2023年是大家公認的AI元年，大量的AI大模型、AI應用問世。隨著人工智能和深度學習的迅速發展，業界已達成共識——終端與AI的融合是大勢所趨。不少人認為，2024年或將是“AI硬件元年”。

當狂熱的情緒從生成式AI領域蔓延至各類終端場景，人們開始期待看得見、摸得著的“實體”產生質變，“AI+可穿戴設備”、“AI+PC”、“AI+手機”等概念火爆硬件產業鏈。但熱潮底下，真正變革性的應用似乎還有待探索。

尚未成熟的“AI+”目前在上述領域的應用表現，也讓人不禁深思，這個“加”真的“加上了”嗎？這股人工智能的風，究竟是盤活市場的概念炒作，還是真的吹到了硬件？AI+場景革命，會是芯片廠商的下一個風口嗎？

今天，我們試圖探討：人工智能涌向各類終端應用場景后，產業鏈上的各類硬件將會朝著何種方向前進？身處不同賽道的廠商們，是否已找到了相對清晰的發力方向，亦或者仍在微光中摸索未來的輪廓？

PART 01AI+可穿戴設備

傳感器

在諸多人工智能與硬件融合的場景中，可穿戴設備被認為是創新空間最為廣闊、最有可能催生出全新硬件品類的賽道。

事實也確實如此，ChatGPT引發AI狂潮后，僅僅一年多時間，市面上就涌現出一大批全新的可穿戴AI產品，從形態、功能等層面探索“AI+可穿戴設備”的方向：搭載ChatGPT表盤的智能手表、集成了多模態AI助手的AR眼鏡、深度融合AI的智能戒指、號稱“AI時代iPhone”的AI Pin、聚焦在對話場景的AI吊墜……

圖源：AI Pin 官網

但遺憾的是，盡管智能穿戴全產業鏈都在積極融入AI技術，但真正具有顛覆性的硬件還未被找到。就算是前段時間被《時代》雜志評為2023年最佳發明之一的AI Pin，也在正式發貨后翻車了，用戶們的吐槽重點集中于“反應速度過慢、手勢識別不準確、發熱嚴重”等問題。

實際上，這也是其他智能可穿戴設備所苦惱的技術難點。從技術層面來看，要實現AI技術的深度融合及應用，可穿戴設備必然需要更強的數據感知、采集、處理和交互能力，而這些需求共同指向了一項技術——傳感器技術。

在過往的可穿戴設備解決方案中，傳感器僅負責感知與采集信號，計算處理環節則交由MCU，MCU分析后產出控制信號，復雜運算則上傳云端處理。但隨著AI技術的融入，越來越多廠商開始嘗試不依賴MCU，讓搭載于可穿戴設備的傳感器更加智能，承載部分計算處理的功能。

“在傳感器本身做一些簡單的處理，實現一些既定的功能，這是必然的趨勢。”Bosch Sensortec亞太區總裁王宏宇表示：“不能說所有的傳感器都需要智能，但為了提升更好的用戶體驗，我們認為傳感器未來是要有一定的計算能力、一定的思考能力，即具備智能的功能。”

圖源：Bosch Sensortec

而在AI處理能力部署的位置上，許多廠商都會選擇讓邊緣AI在MEMS上進行邊緣端處理。“對于智能可穿戴設備，邊緣AI是很好的選擇。”Bosch Sensortec應用工程總監Ruschmeier Frank指出，邊緣AI與傳感器的融合處理，可以形成分布式的智能支持，使設備在幾毫秒內作出決策，從而更好地實現及時響應。

另一方面，數據傳輸的選擇、數據處理及訓練也成為了傳感器的重要演進方向。不同行業對數據傳輸的需求各異，例如游戲行業就特別強調數據傳輸的實時性，絕不允許出現任何延遲。Ruschmeier Frank認為，傳感器制造商在未來需要深入思考并解決兩個核心問題：第一，應該傳輸哪些數據；第二，需要傳輸多少數據，才能確保滿足特定行業的需求。

部分廠商不僅僅滿足于提供傳感器本身，更是開始構建智能傳感器的解決方案平臺，讓可穿戴設備廠商的開發者能夠在傳感器本身植入一些本地AI算法。傳感器廠商將一部分訓練的工作交給終端客戶，既可以在離線的時候訓練傳感器，也可以在在線的時候通過傳感器、通過算法的融合去訓練。

此外，傳感器技術的發展還聚焦于降低功耗和提供定制化服務。目前，智能可穿戴設備行業正致力于尋找最適合集成AI技術的產品形態，這導致了對傳感器需求的多樣化。在激烈的市場競爭中，打造具有差異化的產品特性至關重要。因此，根據客戶需求進行定制化處理，已成為傳感器制造商普遍面臨的挑戰。

PART 02AI+PC

處理器/計算外圍芯片/存儲器

2023年9月，英特爾首次提出了“AI PC”概念，將其譽為PC產業20年一遇的重大革新。此后，PC廠商和芯片廠商開始對此大舉發力，相繼推出了一系列相關產品。

IDC預測，AI PC在中國PC市場中新機的裝配比例將在未來幾年中快速攀升，將于2027年達到85%，成為PC市場主流。

事實上，早在AI PC概念面世之前，市場部分產品已嵌入了一些AI技術，比如AI降噪、AI繪圖等。但時至今日，市面上的AI PC所具備的功能，和市面上的AI應用并沒有本質差別，且供應鏈對此概念尚未形成統一明確的定義。

聯想與IDC聯合提出，AI PC是一個以AI大模型、用戶個人數據、本地AI算力及AI生態等軟硬件的結合體，并定義只有具備五個特征的產品才算是真正的AI PC。華為則認為AI PC是“非常不錯的端側大模型+端側的數據整合和融合能力+端側和云側算力的整合”，即萬物互聯和端云協同。

圖源：聯想與IDC的《AI PC產業（中國）白皮書》

盡管定義上尚未達成一致，但業界普遍認可，端側AI部署所帶來的零部件規格升級將是必然趨勢。“AI PC的硬件要求必然越來越高，無論是核心的處理器芯片，還是EC等計算外圍芯片，對高算力、存儲容量、低功耗等需求都會不斷提升。”芯海科技副總裁楊麗寧指出。

因此我們會看到，這波AI PC浪潮中，芯片公司的吆喝聲最為響亮。英特爾CEO帕特·基辛格喊出“我們正邁向AI PC的新時代”；英偉達CEO黃仁勛更是宣稱“PC行業正迎來一次重生的機遇”；AMD董事長蘇姿豐甚至將公司Slogan從“AMD Yes”更新為“AI PC Yes！”。

AI PC產業鏈的第一批受益者也是他們。為了解決AI本地化運行的首要需求——“算力”，處理器成為了PC產業第一波AI化的核心硬件。

處理器

NPU（神經網絡處理器）是第一個賣點。以英特爾、AMD、高通為代表的處理器大廠，紛紛推出了支持本地AI大模型運行的AI PC處理器，并都著重強調NPU性能。

例如，英特爾在2023年12月發布了酷睿Ultra處理器，該處理器首次集成了NPU，能夠支持高達200億參數的大模型在終端設備上運行；高通的驍龍X Elite處理器，號稱“為AI PC量身定制”，其NPU的算力高達45 TOPS，能夠本地處理超過130億參數的大模型；

AMD則推出了全球首款集成NPU的x86處理器，并宣布其下一代“Strix Point”處理器將重點強化NPU性能，預計AI性能將實現超過3倍的提升；即使是以自研芯片為賣點的蘋果，也被曝M4芯片將主打AI性能，重點放在AI運算核心數、效能及NPU數量。

從處理器功能來看，CPU擅長順序控制，適用于需要低延時的場景，同時也能夠處理較小的傳統模型，如卷積神經網絡或特定大語言模型；GPU更擅長處理高精度格式的并行任務，例如對畫質要求極高的視頻和游戲。相比之下，NPU采用數據驅動并行計算架構，模擬人類神經元和突觸，特別擅長處理視頻、圖像等海量多媒體數據，可以快速處理AI算法和大數據集。

圖源：攝圖網

針對PC端的計算需求，以CPU為核心的算力架構在處理AI神經網絡所需的并行計算任務時顯得力不從心，且成本效益不高。因此，采用“CPU+GPU+NPU”的異構計算方案已成為業界的主流選擇。隨著人工智能的日益重要，未來處理器市場可能會形成CPU與NPU并駕齊驅的局面。

同時，AI PC的浪潮也再次卷起了X86和Arm的架構之爭。Arm架構憑借其在低功耗、長續航、AI加速和定制化方面的優勢，自2023年起吸引了英偉達、英特爾、高通和AMD等行業巨頭的投入，他們計劃最早在2025年推出基于Arm的PC處理器。此外，微軟與高通也展開了合作，致力于將x86架構的Windows核心功能移植到Windows on Arm上。

計算外圍芯片

“AI PC至少需要經歷三個階段。”芯海科技副總裁楊麗寧認為，當下PC產業鏈的硬件升級尚且處于第一個階段，即以處理器為核心的AI化。下一階段則是AI應用迎來井噴式發展，從而帶動PC生態，但同時海量應用場景也會逐步加重處理器的負荷。

“當負荷足夠重時，就需要進入第三個階段，即必須將一些智能化任務外延給計算外圍芯片，這是必然的趨勢。而計算外圍芯片的未來形態，我們始終認為會朝高性能、高安全、高算力的方向發展。”

從PC硬件的角度來看，最核心且最適合承擔PC處理器外延AI功能的就是EC芯片。“2023年12月，我們提出了AI EC芯片的設想，并陸續和客戶進行了AI EC芯片的探討。盡管目前還處于初步產品定義階段，但已探索出了更多的可能性，比如承擔AI PC外部的智能溫控、智能語音識別、身份認證等重要的人機交互功能。”楊麗寧分享到。

圖源：芯海科技

以語音喚醒功能為例，當計算外圍芯片具備分布式智能支持時，處理器甚至解碼芯片都可以保持關閉狀態，僅激活傳感器的接收端。只有在AI完成人聲檢測后，才會激活編解碼器進行深度識別，此時才會采集聲音并進行初步處理，隨后喚醒CPU進一步處理。他強調：“只有這種分級分段式的智能識別機制，才能真正把PC整體功耗降下來。”

因此，楊麗寧贊同王宏宇的觀點，認為在AI處理能力部署方面，AI PC的外圍計算芯片應與智能穿戴設備的傳感器一樣，具備一定的智能處理能力，以實現分布式智能支持，并與邊緣AI進行融合處理。

“AI PC未來會形成不同層級的算力網絡，比如云端的大模型、端側處理器的中等模型、邊緣側EC芯片的小模型、以及傳感器上的更小模型，每個層級所承擔的功能以及傳輸、計算數據的量級都會有較大的差異。且不同層級之間，還會存在著自上而下或自下而上的，模型的訓練、優化和更新。”

存儲器

隨著算力的提升，AI PC對存儲器提出了更高要求。為了有效處理AI產生的大量數據和復雜指令，特別是在運行大語言模型等應用時，內存大小決定模型上限，因此PC存儲產品性能和容量必須同步升級。

對于AI PC的存儲配置，微軟計劃在Windows12為AI PC設置最低門檻——需要至少40TOPS算力和16GB內存。英特爾中國區技術部總經理高宇則認為，未來的AI PC的標配是32GB內存，2025年將看到搭載64GB內存的PC開始出貨。

盡管目前業界對此還沒有統一的標準，但可以肯定的是，AI PC對單臺PC的DRAM和NAND Flash容量需求呈現出上升趨勢。其中，DDR5內存和QLC NAND SSD正成為滿足AI PC存儲需求的關鍵技術。

DDR5可以提供更快的數據傳輸速率、更大的內存容量、更低的功耗以及更高的系統性能，這些都是AI PC在執行數據密集型任務時所必需的關鍵特性。隨著AI PC滲透率提升，預計將推動DDR5子代迭代以及增加更高速率DDR5內存的需求。目前，三星電子和SK海力士正在計劃增加DDR5內存的產量，而美光也宣布將加快向DDR5內存的過渡。

“QLC NAND是解決容量問題的重要路徑。”美光企業副總裁暨存儲部門總經理Jeremy Werner指出，QLC技術可以做到非常低的產品成本，并不斷提升存儲容量；在性能上，既可以確保產品的功耗維持在非常低的水平，同時在需要調取相關數據進行讀取和寫入的時候，又能夠迅速喚醒整個系統。

圖源：CFMS

美光估計，目前QLC NAND SSD導入PC滲透率約20-25%，2024年將可望加速成長推動，AI PC將帶動SSD搭載容量快速提升，朝向TB等級需求邁進。

PART 03AI+手機

SoC芯片/UFS 4.0閃存

AI手機的概念其實并不新鮮，其流行可追溯至2017年。那一年，蘋果發布了搭載A11芯片的iPhone 8，引領了將專用NPU集成到SoC中的潮流。榮耀View 10甚至打出了“你的第一臺AI手機”口號，賣點是搭載了海思麒麟970。

據中國電信2018年發布的《AI終端白皮書》，當時的AI手機被定義為搭載AI芯片、能運行AI應用，具備人臉識別、語音助手、場景識別、系統優化等功能。

到了2024年，AI手機的概念再次成為焦點。與以往不同，這次廠商們將搭載大模型功能的手機稱為“AI手機”。一時間，所有主流手機廠都推出了自家的“AI手機”及端側大模型：華為盤古大模型，OPPO安第斯大模型，vivo藍心大模型，小米MiLM-6B，三星Galaxy AI……

但手機上有大模型，就是AI手機嗎？這一點在手機廠商之間也沒有達成共識。OPPO將此視為手機行業的第三個重大變革階段，并宣布“OPPO正式邁入AI手機時代”；魅族采取了更為激進的策略，宣布“停止制造傳統手機，All in AI”，并將新發布的魅族PRO 21稱為“開放式AI終端”；

另一方面，小米集團總裁盧偉冰持謹慎態度，他認為“AI是未來，是無處不在的能力，但AI手機是噱頭”；榮耀CEO趙明更是直言不諱“能夠提供生成式AI能力的手機并不等于AI手機，甚至相去甚遠。”

圖源：盧偉冰微博

那么，究竟什么是AI手機？這個問題至今還沒有結論。IDC和OPPO聯合發布的《AI手機白皮書》，用4種能力定義了“AI手機”——算力高效利用、真實世界感知、自學習和創作能力。Counterpoint和聯發科發布的《生成式AI手機產業白皮書》則提出：生成式AI手機是利用大規模、預訓練的生成式AI模型，實現多模態內容生成、情境感知，并具備不斷增強的類人能力。

硬件方面，Counterpoint提出5點規格：基于領先工藝和先進架構設計的移動計算平臺，擁有集成或者獨立的神經網絡運算單元（如APU/NPU/TPU），大容量和高帶寬的內存，以及穩定和高速的連接，硬件級和系統級的安全防御。

在此，我們重點探討兩類硬件：SoC芯片和UFS 4.0閃存。

SoC芯片

正如AI PC一樣，AI手機面臨的首要挑戰也是提升算力。Counterpoint估算顯示，2027年生成式AI手機端側整體AI算力將會達到50000EOPS以上。因此，在當前階段，手機SoC芯片的性能提升仍是關鍵。

圖源：《生成式AI手機產業白皮書》

目前，在手機SoC領域，高通、聯發科和蘋果是三大主要競爭者，它們都在各自的SoC中集成了多個不同的處理器單元，包括CPU、GPU、DSP，以及APU/NPU等獨立的AI計算單元，專門負責處理重載的AI任務。

其中，聯發科主打“全大核CPU架構+硬件生成式AI引擎”，其最新推出的天璣9300+在端側支持AI推測解碼加速技術，支持主流的生成式AI大模型，同時兼容Al框架ExecuTorch。

高通驍龍8 Gen 3則號稱“專為生成式AI設計”，將Hexagon DSP升級為Hexagon NPU，融合調度各個單元的算力，支持在終端側運行高達100億參數的生成式AI模型。

作為多代最強手機SoC的推出者，蘋果的AI手機SoC方案雖然尚未揭曉，但已經激發了業界和消費者的期待。

Counterpoint判斷，未來，專用AI計算單元和異構計算架構將共存于手機SoC中，這也意味著，不同運算單元之間通信帶寬的重要性將日益凸顯。

UFS 4.0閃存

同樣的，AI手機也面臨著存儲容量和速率的挑戰。為了適應端側AI大模型的需求，傳輸速度更快、功耗效率更優的UFS 4.0閃存已成為旗艦手機的標配。

UFS是一種為計算和移動系統設計的高性能接口，它通過高速串行接口和優化的協議顯著提升了吞吐量和系統性能。其全雙工接口支持同步讀寫操作，進一步提高了數據傳輸的效率；雙通道的數據傳輸，增加了整體的吞吐量。

2022年8月，JEDEC推出了UFS 4.0標準，理論上其傳輸速率可達4640MB/s，是UFS 3.1的兩倍，是eMMC的十倍以上，同時功耗降低了46%，存儲容量高達1TB，滿足了AI手機對存儲容量、運行速度和電池續航的要求，可以實現更流暢、更即時的人機交互體驗。

而在UFS 4.0基礎上，存儲廠商也在積極進行升級迭代。例如，美光推出了增強版UFS 4.0移動解決方案，與前代UFS 3.1相比，生成式AI應用中的大語言模型加載速度可提高40%。鎧俠發布了第二代UFS 4.0，相比第一代產品，提升了18%順序寫入性能、30%隨機寫入速度和13%隨機讀取性能，并支持高速鏈路啟動序列(HS-LSS)特性，將啟動時間縮短70%。三星也在計劃推出UFS 4.0 4通道產品，據稱其傳輸速度和功耗效率相較UFS4.0會有兩倍的提升。

同時，業界正在積極參與UFS 5.0標準的討論，這預示著未來AI手機的大模型載入時間有望進一步縮短。當然，UFS 4.0的應用范圍不僅限于手機，還擴展到了虛擬現實和自動駕駛等需要處理大量數據的場景。

PART 04

還在等待殺手級應用及顛覆性時刻

回到開頭的問題，隨著AI技術向各類終端應用場景的廣泛滲透，產業鏈中相關硬件的發展方向已經出現雛形，但尚未完全明確。盡管如此，各大廠商正基于各自的理解，積極地與產業鏈上下游討論、碰撞，不斷探索更多可能性，推動硬件之外的創新。

觀察“AI+可穿戴設備”、“AI+PC”、“AI+手機”三大場景，我們可以發現，盡管不同形態的AI終端產品對AI性能、功耗、精度的要求各異，但它們對硬件的感知能力、計算力、存儲容量、智能化水平和數據安全性的需求趨勢是一致的。

同時，如何在發揮硬件優勢的基礎上，串聯和構建應用生態，形成不同場景、不同終端間的連接互聯，為用戶帶來更多AI使用場景，也成為了廠商共同的期待與考驗。

回到當下，大模型落地仍在探索階段，AI可穿戴設備、AI PC和AI手機的面貌還很模糊。無論是廠商還是消費者，都在等待真正意義上的殺手級應用以及顛覆性時刻的到來。

但值得慶祝的是，隨著人工智能與終端場景的深度融合，AI時代又離我們普通人更近了一步。

期待“AI Everything”的到來！