如果說深度學習是培育智能的土壤，那么大模型就是這片土壤中生長出的參天大樹。

依托深度學習的算法根基，大模型通過海量數據灌溉和算力滋養，將特征提取、模式識別等能力推向新維度，讓人工智能從“感知”邁向“認知”新跨越。

隨著AI大模型不斷迭代升級，特別是在2025年春節期間以DeepSeek為代表的大模型技術開源化，不僅大幅拓展了人工智能的應用邊界，也為邊緣、端側AI應用發展帶來顛覆性變革。

除市場應用帶來變革之外，大模型也將對邊緣計算AI芯片的技術架構、應用場景和產業生態等方面進行重構。

那么，我們今天就來聊聊，邊緣AI芯片在大模型技術驅動下將如何進行產業升級。

視覺物聯了解到，目前邊緣AI芯片架構呈現多元化趨勢，企業根據能效、算力、靈活性需求選擇不同方案，主要有GPU、NPU、ASIC、FPGA、RISC-V和存算一體等。

其中，NPU因高能效占據主流，代表企業包括高通、瑞芯微、全志科技、恒玄科技、國科微和愛芯元智等。但因大模型運算使得邊緣推理算力需求指數級攀升，傳統單核NPU架構已無法滿足需求，企業開始紛紛創新升級。

例如，為解決傳統NPU芯片大模型推理效率不足問題，國科微創新提出MLPU芯片概念（面向多模態大模型的新型AI芯片架構），既能高效支持大模型推理計算，同時兼容傳統小模型的高效推理。

據了解，國科微基于MLPU創新架構設計的AI SoC產品，預計將于2026年開始逐步量產上市。該架構具有高能效、低功耗、高性價比的特點；相比于市面已有的NPU芯片，能夠更高效地支持大模型的端側部署和推理應用，從而保證模型推理效率和應用效果。

同時，基于MLPU的創新架構設計，國科微積極布局AI生態建設。其圍繞大模型及其大模型產品，深度優化適配，提供從模型壓縮轉化、推理部署、應用開發端到端全棧大模型工具鏈，方便開發者和客戶能夠簡單高效地完成模型部署和應用開發。

而瑞芯微則通過Chiplet異構集成的方式，為滿足不同市場、產品應用對性能和算力的差異化需求，其在自研NPU中內置不同性能層次的CPU、GPU內核，從而幫助客戶有效縮短產品研發周期，節省研發投入。

面向AI大模型部署、大數據實時處理等場景帶來的復合算力需求，多核化、專用化、低功耗的多核異構SoC也成為多模態復雜場景下的高效處理方案。

其中，全志科技通過集成CPU、GPU、NPU、DSP等不同架構的處理核心，可以在適應不同場景功能需求的同時，提升整體計算能力，結合軟件系統帶來的異構基礎功能拓展衍生，構建起"分工協作"的高效計算體系，以支持更多樣化的應用。

目前，全志科技的多核異構方案已經在大量產品場景中實際應用。例如，在消費電子產品中，通過協處理器在主核上電前預加載引導程序，異步解壓系統鏡像，同時延遲加載驅動至CPU啟動后執行，使開機動時間相較傳統方案顯著提升，搭配低功耗控制、AI ISP視覺引擎，可將快啟差異化類法案部署在低功耗IPC、智能門鈴等產品中。

小結

大模型時代正推動邊緣AI芯片架構從“專用加速”向“智能原生”演進，企業需在架構創新、生態構建和場景深耕三方面同步發力，推動邊緣AI在消費電子、智能汽車和工業物聯網等領域的規?；涞?。未來，能效比優化、大模型端側部署能力及生態兼容性將成為競爭關鍵。

近日，視覺物聯聯合AIoT星圖研究院即將啟動《2025邊緣計算市場調研報告》，將從技術發展與落地應用等方面展開深度調研，揭示行業基本面，洞察競爭格局，為企業戰略制定、投資決策、市場拓展等提供結構化的參考依據，歡迎邊緣計算產業朋友一起參與到報告調研中。