问题——通用芯片难以满足新一轮智能化应用需求 峰会上，发布方对芯片产业趋势作出判断：随着智能终端、智能驾驶、机器人等场景对实时感知、复杂推理和低功耗的要求迅速提高，传统以通用计算为主的芯片供给模式，正遭遇“算力利用率不高、能耗上升、端侧响应不足、系统协同困难”等瓶颈。尤其端侧智能加速普及的背景下，面向多模态感知与实时控制的算力体系，需要更强的软硬件协同，以及更细分、更贴合场景的架构设计。 原因——模型规模增长与场景碎片化推动“专用化”与“系统级创新” 从产业演进看，一上，算法与模型持续迭代，推理计算从云端向边缘与终端下沉，对本地响应、隐私安全和离线可用性提出更高要求；另一方面，智能驾驶、家庭服务机器人、空间计算等场景差异明显，单一通用架构难以同时兼顾性能、功耗与成本。发布方认为，芯片竞争正在从“拼制程与频率”转向“架构、软件栈、数据与系统级优化”的综合能力比拼，专用化、异构化与全栈协同将成为关键方向。 影响——以五款方案覆盖多场景，强化端侧智能与产业链协同 据介绍，本次亮相的芯片与算力方案覆盖五类核心场景： 其一，面向移动端的手机处理器方案，强调自研NPU架构与图形能力，提出等效200TOPS的端侧智能处理能力，适配逻辑推理、多轮交互等任务，并以低功耗设计提升能效，用于满足影像、交互与内容增强等端侧实时需求。 其二，面向自动驾驶的计算芯片，提出单颗2000TOPS算力目标，并以更先进制程提升算力功耗比，称可支撑更高阶自动驾驶需求，同时强调以多模态感知与“世界模型”等路线增强对环境的理解与预测。业内普遍认为，智能驾驶正从“功能叠加”走向“系统安全与规模化落地”的阶段：高算力与高能效只是门槛，更关键的是软硬件一致性验证与量产可靠性。 其三，面向泛机器人领域的“天穹”系列芯片平台，采用CPU+NPU+MCU异构架构，突出高集成度以及控制、感知一体化能力。发布方称首款产品已量产，将用于自家泛机器人产品，重点解决清洁机器人在复杂环境中的卡困、维护等问题。这也契合服务机器人从“能动”向“好用、耐用、可维护”演进的趋势。 其四，推出便携式高算力电脑方案，强调小体积与较强本地算力，提出1.5PFLOPS计算能力，并采用CPU与GPU共享高速内存池的架构以降低数据搬运开销，支持本地调试大模型及多设备互联组网。随着企业对本地部署、数据合规与开发效率的需求上升，这类“端边一体”算力形态有望在研发、行业应用与移动办公等场景获得更多关注。 其五，提出“太空算力中心”设想，规划以大规模算力卫星组网获取更稳定的能源供给，并提供在轨算力服务。发布方称对应的算力载荷已完成空间环境测试，后续将进行在轨能力验证。需要指出的是，太空算力涉及卫星制造与发射成本、在轨运维、星间通信、轨道资源、数据安全及国际规则等多重因素，商业化路径仍需在工程验证、经济性评估与合规体系上深入明确。 对策——从终端出发向上游延伸，走“全栈协同+开放合作”路线 发布方在峰会上表示，将以终端产品积累的场景数据、控制算法与工程经验为基础，向芯片等上游核心环节延伸，构建覆盖视觉感知、运动控制与核心算力的系统能力，并向合作伙伴开放。这个思路反映出制造业与消费电子企业在智能化浪潮中的共同选择：一是通过自研增强关键能力的可控性与差异化；二是以平台化、生态化方式拓展应用边界与规模；三是用软硬件协同优化能效与成本，推动技术从“可演示”走向“可量产、可复制”。 前景——专用芯片与系统工程能力将成竞争焦点，落地成效取决于量产与生态 从行业视角看，未来一段时期，芯片能力的评价将更关注“真实场景下的性能、能耗、可靠性与开发友好度”。在手机、机器人、智驾等赛道，决定性因素不只是不少算力指标，还包括软件工具链、模型适配效率、供应链韧性、功能安全与长期维护能力。若相关方案能在量产节奏、开发生态、稳定性验证与成本控制上形成闭环，有望推动端侧智能产品体验升级，并带动产业链上下游协同创新；反之，若工程化验证与商业闭环不足，即便指标亮眼，也难以转化为市场竞争力。
算力竞争的核心，正从参数对比转向体系能力的较量。无论是端侧芯片、车载平台——还是机器人与空间计算——最终都要回到“稳定交付、持续迭代、生态协同”的产业逻辑。能把技术愿景落到可验证的产品与可复制的产业能力上，才是新一轮竞争真正的胜负手。