2023年是大家公认的AI元年，大量的AI大模型、AI应用问世。随着人工智能和深度学习的迅速发展，业界已达成共识——终端与AI的融合是大势所趋。不少人认为，2024年或将是“AI硬件元年”。

当狂热的情绪从生成式AI领域蔓延至各类终端场景，人们开始期待看得见、摸得着的“实体”产生质变，“AI+可穿戴设备”、“AI+PC”、“AI+手机”等概念火爆硬件产业链。但热潮底下，真正变革性的应用似乎还有待探索。

尚未成熟的“AI+”目前在上述领域的应用表现，也让人不禁深思，这个“加”真的“加上了”吗？这股人工智能的风，究竟是盘活市场的概念炒作，还是真的吹到了硬件？AI+场景革命，会是芯片厂商的下一个风口吗？

今天，我们试图探讨：人工智能涌向各类终端应用场景后，产业链上的各类硬件将会朝着何种方向前进？身处不同赛道的厂商们，是否已找到了相对清晰的发力方向，亦或者仍在微光中摸索未来的轮廓？

• Part 01 AI+可穿戴设备：传感器

• Part 02 AI+PC：处理器/计算外围芯片/存储器

• Part 03 AI+手机：SoC芯片/UFS 4.0闪存

PART 01

AI+可穿戴设备

传感器

在诸多人工智能与硬件融合的场景中，可穿戴设备被认为是创新空间最为广阔、最有可能催生出全新硬件品类的赛道。

事实也确实如此，ChatGPT引发AI狂潮后，仅仅一年多时间，市面上就涌现出一大批全新的可穿戴AI产品，从形态、功能等层面探索“AI+可穿戴设备”的方向：搭载ChatGPT表盘的智能手表、集成了多模态AI助手的AR眼镜、深度融合AI的智能戒指、号称“AI时代iPhone”的AI Pin、聚焦在对话场景的AI吊坠……

但遗憾的是，尽管智能穿戴全产业链都在积极融入AI技术，但真正具有颠覆性的硬件还未被找到。就算是前段时间被《时代》杂志评为2023年最佳发明之一的AI Pin，也在正式发货后翻车了，用户们的吐槽重点集中于“反应速度过慢、手势识别不准确、发热严重”等问题。

实际上，这也是其他智能可穿戴设备所苦恼的技术难点。从技术层面来看，要实现AI技术的深度融合及应用，可穿戴设备必然需要更强的数据感知、采集、处理和交互能力，而这些需求共同指向了一项技术——传感器技术。

在过往的可穿戴设备解决方案中，传感器仅负责感知与采集信号，计算处理环节则交由MCU，MCU分析后产出控制信号，复杂运算则上传云端处理。但随着AI技术的融入，越来越多厂商开始尝试不依赖MCU，让搭载于可穿戴设备的传感器更加智能，承载部分计算处理的功能。

“在传感器本身做一些简单的处理，实现一些既定的功能，这是必然的趋势。”Bosch Sensortec亚太区总裁王宏宇表示：“不能说所有的传感器都需要智能，但为了提升更好的用户体验，我们认为传感器未来是要有一定的计算能力、一定的思考能力，即具备智能的功能。”

而在AI处理能力部署的位置上，许多厂商都会选择让边缘AI在MEMS上进行边缘端处理。“对于智能可穿戴设备，边缘AI是很好的选择。”Bosch Sensortec应用工程总监Ruschmeier Frank指出，边缘AI与传感器的融合处理，可以形成分布式的智能支持，使设备在几毫秒内作出决策，从而更好地实现及时响应。

另一方面，数据传输的选择、数据处理及训练也成为了传感器的重要演进方向。不同行业对数据传输的需求各异，例如游戏行业就特别强调数据传输的实时性，绝不允许出现任何延迟。Ruschmeier Frank认为，传感器制造商在未来需要深入思考并解决两个核心问题：第一，应该传输哪些数据；第二，需要传输多少数据，才能确保满足特定行业的需求。

部分厂商不仅仅满足于提供传感器本身，更是开始构建智能传感器的解决方案平台，让可穿戴设备厂商的开发者能够在传感器本身植入一些本地AI算法。传感器厂商将一部分训练的工作交给终端客户，既可以在离线的时候训练传感器，也可以在在线的时候通过传感器、通过算法的融合去训练。

此外，传感器技术的发展还聚焦于降低功耗和提供定制化服务。目前，智能可穿戴设备行业正致力于寻找最适合集成AI技术的产品形态，这导致了对传感器需求的多样化。在激烈的市场竞争中，打造具有差异化的产品特性至关重要。因此，根据客户需求进行定制化处理，已成为传感器制造商普遍面临的挑战。

PART 02

AI+PC

处理器/计算外围芯片/存储器

2023年9月，英特尔首次提出了“AI PC”概念，将其誉为PC产业20年一遇的重大革新。此后，PC厂商和芯片厂商开始对此大举发力，相继推出了一系列相关产品。

IDC预测，AI PC在中国PC市场中新机的装配比例将在未来几年中快速攀升，将于2027年达到85%，成为PC市场主流。

事实上，早在AI PC概念面世之前，市场部分产品已嵌入了一些AI技术，比如AI降噪、AI绘图等。但时至今日，市面上的AI PC所具备的功能，和市面上的AI应用并没有本质差别，且供应链对此概念尚未形成统一明确的定义。

联想与IDC联合提出，AI PC是一个以AI大模型、用户个人数据、本地AI算力及AI生态等软硬件的结合体，并定义只有具备五个特征的产品才算是真正的AI PC。华为则认为AI PC是“非常不错的端侧大模型+端侧的数据整合和融合能力+端侧和云侧算力的整合”，即万物互联和端云协同。

图源：联想与IDC的《AI PC产业（中国）白皮书》

尽管定义上尚未达成一致，但业界普遍认可，端侧AI部署所带来的零部件规格升级将是必然趋势。“AI PC的硬件要求必然越来越高，无论是核心的处理器芯片，还是EC等计算外围芯片，对高算力、存储容量、低功耗等需求都会不断提升。”芯海科技副总裁杨丽宁指出。

因此我们会看到，这波AI PC浪潮中，芯片公司的吆喝声最为响亮。英特尔CEO帕特·基辛格喊出“我们正迈向AI PC的新时代”；英伟达CEO黄仁勋更是宣称“PC行业正迎来一次重生的机遇”；AMD董事长苏姿丰甚至将公司Slogan从“AMD Yes”更新为“AI PC Yes！”。

AI PC产业链的第一批受益者也是他们。为了解决AI本地化运行的首要需求——“算力”，处理器成为了PC产业第一波AI化的核心硬件。

处理器

NPU（神经网络处理器）是第一个卖点。以英特尔、AMD、高通为代表的处理器大厂，纷纷推出了支持本地AI大模型运行的AI PC处理器，并都着重强调NPU性能。

例如，英特尔在2023年12月发布了酷睿Ultra处理器，该处理器首次集成了NPU，能够支持高达200亿参数的大模型在终端设备上运行；高通的骁龙X Elite处理器，号称“为AI PC量身定制”，其NPU的算力高达45 TOPS，能够本地处理超过130亿参数的大模型；

AMD则推出了全球首款集成NPU的x86处理器，并宣布其下一代“Strix Point”处理器将重点强化NPU性能，预计AI性能将实现超过3倍的提升；即使是以自研芯片为卖点的苹果，也被曝M4芯片将主打AI性能，重点放在AI运算核心数、效能及NPU数量。

从处理器功能来看，CPU擅长顺序控制，适用于需要低延时的场景，同时也能够处理较小的传统模型，如卷积神经网络或特定大语言模型；GPU更擅长处理高精度格式的并行任务，例如对画质要求极高的视频和游戏。相比之下，NPU采用数据驱动并行计算架构，模拟人类神经元和突触，特别擅长处理视频、图像等海量多媒体数据，可以快速处理AI算法和大数据集。

针对PC端的计算需求，以CPU为核心的算力架构在处理AI神经网络所需的并行计算任务时显得力不从心，且成本效益不高。因此，采用“CPU+GPU+NPU”的异构计算方案已成为业界的主流选择。随着人工智能的日益重要，未来处理器市场可能会形成CPU与NPU并驾齐驱的局面。

同时，AI PC的浪潮也再次卷起了X86和Arm的架构之争。Arm架构凭借其在低功耗、长续航、AI加速和定制化方面的优势，自2023年起吸引了英伟达、英特尔、高通和AMD等行业巨头的投入，他们计划最早在2025年推出基于Arm的PC处理器。此外，微软与高通也展开了合作，致力于将x86架构的Windows核心功能移植到Windows on Arm上。

计算外围芯片

“AI PC至少需要经历三个阶段。”芯海科技副总裁杨丽宁认为，当下PC产业链的硬件升级尚且处于第一个阶段，即以处理器为核心的AI化。下一阶段则是AI应用迎来井喷式发展，从而带动PC生态，但同时海量应用场景也会逐步加重处理器的负荷。

“当负荷足够重时，就需要进入第三个阶段，即必须将一些智能化任务外延给计算外围芯片，这是必然的趋势。而计算外围芯片的未来形态，我们始终认为会朝高性能、高安全、高算力的方向发展。”

从PC硬件的角度来看，最核心且最适合承担PC处理器外延AI功能的就是EC芯片。“2023年12月，我们提出了AI EC芯片的设想，并陆续和客户进行了AI EC芯片的探讨。尽管目前还处于初步产品定义阶段，但已探索出了更多的可能性，比如承担AI PC外部的智能温控、智能语音识别、身份认证等重要的人机交互功能。”杨丽宁分享到。

以语音唤醒功能为例，当计算外围芯片具备分布式智能支持时，处理器甚至解码芯片都可以保持关闭状态，仅激活传感器的接收端。只有在AI完成人声检测后，才会激活编解码器进行深度识别，此时才会采集声音并进行初步处理，随后唤醒CPU进一步处理。他强调：“只有这种分级分段式的智能识别机制，才能真正把PC整体功耗降下来。”

因此，杨丽宁赞同王宏宇的观点，认为在AI处理能力部署方面，AI PC的外围计算芯片应与智能穿戴设备的传感器一样，具备一定的智能处理能力，以实现分布式智能支持，并与边缘AI进行融合处理。

“AI PC未来会形成不同层级的算力网络，比如云端的大模型、端侧处理器的中等模型、边缘侧EC芯片的小模型、以及传感器上的更小模型，每个层级所承担的功能以及传输、计算数据的量级都会有较大的差异。且不同层级之间，还会存在着自上而下或自下而上的，模型的训练、优化和更新。”

存储器

随着算力的提升，AI PC对存储器提出了更高要求。为了有效处理AI产生的大量数据和复杂指令，特别是在运行大语言模型等应用时，内存大小决定模型上限，因此PC存储产品性能和容量必须同步升级。

对于AI PC的存储配置，微软计划在Windows12为AI PC设置最低门槛——需要至少40TOPS算力和16GB内存。英特尔中国区技术部总经理高宇则认为，未来的AI PC的标配是32GB内存，2025年将看到搭载64GB内存的PC开始出货。

尽管目前业界对此还没有统一的标准，但可以肯定的是，AI PC对单台PC的DRAM和NAND Flash容量需求呈现出上升趋势。其中，DDR5内存和QLC NAND SSD正成为满足AI PC存储需求的关键技术。

DDR5可以提供更快的数据传输速率、更大的内存容量、更低的功耗以及更高的系统性能，这些都是AI PC在执行数据密集型任务时所必需的关键特性。随着AI PC渗透率提升，预计将推动DDR5子代迭代以及增加更高速率DDR5内存的需求。目前，三星电子和SK海力士正在计划增加DDR5内存的产量，而美光也宣布将加快向DDR5内存的过渡。

“QLC NAND是解决容量问题的重要路径。”美光企业副总裁暨存储部门总经理Jeremy Werner指出，QLC技术可以做到非常低的产品成本，并不断提升存储容量；在性能上，既可以确保产品的功耗维持在非常低的水平，同时在需要调取相关数据进行读取和写入的时候，又能够迅速唤醒整个系统。

美光估计，目前QLC NAND SSD导入PC渗透率约20-25%，2024年将可望加速成长推动，AI PC将带动SSD搭载容量快速提升，朝向TB等级需求迈进。

PART 03

AI+手机

SoC芯片/UFS 4.0闪存

AI手机的概念其实并不新鲜，其流行可追溯至2017年。那一年，苹果发布了搭载A11芯片的iPhone 8，引领了将专用NPU集成到SoC中的潮流。荣耀View 10甚至打出了“你的第一台AI手机”口号，卖点是搭载了海思麒麟970。

据中国电信2018年发布的《AI终端白皮书》，当时的AI手机被定义为搭载AI芯片、能运行AI应用，具备人脸识别、语音助手、场景识别、系统优化等功能。

到了2024年，AI手机的概念再次成为焦点。与以往不同，这次厂商们将搭载大模型功能的手机称为“AI手机”。一时间，所有主流手机厂都推出了自家的“AI手机”及端侧大模型：华为盘古大模型，OPPO安第斯大模型，vivo蓝心大模型，小米MiLM-6B，三星Galaxy AI……

但手机上有大模型，就是AI手机吗？这一点在手机厂商之间也没有达成共识。OPPO将此视为手机行业的第三个重大变革阶段，并宣布“OPPO正式迈入AI手机时代”；魅族采取了更为激进的策略，宣布“停止制造传统手机，All in AI”，并将新发布的魅族PRO 21称为“开放式AI终端”；

另一方面，小米集团总裁卢伟冰持谨慎态度，他认为“AI是未来，是无处不在的能力，但AI手机是噱头”；荣耀CEO赵明更是直言不讳“能够提供生成式AI能力的手机并不等于AI手机，甚至相去甚远。”

那么，究竟什么是AI手机？这个问题至今还没有结论。IDC和OPPO联合发布的《AI手机白皮书》，用4种能力定义了“AI手机”——算力高效利用、真实世界感知、自学习和创作能力。Counterpoint和联发科发布的《生成式AI手机产业白皮书》则提出：生成式AI手机是利用大规模、预训练的生成式AI模型，实现多模态内容生成、情境感知，并具备不断增强的类人能力。

硬件方面，Counterpoint提出5点规格：基于领先工艺和先进架构设计的移动计算平台，拥有集成或者独立的神经网络运算单元（如APU/NPU/TPU），大容量和高带宽的内存，以及稳定和高速的连接，硬件级和系统级的安全防御。

在此，我们重点探讨两类硬件：SoC芯片和UFS 4.0闪存。

SoC芯片

正如AI PC一样，AI手机面临的首要挑战也是提升算力。Counterpoint估算显示，2027年生成式AI手机端侧整体AI算力将会达到50000EOPS以上。因此，在当前阶段，手机SoC芯片的性能提升仍是关键。

图源：《生成式AI手机产业白皮书》

目前，在手机SoC领域，高通、联发科和苹果是三大主要竞争者，它们都在各自的SoC中集成了多个不同的处理器单元，包括CPU、GPU、DSP，以及APU/NPU等独立的AI计算单元，专门负责处理重载的AI任务。

其中，联发科主打“全大核CPU架构+硬件生成式AI引擎”，其最新推出的天玑9300+在端侧支持AI推测解码加速技术，支持主流的生成式AI大模型，同时兼容Al框架ExecuTorch。

高通骁龙8 Gen 3则号称“专为生成式AI设计”，将Hexagon DSP升级为Hexagon NPU，融合调度各个单元的算力，支持在终端侧运行高达100亿参数的生成式AI模型。

作为多代最强手机SoC的推出者，苹果的AI手机SoC方案虽然尚未揭晓，但已经激发了业界和消费者的期待。

Counterpoint判断，未来，专用AI计算单元和异构计算架构将共存于手机SoC中，这也意味着，不同运算单元之间通信带宽的重要性将日益凸显。

UFS 4.0闪存

同样的，AI手机也面临着存储容量和速率的挑战。为了适应端侧AI大模型的需求，传输速度更快、功耗效率更优的UFS 4.0闪存已成为旗舰手机的标配。

UFS是一种为计算和移动系统设计的高性能接口，它通过高速串行接口和优化的协议显著提升了吞吐量和系统性能。其全双工接口支持同步读写操作，进一步提高了数据传输的效率；双通道的数据传输，增加了整体的吞吐量。

2022年8月，JEDEC推出了UFS 4.0标准，理论上其传输速率可达4640MB/s，是UFS 3.1的两倍，是eMMC的十倍以上，同时功耗降低了46%，存储容量高达1TB，满足了AI手机对存储容量、运行速度和电池续航的要求，可以实现更流畅、更即时的人机交互体验。

而在UFS 4.0基础上，存储厂商也在积极进行升级迭代。例如，美光推出了增强版UFS 4.0移动解决方案，与前代UFS 3.1相比，生成式AI应用中的大语言模型加载速度可提高40%。铠侠发布了第二代UFS 4.0，相比第一代产品，提升了18%顺序写入性能、30%随机写入速度和13%随机读取性能，并支持高速链路启动序列(HS-LSS)特性，将启动时间缩短70%。三星也在计划推出UFS 4.0 4通道产品，据称其传输速度和功耗效率相较UFS4.0会有两倍的提升。

同时，业界正在积极参与UFS 5.0标准的讨论，这预示着未来AI手机的大模型载入时间有望进一步缩短。当然，UFS 4.0的应用范围不仅限于手机，还扩展到了虚拟现实和自动驾驶等需要处理大量数据的场景。

PART 04

还在等待

杀手级应用及颠覆性时刻

回到开头的问题，随着AI技术向各类终端应用场景的广泛渗透，产业链中相关硬件的发展方向已经出现雏形，但尚未完全明确。尽管如此，各大厂商正基于各自的理解，积极地与产业链上下游讨论、碰撞，不断探索更多可能性，推动硬件之外的创新。

观察“AI+可穿戴设备”、“AI+PC”、“AI+手机”三大场景，我们可以发现，尽管不同形态的AI终端产品对AI性能、功耗、精度的要求各异，但它们对硬件的感知能力、计算力、存储容量、智能化水平和数据安全性的需求趋势是一致的。

同时，如何在发挥硬件优势的基础上，串联和构建应用生态，形成不同场景、不同终端间的连接互联，为用户带来更多AI使用场景，也成为了厂商共同的期待与考验。

回到当下，大模型落地仍在探索阶段，AI可穿戴设备、AI PC和AI手机的面貌还很模糊。无论是厂商还是消费者，都在等待真正意义上的杀手级应用以及颠覆性时刻的到来。

但值得庆祝的是，随着人工智能与终端场景的深度融合，AI时代又离我们普通人更近了一步。

期待“AI Everything”的到来！

参考资料：

AI不再是高端手机特有，将向中端手机普及；IT时报

AI浪潮之巅系列：AIPC，AI端侧落地第一站；中金公司

AI PC元年有望开启，领航存储市场步入“价值”长景气新周期；天风证券

AI时代：PC巨头们的未来战争；经济观察报

首款无屏幕AI可穿戴设备Ai Pin评测“翻车”：看不到未来，只有报时功能不出错；澎湃新闻

AI手机，只是噱头？；定焦

免责声明：本文来自芯师爷客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。