Agent热潮引爆端侧AI赛道，芯片厂商加速布局存算一体芯片

2026年9月，Meta推出的个人智能体Muse在13天内下载量突破250万，一度将ChatGPT挤下美国App Store免费榜首位；几乎同期，OpenAI发布Dots、Manus推出Cue、Instinct完成10亿美元融资——全球头部玩家密集入场，标志着个人Agent正式进入大众化落地临界点。这一轮爆发不仅重塑了人机交互范式，更意外地成为端侧AI发展的强催化剂。

Agent的核心能力在于任务执行而非对话应答：用户设定目标后，它可自主跨应用推进全流程，仅在关键节点（如支付确认）发起交互。这种“后台持续运行”模式大幅提升了Token消耗强度。据行业测算，Agent场景下的Token消耗较传统对话模型高出2至3个数量级，且仍在加速增长。高吞吐需求直接推动算力从云端向边缘与终端迁移，形成新一轮“算力下沉”浪潮。

算力结构的转变正在重塑芯片产业格局。后摩智能创始人吴强在10月14日“从芯出发，向端而生”大会上指出，过去一年行业变化尤为明显：其主推的M50存算一体端侧芯片量产不足一年，已获得150多个产品定点，服务客户超百家。该芯片主要覆盖四大场景，其中起量最快的是Agent Computer与边缘服务器；AI PC虽处于渗透初期，但依托数亿台存量设备，长期潜力巨大；具身智能场景亦开始放量。

端侧AI的发展逻辑正从“性能优先”转向“成本与生态并重”。吴强提出“端侧免费Token工厂”构想：若能将Token边际成本压至趋近于零，本地算力一次性投入后即可无限调用，将极大释放端侧潜力。这一路径依赖两大支撑：一是模型轻量化与智能密度提升，二是专用芯片的能效比突破。

阿里云千问模型智能硬件总监徐超强调，端侧AI的关键在于高效利用NPU算力与内存资源，“把模型做小、智能密度做高”。他预测，到2027年年中，端侧模型有望解决大部分人的常规工作需求，“个人超级计算机”或将成为标配。

为应对Token经济学的兴起，行业已形成两大核心指标：Token/$（单位成本产出）与Token/W（单位功耗输出）。后摩智能联合创始人信晓旭介绍，公司以SRAM-CIM为技术根基，同步推进2D CIM（面向大容量）与3D CIM（面向高带宽）两条路径，在计算架构与封装层面持续创新。他将当前阶段类比为移动互联网早期——iOS与安卓系统成熟后，才催生出应用生态爆发；如今，现象级Agent平台的涌现，正加速端边AI的创新与落地进程。

然而，从技术可行到商业闭环仍存三道门槛。罗格数据CTO刘学鹏指出，用户只为“最后100米”买单，端侧AI需跨越：第一，数据打通——打破设备与服务间的数据孤岛；第二，交互嵌入工作流——让AI自然融入现有操作流程而非另起炉灶；第三，概率模型稳定性——确保任务执行结果可靠可控。

值得注意的是，Agent的普及已实质性改变互联网流量结构。Cloudflare数据显示，2026年AI生成流量占比达57.5%，首次超过人类；a16z报告称，Agent的Token消耗为人类用户的5倍，六个月内增长14倍；支付宝AI支付交易量突破3亿笔，验证了真实商业场景的可行性。

应用场景正快速扩散：旅游预订中，Agent绕过OTA直接比价下单；客服环节，Instinct已实现消费者Agent与商家客服Agent的对接；社交媒体上，Grok Bot可按用户指令刷取特定内容；甚至招聘领域，已有实验表明AI可完成岗位发布、面试与录用全流程。

这一趋势也引发治理层面的深层思考。复旦大学蒋昌建副教授以亚马逊封锁Muse为例警示：端侧AI不仅是技术问题，更涉及权限分配、责任界定与接口规则。他强调，构建开放公平的治理制度，实现安全、自主、公平与责任的统一，是行业可持续发展的前提。

万格智元CEO王冠博认为，用户真正需要的并非“最强模型”，而是“能解决问题的模型”。随着模型密度提升，端侧AI可处理的任务边界持续扩展，AI发展范式正从“依赖智能”转向“拥有智能”——终端设备将成为所有人使用AI的实际入口。

目前，多数复杂任务仍需端-边-云协同完成，但芯片与模型的双线演进正在压缩这一差距。吴强判断，未来1-2年内行业或将抵达临界点：端侧算力在性能与经济性上达到新平衡，足以支撑主流应用场景独立运行。届时，搭载专用NPU的AI PC、智能终端乃至具身机器人，将不再是概念产品，而成为数字生活的新基础设施。