端侧智能进入智能体期：手机PC先跑，机器人在后

本文解读：《2026端侧智能产业发展报告-中国信通院》 · 共 67 页 · 原文

端侧智能这一轮的判断标准变了：不再看设备有没有AI功能，而是看模型能不能在本地高效跑起来、系统能不能统一调度。

中国信通院这份《端侧智能产业发展报告（2026年）》把产业切成三段：2011到2022年的功能嵌入期，2023到2025年的系统融合期，2026到2030年的智能体跃迁期。

三段的差别不是技术名词，而是要解决的问题：有没有AI、AI能不能被系统复用、AI能不能在本地持续理解任务并完成执行。报告同时给了一组反差数字：2026年全球智能手机出货预计下降13.9%至10.9亿部、PC下降11.3%，但AI PC出货要从2025年的7780万台增至1.431亿台，占比从31.0%升到54.7%。

总量在缩，智能机在涨，这就是端侧智能最真实的位置。

图源：《2026端侧智能产业发展报告》（第1页）

一、三个阶段：从装上AI到交给智能体

第一阶段是功能嵌入期，2011到2022年，解决"是否具备AI能力"。AI作为附加功能存在，语音助手、拍照美颜、人脸解锁各自独立，缺乏跨场景调度。

这一阶段的技术特征是云端推理为主、端侧轻量推理为辅。标志性节点包括苹果Siri、小爱同学推动语音交互高频化，以及华为麒麟970集成独立NPU。

第二阶段是系统融合期，2023到2025年，解决"AI能否成为可复用、可调度的系统能力"。独立NPU成为重要配置，操作系统开始内置原生端侧推理引擎。

数亿至数十亿参数级模型具备了规模化本地部署条件，INT8量化工程化成熟，INT4等更低比特方案开始与硬件结合。

第三阶段是智能体跃迁期，2026到2030年，解决"AI能否在本地持续理解任务并完成执行"。端侧智能体要具备环境感知、长期记忆、任务规划、决策执行和持续学习。

报告对产业形态变化的描述很具体：服务入口由固定应用向智能体迁移，价值实现由一次性硬件销售向能力订阅、持续服务、任务执行延伸。

从"设备里有AI"到"AI里长出一个设备"，主语换了，生意的账也换了。

图源：《2026端侧智能产业发展报告》（第2页）

二、政策从硬件培育走到人工智能+

报告梳理了一条政策线，起点是2010年《国务院关于加快培育和发展战略性新兴产业的决定》，首次在国家层面提出"智能终端"概念。

2016年《智能硬件产业创新发展专项行动》支持智能家居、智能车载、可穿戴；2023年《电子信息制造业2023—2024年稳增长行动方案》把虚拟现实智能终端、车载视听列为重点。

2025年《关于深入实施"人工智能+"行动的意见》明确大力发展人工智能手机和电脑、智能网联汽车、智能机器人等新一代智能终端。

2026年《"人工智能+制造"专项行动实施意见》进一步提出加速智能终端升级、支持端侧模型突破，培育工业巡检、远程医疗等场景的新型终端。

地方布局各有侧重：北京提"万台落地、千亿集群"，力争到2027年培育千亿级具身智能产业集群；上海到2027年产业规模突破3000亿元，AI计算机、AI手机、AI新终端各达千万台。

广东把消费电子定义为万亿级产业，提出到2027年空调、智能电视、AI手机年产量均超1亿台；重庆目标2030年产业规模超3000亿元，推出20款AI终端爆品、50个典型场景。

政策抓手已经从上项目变成上产量，四个省市的目标都按千万台、千亿元报。

图源：《2026端侧智能产业发展报告》（第3页）

三、硬件大盘：总量降，AI品类涨

基本盘先摆清楚：2025年全球智能手机、PC和可穿戴设备出货量分别约12.6亿部、2.85亿台和6.12亿台。进入2026年，存储器供给紧张与成本上升让传统终端承压。IDC预计全球智能手机出货量同比下降13.9%至10.9亿部，全球PC出货量同比下降11.3%。

AI终端则走出独立曲线。Gartner预计AI PC出货量由2025年的7780万台增至2026年的1.431亿台，市场占比由31.0%升至54.7%，率先从创新品类变成主流形态。中国市场短期也在承压：IDC数据显示2026年第二季度中国智能手机出货约6601万台，同比下降4.3%；上半年累计约1.34亿台，同比下降4.2%。

这正是报告想说的结构性变化：总量下行不代表产业下行，AI功能渗透率在补上量的缺口。报告附表还给了2030年的测算：AI手机规模1.5万亿元、出货3.8亿台，出货量CAGR 26.8%；AI PC规模2300亿元，CAGR 36.2%。

图源：《2026端侧智能产业发展报告》（第4页）

四、六个品类，到2030年的账

报告用一张表把国内端侧智能典型载体的规模和出货量列到了2030年，2025年是基数年。AI手机：2024年出货6300万台、规模2600亿元，2025年1.16亿台、5100亿元，2030年预计3.8亿台、1.5万亿元。

AI PC：2025年出货890万台、规模470亿元，2030年出货4200万台、规模2300亿元，CAGR 36.2%，在六个品类里增速最高。AI可穿戴：2025年4670万台、1160亿元，2030年1.5亿台、4200亿元，CAGR 26.3%；AI机器人2025年1200万台、2600亿元，2030年4610万台、7500亿元，CAGR 30.8%。

智能家居体量最大但增速最慢：2025年2.81亿台、9300亿元，2030年5.0亿台、1.6万亿元，CAGR 12.2%。AI安防设备2025年8800万台、1743亿元，2030年2.1亿台、3500亿元，CAGR 19%。六个品类合计，2030年的市场规模在四万亿量级。

图源：《2026端侧智能产业发展报告》（第5页）

五、技术五层：算不动、装不下、跑不久

报告把端侧智能的技术难题概括成三句话：算不动、装不下、跑不久。整个技术体系分五层应对。智能硬件层决定能力边界，重点从追求峰值算力转向计算、存储、感知、能效协同。NPU扛矩阵与张量计算，CPU负责控制与通用逻辑，GPU适合并行与多媒体。

硬件的衡量标准变了：从"算力更高"转向"单位功耗下有效AI算力更高"，INT8、INT4低精度计算与结构化稀疏成为标配思路。

基础软件层承担模型与硬件的适配，涵盖编译转换、算子映射、资源调度和任务编排。像Ollama通过预加载与内存驻留控制减少加载等待。

端侧模型层的关键词是"能力密度"而不是"参数更小"：高效架构、量化蒸馏稀疏化、推理优化与多模型协同、多模态与个性化适配四条路线并行。

应用层与安全信任层则把模型能力转成任务执行。报告对端侧模型的评价标准说得很明确：未来看的不是参数量，而是任务效果、资源占用、能耗和时延的综合平衡。

端侧不是把云端模型砍小了搬过来，而是围着功耗和内存重新设计一套。

图源：《2026端侧智能产业发展报告》（第6页）

六、应用五类：从问答到付款

报告把端侧原生应用分成五类，最值得注意的变化是AI开始碰"真实操作"。个人执行类应用把任务规划、工具调用和持续记忆放在设备上，比如OpenClaw接入邮件和日历，谷歌AI Edge Gallery的Mobile Actions把自然语言转成系统调用。

交易代理类应用往前走了一步：支付宝AI付已提供面向本地和云端智能体的接入方案，支持OpenClaw、QClaw、QwenPaw等应用，经身份核验和账户绑定后接入下单支付能力。

私人记忆类靠本地文件与交互历史支撑长期上下文，Windows Recall在用户主动开启后本地保存和分析屏幕快照，AnythingLLM把本地文档组织成可问答的私人知识库。

即时交互类处理现场输入，三星Interpreter与Live Translate通过端侧语音识别、翻译和合成实现现场交流翻译；内容生产类则在本机完成生成与转录。

五类应用连起来看，路径很清楚：从回答问题，到记住你，再到替你把事情办完。

智能体一旦能付款，端侧安全的底线就不再是隐私，而是账户。

图源：《2026端侧智能产业发展报告》（第7页）

七、场景：家庭最复杂，健康最有粘性

报告把应用场景分成消费娱乐、智慧家庭、智慧办公、智慧出行、智慧健康和融合场景五类。

智慧家庭被认为是落地最系统化、场景最复杂的领域。它的产业价值不在于连接更多设备，而在于让设备围绕家庭成员状态和生活任务协同工作。

海尔智慧家庭以家庭大脑为核心，融合智家大脑屏、APP、语音入口、智能门锁、AI视觉、毫米波雷达和多品类家电，3D APP把空间、设备位置和运行状态可视化。

智慧健康则被报告称为最具公共价值和长期粘性的垂直场景，逻辑是把健康管理从低频诊疗转成连续监测和预防前置。

落地样本包括深圳多个社康中心在家庭病床引入智能监护设备实时监测心率、血压、血氧；中兴通讯推出AI健康屏连接血压计、血糖仪生成健康档案。

报告的判断是，智慧健康的核心竞争力不在单个指标监测，而在于能否形成可信、连续、闭环的健康服务体系。

图源：《2026端侧智能产业发展报告》（第8页）

八、四个瓶颈：技术、应用、生态、安全

报告没有回避问题，最后一章把挑战分成四个层面，每一条都指向同一个词：碎片化。

技术层面，多模态、长上下文和复杂推理持续推高算力与能耗需求，而不同设备在芯片架构、算力、精度支持、散热和能源供给上差异显著，同一模型难以跨平台直接部署。

应用层面，部分产品仍停在功能增强和演示性体验，高频刚需和不可替代价值尚未形成；智能体在复杂长链任务中还存在意图理解偏差、执行不稳定、结果不可验证。

生态层面，芯片、模型、操作系统、推理框架、终端、应用各自为政，模型格式、算子体系、硬件接口、智能体协议尚未统一，跨芯片部署和跨设备协同成本都高。

安全层面最值得警惕：模型下沉后有模型提取、参数篡改、后门植入风险；智能体调用工具执行真实操作后，提示注入、工具投毒、记忆污染、越权访问的风险会从数字内容传导到物理过程。

报告给出的四条建议也很务实：技术上强化轻量化与软硬协同，应用上坚持真实任务牵引，生态上推标准与开源，安全上建分层分类的评测认证。

端侧最大的敌人不是算力不够，是每一家都在定义自己的接口。

图源：《2026端侧智能产业发展报告》（第9页）

九、这份报告该怎么用

它是产业地图式的写法，不是投资建议。67页真正能直接用的部分，是那张2030年的规模表和三个阶段的时间划分。做硬件的可以看品类增速排序：PC 36.2%、机器人30.8%、手机26.8%、可穿戴26.3%、安防19%、智能家居12.2%，资源该往哪投一目了然。

做软件和平台的更该看基础软件层那一段，编译适配、资源调度、任务编排、端云协同四件事决定了模型能不能低成本适配多样硬件。

上面引用的数据都能在原文里找到出处，报告放在运营动脉（www.yydm.cn），搜标题即可。

遇到统计口径不一致的地方，回原文核一眼，比对两三篇二手解读要快得多。

做产品的则要看应用层的五类划分，它给出了端侧AI从问答走向任务执行的路径，也标出了哪一步最有商业想象空间。

报告的结语给了一个判断：竞争将从单点产品能力转向模型、硬件、系统和服务的全栈协同，价值从一次性销售转向持续服务与生态运营。

完整67页含技术分层表、载体规模表和五个场景的产品清单，原文在运营动脉（www.yydm.cn）上可按报告名检索。

端侧这件事，赢的不是模型最强的那家，是能把五层对齐的那家。