告别硬件参数内卷 消费电子集体转向“个人AI”赛道

荣耀首款机器人手机Robot Phone预约量已突破20万台，超越历代旗舰；OPPO“小布Next计划”开启多机型内测，让AI（人工智能）助手化身“24小时待命的专家团队”；华为新款鸿蒙折叠电脑定档8月5日发布；苹果首款折叠屏手机将于今秋亮相，“Apple智能”已完成国内备案……从手机到PC，从可穿戴到智能眼镜，一场以AI为核心引擎的产业变革正在消费电子领域全面铺开。

接受证券时报记者采访的专家表示，构建以用户为中心的个人AI体验，正成为消费电子终端厂商决胜的关键。围绕着这一方向，消费电子行业算力架构将走向端边云协同发展，而以高通、英伟达等为代表的产业链企业已提前布局。

个人AI定义新一轮增长

过去，消费电子行业迭代长期围绕屏幕、处理器、影像、快充等硬件参数比拼展开，如今，这一发展路径下，行业竞争日趋白热化，增长红利逐渐减退。

在此背景下，终端企业纷纷求变。荣耀跳出单一硬件升级思路，打造了行业首款机器人手机Robot Phone，从软硬件协同创新角度，重新定义消费电子新品开发思路。该机首次将云台系统集成于手机，并将电影完整工作流搬入其中，同时率先落地伙伴型多模态智能体操作系统Agentic OS，目前，Robot Phone预约量已超20万台，超历代旗舰产品。

OPPO最新推出“小布Next计划”，通过端侧Multi-Agent系统，小布像专家团队般24小时待命，感知需求、规划任务，让AI从被动应答升级为主动智能服务，已开放多款机型用户内测通道。

华为在消费电子产品软硬件方面也持续精进，将于8月5日推出新款鸿蒙折叠电脑等；苹果酝酿多年的首款折叠屏手机也将于今年秋季发布，而其“Apple智能”已完成国内备案；中兴通讯全球首款智能体手机则刚完成“首秀”。

IDC中国副总裁王吉平对证券时报记者表示，AI超级周期正在推动消费电子终端走向变革“临界点”。终端厂商在短期市场面临涨价、用户换机意愿下降等多重压力下，在传统的“参数内卷驱动销量增长”逻辑逐渐失效之时，AI终端正成为最大的增长亮点。以用户为中心、以智能体为核心运行载体的“个人AI”，作为全新AI时代的个人智能形态，将为厂商带来发展破局点，定义下一轮终端增长。

根据IDC定义，区别于当前依附单一设备的端侧AI功能，个人AI更强调以用户为中心，由智能体作为核心运行载体，通过端侧智能算力、多模态交互以及边缘、云端协同，在手机、PC、智能眼镜、可穿戴设备等多个终端之间持续提供跨设备、跨场景的服务能力。

“未来所有设备都将成为智能体的端点，打造以用户为中心的个人AI体验，不仅是技术发展方向，也正成为产业发展共同诉求。”高通公司产品技术专家朱元堃对记者表示。

从云端走向分布式

个人AI发展趋势下，行业竞争逻辑及底层计算架构将生变。

王吉平表示，无论是跨应用任务执行、智能体原生系统，还是更具沉浸感和主动服务能力的新型交互形态，这些创新背后，离不开高性能、低功耗、分布式算力以及跨设备连接能力的支撑，其中，分布式算力架构为个人AI落地关键。

据介绍，个人AI时代，要求个人任一设备及时响应用户需求，并持续获取环境和用户状态，长期记忆个人信息，结合用户过往信息进行推理判断用户意图，最终调用工具执行任务，同时须保证用户隐私安全，这就离不开连续的计算与跨端协同，也会大幅推升算力需求。IDC预计，未来单个个人智能体每天消耗的Token数量，可能达到传统生成式AI应用的100至1000倍。

“因此，消费电子领域底层计算架构，必须从当下的云端集中逐步走向端云协同，并进一步演进为端、边、云协同。其中高频、低时延且涉及个人隐私的数据在端侧完成处理，复杂任务再按需调用边缘节点或云端模型。在保证效率的同时，平衡功耗与隐私安全。”王吉平说，如果完全依赖云端，AI或许能成为强大的生产力工具，却很难成为真正理解个人的智能体。

朱元堃对记者表示，端侧和云端算力并非简单的功能划分，而是根据任务特点形成自然协同，端侧负责持续感知、保存个人记忆和本地规划，云端则发挥模型规模和算力优势处理复杂任务，两者通过统一的架构实现无缝流转。端云协同将成为智能体充分利用云端和终端不同计算和场景优势，实现真正个性化且高效的智能体AI体验的必然方向。

王吉平认为，除端边云协同的分布式计算架构外，行业还需加强开放协作和生态共建，而软硬件与AI服务一体化也将成为消费电子终端价值跃迁的重要抓手。

产业链加速拥抱变革

上游芯片、端侧大模型、算法软件工具链企业正批量落地对应产品方案，围绕智能体常驻运行、本地存储、跨端协同核心需求完成技术迭代，为个人AI落地搭建底层软硬件支撑体系。

芯片领域，异构AI算力架构成为标准化演进方向。高通打造了面向智能体时代的AI全栈解决方案，通过异构计算打造AI原生的芯片平台，CPU、GPU、NPU分别负责任务规划、高能效推理、并行计算和低功耗感知，面向不同的任务负载实现最佳性能和能效，为智能体持续运行和跨终端协同提供支撑，并打造了统一的AI软件栈，助力大模型厂商和应用开发者更便捷地在高通平台完成AI能力的部署和优化。

英伟达、Arm、国内的安谋科技等也有类似动作，其中英伟达发布了RTX Spark平台，面向AI PC打造本地智能体专属算力底座，打通终端与边缘算力通道，支撑个人AI自主执行长周期任务。

端侧模型赛道，厂商集中开发适配终端硬件的中小型多模态模型，强化长效记忆、工具调用、用户意图拆解核心能力，如面壁智能MiniCPM系列端侧模型已批量落地消费终端，实现轻量化智能体规模化搭载。

算法与软件工具链领域，中科创达发布AquaClaw智能体底层系统，搭载异构算力调度模块，自动完成AI任务在端、边、云之间分流。配套硬件同步跟进升级。个人AI带动大容量、低功耗、高带宽存储产品迭代，同时对终端散热性能提出了更高要求，佰维存储、立讯精密、领益智造等公司均已提前布局。

受访人士普遍认为，当前消费电子自上而下的系统性重构，将逐步扫清个人AI规模化商用的技术障碍。但行业现存短板仍客观存在，如跨品牌算力调度缺少统一标准、端侧模型综合适配成本偏高、数据流转隐私合规体系尚不完善等。