安谋科技把边端 AI 问题拆成 CPU、NPU、VPU 与 AIOS

2026年7月19日阅读约 2 分钟

导语

在 WAIC 2026 上，安谋科技选择把话题从云端大模型和万卡集群拉回到设备侧。摄像头、机器人、工业网关、可穿戴设备并不缺一个单独的“更大算力”答案，它们面对的是功耗、散热、内存、实时响应和软件适配同时受限的工程问题。

CPU 仍是端侧 AI 的基础控制面。 安谋科技介绍的 Arm Helium 向量扩展，面向 Cortex-M 系列增强 DSP 与机器学习处理能力。其自研“星辰”CPU 从 STAR-MC2 开始支持 Helium，现场的“星辰 300”则是把 STAR CPU 与 Arm Ethos NPU 放在 FPGA 上验证协同推理的平台，而非消费级产品。
NPU 的竞争不再只看 TOPS。 “周易”X3-Pro 的思路是上层软件、指令集和接口尽量统一，底层硬件按低功耗、中等算力和复杂推理场景分化。它强调混合精度、可配置内存层次和 Cluster 组合，目标是提升真实负载下的适配能力。
VPU 开始为机器而不只是人眼编码。 “玲珑”VPU 线索下，安谋科技提到“峨眉”和规划中的“武当”VPU，引入内容感知编码，并探索任务感知编码：让压缩策略同时考虑目标追踪、动作识别等下游 AI 任务，而不仅是画质指标。
AIOS 试图补上系统软件层。 开源 AIOS 联盟希望围绕模型引擎、Agent 编排、记忆引擎和 DataFlow 数据流引擎建立通用抽象，解决端云路由、多模态数据流、Zero Copy 和异构硬件调度等问题。

这组发布释放的信号是：边端 AI 正从“模型能跑”进入“系统能长期稳定运行”的阶段。CPU、NPU、VPU 和操作系统各自解决不同瓶颈，任何一层低效都会吞掉其他硬件的理论收益。对于设备厂商而言，未来选型可能不再只是比较算力参数，还要看内存架构、算子覆盖、视频链路、工具链成熟度和模型迁移成本。

但这仍不是已经完成商业验证的结论。“星辰 300”是验证平台，“周易”X3-Pro 尚未披露完整规格，“武当”VPU 仍处于计划发布前，AIOS 联盟也在早期。真正的考验，是这些路线能否变成可量产芯片、可维护 SDK，以及能被开发者持续使用的生态。