向系统层渗透 重塑人机交互新入口●端侧AI的智能体或将成为新的流量分发入口，而入口价值的实现取决于生态开放程度●“数字分身”带来隐私安全挑战，需明确用户授权机制　　川观智库：未来的端侧AI是什么形态？像现在的App，或是融入手机的AI助手？　　陈天昊：目前行业正在探索不同的技术路线，你说的这两种形态都有可能。　　当智能体就是一个普通App时，它可以通过两种方式帮用户做事。一是调用应用厂商开放的API接口，比如用外卖智能体，能一句话点外卖、订酒店，但只能在其所属生态内完成，操作不了其他应用；二是利用GUI技术，模拟真人点击屏幕，不需要其他应用开放接口，但这种方式需要系统授权，容易被识别和拦截。　　当智能体成为操作系统的一部分，也是通过这两种方式执行任务，不同之处在于它能获得系统级的记忆、权限和调度能力，真正承担端侧生态中的基础性功能，用起来更流畅、更稳定。所以，智能体与操作系统的深度融合将是主流方向。　　庞伟伟：App不会很快消失，但其角色可能发生变化。过去用户需要主动寻找并操作App，未来一部分服务可以由智能体根据用户指令进行调用。App可能从直接面向用户的操作界面，逐步增加面向智能体的服务接口。　　陈天昊：手机等端侧AI的智能体，可能演变成人机交互的“超级入口”，决定流量分发。但这还要取决于数字生态的开放程度。如果各家企业都把智能体局限在封闭生态中，最终可能演变为几个彼此隔绝的“围墙花园”；如果能实现开放共生，智能体才可能真正成为连接不同应用、服务和工具的新型协作入口。　　川观智库：端侧AI产品比如智能体手机的核心卖点是什么？越用越懂用户的手机会带来隐私与安全挑战吗？　　庞伟伟：我认为核心卖点是“记忆”和“个性化”。智能体的“记忆”通常来自三类信息：用户设置的偏好、长期交互形成的使用习惯，以及经过授权调用的日程、文件和设备数据。系统通过本地用户画像、知识库、检索增强和持续反馈，逐步提高个性化水平。　　新的安全挑战随之而来，包括过度收集数据、敏感信息泄露、错误记忆以及不同应用越权调用等。因此需要落实最小必要、明确授权、本地优先、可查看、可修改和可删除等原则。　　陈天昊：越懂用户，意味着智能体手机掌握的个人信息越多。所以首先要关注隐私泄露风险，哪些信息可以传出终端、传给谁、用于什么任务、保存多长时间，都需要清晰的授权和控制机制。授权不能只有一次性的“全部同意”，应当允许用户根据具体场景设定范围、随时撤回，并能够实时了解AI正在读取什么信息。　　安全风险同样值得关注。智能体的能力底座仍然是语言模型，它通过自然语言与各个应用交互，有可能受到提示词注入等攻击。由于端侧智能体通常拥有较高的设备权限，一次认知层面的欺骗可能转化为真实操作。因此，企业不仅需要在上线前，开展专门的安全测试，还需要根据攻击方式变化持续更新防护机制，并对敏感行动设置不可绕过的权限约束和人工确认选项。看 机 遇竞争窗口期 激活初创企业创新力量●上游硬件、下游应用可能率先形成规模化市场●产业格局尚未成熟，四川有实力、有机会抢占生态位　　川观智库：从产业发展的角度看，端侧AI产业链中哪些环节最有可能率先规模化落地？　　庞伟伟：端侧AI由硬件、模型、操作系统和应用共同推进。从近期看，容易率先形成规模的主要有两类：一类是产业链上游环节，比如智能模组、轻量模型等基础能力层，上游发展好了，下游应用才有更好的支撑。另一类是需求明确、使用频率较高的应用，比如多模态交互的指令控制、图像和视频的制作剪辑、办公助手、AI眼镜、智能座舱和智能家电等。通用型、跨应用智能体的发展空间很大，但其规模化仍需要解决可靠性、权限协同和商业模式等问题，预计会在更晚时间才能规模化落地。　　周军：可以关注终端设备的技术能力层。现在端侧设备主要面临两个刚性约束：一是资源受限，二是功耗受限。云端的做法很简单，算力不够就堆算力，一张卡不够就用两张。机房空间足、供电稳，可以实现，但端侧不行，尤其是手机和手表等可穿戴设备，体积就巴掌大、电池就薄薄一块，还要达到较好的AI性能体验，非常考验终端设备的技术能力。所以我认为，这一层会是率先规模化的环节之一。　　川观智库：四川发展端侧AI有资源和优势吗？应该如何抓住机遇？　　周军：四川具备发展条件。第一，研发资源丰富，端侧AI 需要前沿技术支撑，四川高校众多，电子科技大学、四川大学、西南交通大学在电子信息、计算机软件领域实力强劲。第二，应用市场广阔，四川在无人机、医疗、军工等领域有优势，它们是技术落地的重要场景。端侧AI技术必须通过应用迭代才能打磨成熟，四川有现成试验场。第三，人力成本相对较低。端侧AI领域多为初创企业，在成都组建团队的成本可能不到上海、深圳等城市的一半。成本优势叠加人才供给量大，会吸引更多初创公司落地。　　现在全国还没有形成成熟的产业格局，四川完全有机会走在前头，通过软件和硬件协同推进，形成竞争优势。可以先从特色优势领域入手。　　庞伟伟：四川不一定要复制传统手机整机产业的发展路径。端侧AI的产业链更加开放，在智能感知、基础软件、行业应用和测试评估等环节，都可能形成新的机会。可以围绕智能家电、工业终端、汽车、低空经济、文旅和公共服务等优势场景，形成有地方特色的端侧智能解决方案。关键是选对细分赛道，形成从核心技术、产品验证到应用推广的完整闭环。　　川观智库：具体而言，可以从哪些方向布局？庞伟伟：四川省人工智能产业链总体工作方案提出，到2027年人工智能产业规模突破2000亿元，围绕科技创新、算力、数据、大模型和应用等方面进行系统部署。端侧AI可以作为其中一个具有产业结合优势的重要方向，建议从四个方面布局产业生态。一是突出特色，不追求所有环节全面铺开，重点选择智能感知、AI家电、工业终端、航空航天和AI眼镜等有基础的方向。二是开放应用场景，通过工业制造、文旅、交通、家居和公共服务等场景，为企业提供产品验证和迭代机会。三是建设公共技术平台，为中小企业提供模型适配、开发工具、数据服务、安全检测和产品评测等共性能力。四是加强标准和生态建设，推动模型、操作系统、智能体和终端设备之间的兼容协同，避免形成相互割裂的技术体系。　　周军：除了支持产学研协同、鼓励技术与应用结合，四川还可探索出台专项政策，重点支持初创企业和本土创新力量。前沿技术迭代快、不确定性高，初创企业机制灵活、敢闯敢试，是颠覆性创新的主要策源地。针对性投入少量资源，即可激活其创新势能，产生“给一点支持就能产生很大推动力”的杠杆效应。