当大模型的浪潮从云端奔涌而下，AI正以前所未有的速度向手机、PC、可穿戴设备、智能汽车等终端渗透。端侧AI——这一被视为下一轮产业变革核心引擎的新赛道，正站在技术突破与资本聚焦的交汇点上。

5月13日，由观察者网与上海国投赋能联合主办，宁波银行和中国电子视像行业协会作为支持单位，金砖财经、绿色金融60人论坛协办的“金融+端侧AI产业前沿论坛”在上海绿地外滩中心正式启幕。论坛以“智能时代·机遇无限·共启未来”为主题，聚焦技术、产业与资本的三方共振，现场爆满，吸引了百余位产业领袖、投资人与专家学者齐聚一堂。

论坛由观察者网总经理、上海春秋战略发展研究院执行院长李波开场致辞，随后中国电子视像行业协会秘书长董敏代表支持单位发言。多位产业链关键环节的代表企业相继登台分享，观察者网第二届“科创人物评选启动仪式”也在论坛现场同步举行。论坛最后以“端启新局·智链千行——端侧AI的产业跃迁与资本共振”圆桌对话压轴收官。

李波：在智业文明的坐标系上，中国跑出自己的速度

观察者网总经理、上海春秋战略发展研究院执行院长李波做了活动开场致辞。

他首先对“行业大模型”这一概念作出纠偏。李波指出，真正的行业模型并非把大语言模型“缩小”，而应建立在本体论架构之上，具备闭环工作流和因果逻辑，而非大模型那种统计的、黑箱的逻辑。在工业、医疗及媒体等应用场景中，必须将本体论架构与语言大模型的能力相结合，才能真正实现数据本地化，这是认知层面需要被纠正的关键。

观察者网总经理、上海春秋战略发展研究院执行院长李波

谈及“金融+端侧AI”的命题逻辑，李波坦言，当前80%至90%的资本仍涌向云端大模型与算力建设，而端侧赛道正展现出新的趋势。金融业本身是数据最密集、对端侧智能化需求最迫切的行业，其低延迟、强隐私、高安全的特性与端侧AI天然契合，是一场“双向奔赴”；同时，没有金融资本的精准滴灌，端侧AI的产业化鸿沟难以跨越。本次论坛从底层芯片设计、存储技术，到金融领域的端侧AI应用，再到资本投资策略，沿着这条主线层层递进，正是希望打通产业与资本之间的信息壁垒，对RISC-V架构落地的真实瓶颈、AI-SSD的成本结构、端侧AI在金融业的投资回报等“硬问题”，给出“硬回答”。

李波进一步阐释了观察者网作为媒体的三重角色定位：一是产业链接器，把芯片厂商、存储企业、银行投行、财务顾问等分散节点连接起来，从两年前“心智对话”栏目十余人的小型沙龙，到今天的百人论坛，正是这一链接价值的累积；二是复杂场景的翻译者，用清晰准确的语言打通产业与金融之间不同的话语体系；三是产业生态的记录者，通过观察者网全媒体矩阵，将论坛上的思想碰撞传递给更广泛的公众，让外界看到中国科技产业的真实进步。

就人工智能治理与人类文明的关系，李波提出了“智业文明”的思考框架。他认为，继农业文明、工业文明之后，人工智能正在引导人类进入新阶段，但这一阶段不能简单冠以“人工智能文明”之名——AI只是工具。面对硅谷“技术加速主义”以及部分科技精英试图脱离地球、构建技术君主制的倾向，中国应坚持“带着地球一起走”的文明立场，构建技术与人文相统一、应用驱动、具备国际视野的治理框架，秉持经世致用、智能向善、以人为本的理念，并对全球南方的AI主权与数据主权诉求作出积极回应。

结合当日中美元首会晤的背景，李波表示，元首层面的沟通能够为产业和金融发展提供更确定的稳定预期，但中美关系已“回不到从前”，中国应在斗而不破的格局中走好自己的路。他最后强调，中国科技产业正从跟随、追赶迈向并跑、领跑，在端侧AI这一机会窗口正在打开的全新赛道上，中国的产业界、金融界、投资界完全有能力跑出属于自己的速度与高度，真正把未来掌握在自己手中。

董敏：端侧AI与金融的双向奔赴

中国电子视像行业协会秘书长董敏代表支持单位发言。董敏讲到，协会作为中国电子制造业、特别是消费电子行业忠实的观察者和参与者，见证了AI技术和智能硬件融合的日新月异，以及中国产业的全面崛起。

他表示，消费电子，是当前数字经济的“入口级产业”，更是AI技术落地最广泛、最贴近民生的应用场景。长期以来，消费电子始终是前沿技术迭代的“风向标”，也是亿万用户感知科技进步的“第一触点”。

中国电子视像行业协会秘书长董敏

当前，以端侧大模型为代表的技术浪潮，正在为消费电子产业带来深刻的变革。从过去依赖云端算力，受限于网络延迟、数据隐私和服务成本，到如今智能模型运行在本地终端，实现离线可用、毫秒级响应、数据不出境；正在让每一台消费电子设备，成为更懂用户的“专属智能助手”。

谈及金融与端侧AI的关系，董敏认为这是一场“双向赋能、双向奔赴、产业共振”。金融作为产业发展的“血脉”与“引擎”，从来都是产业创新的重要支撑。对于电子终端产业而言，金融资本为端侧AI技术的研发投入、量产落地提供了关键的资金保障，助力企业突破算力、算法、芯片等核心瓶颈，加速从“能用”到“好用”的跨越；对金融行业而言，端侧AI带来的智能终端、海量场景，为金融服务的创新提供了新的载体。从基于端侧数据的精准风控，到嵌入智能设备的普惠金融服务，再到更安全、更便捷的数字支付体验，金融服务还可以通过端侧智能，触达更广泛的用户群体，构建更高效、更安全的服务体系。

接下来，协会将持续推动技术创新与场景应用的深度融合，推动金融资本与实体产业的有效对接，携手各方力量共建产业生态。

隼瞻科技曾轶：用RISC-V重塑端侧AI的算力底座

隼瞻科技创始人兼CEO曾轶以“重塑端侧算力底座：RISC-V架构驱动的AI处理器自动化设计和创新探索”为主题发表演讲。

隼瞻科技创始人兼CEO曾轶

他开场即抛出一个发人深省的问题：RISC-V与端侧AI，这两条当下最热门的赛道，它们之间的连接点究竟在哪里？Google、Meta、高通、英伟达、特斯拉等国际巨头纷纷牵手RISC-V公司，显然不是出于“国产替代”或降低成本的考量——他们选择RISC-V，就是为了做端侧AI的技术储备。

曾轶从技术架构层面拆解了端侧AI的算力需求。他指出，一个AI模型在底层拆解为三种计算类型：标量计算（一维，由CPU承担）、矢量计算（二维，由VPU/DSP承担，处理激活函数、归一化、池化等灵活算法）、张量计算（三维，由NPU承担，执行卷积和矩阵乘累加等核心运算）。传统方案需要分别向ARM购买CPU、向DSP供应商购买信号处理器、再自研或外购NPU，三套体系互不兼容。在具身智能、计算机视觉、自然语言处理等不同应用场景中，其核心算法和AI模型有着明显的差异性，算子种类的不同导致对三种计算范式的比例和细节有着截然不同的需求。

RISC-V恰恰在这里提供了破局之道。曾轶解释，RISC-V作为统一的架构底座，天生即是CPU架构，通过加入紧耦合矢量运算指令集实现VPU功能，再通过松耦合扩展指令为NPU提供低延迟、高带宽的调度能力。更关键的是，RISC-V的指令可定制特性，使得芯片设计者可以根据客户的具体AI模型去分析算子分布，精确配置三种计算引擎的比例，裁剪不需要的算子，添加特定指令。

他以一个实际案例佐证：某知名MCU厂商此前采用ARM方案，因功耗和面积过大而转向隼瞻科技，最终隼瞻交付的方案在芯片面积和功耗上仅为ARM方案的三分之一，客户当即签约。“ARM的做法是你的模型跑不动，就买更大的芯片；而我们的做法是分析你的模型，为你定制最优的架构”，曾轶阐述。

在此基础上，曾轶介绍了隼瞻科技的核心竞争壁垒——DSA处理器集群解决方案。公司不仅拥有RISC-V架构下完整的CPU、DSP、NPU三大IP产品线，更打造了名为ArchitStudio的自动化设计平台，内嵌AI引擎，可完成架构分析、架构设计和一键式自动化生成三大环节。客户只需将算法模型输入平台，即可获得定制化的处理器架构、编译器及完整的硬件/软件开发包。他特别强调，隼瞻深度参与客户AI模型的优化和量化环节——这一步与硬件架构强相关，ARM无法也不愿涉足，而隼瞻做得到。由此带来的效果是模型更小、硬件资源更省，甚至部分客户可以省去片外DRAM，仅靠片上SRAM即可运行，大幅降低系统成本。

曾轶坦言，RISC-V行业此前竞争不过ARM的核心症结在于一味做“me too”——同质化竞争只能拼价格。隼瞻选择从设计范式上突围，“做ARM不能做的事情”。曾轶表示，隼瞻科技成立三年半，已积累超过200家客户，数十家进入深度合作与量产阶段。ArchitStudio工具已无偿捐献给浦东软件园DSA实验室，供行业伙伴体验和使用，下一步，公司将推出更高阶的ArchitFusion平台，面向多核异构处理器的系统级设计，目标是让每一家芯片企业都能高效构建属于自己的端侧AI算力方案。

英韧科技陈杰：配角到核心，一个超500亿美元的新战场

英韧科技联合创始人、数据存储技术副总裁陈杰发表了题为“端侧AI催生新存储战场——AI SSD的崛起”的主题演讲。他从市场趋势、技术痛点和产业布局三个维度，深入阐释了存储在AI时代的战略价值，并首次披露了英韧科技在AI SSD领域的产品路线图。

英韧科技联合创始人、数据存储技术副总裁陈杰

陈杰援引IDC与Gartner的综合报告指出，全球AI存储市场正经历爆发式增长，预计到2027年市场规模将达到514亿美元，复合增长率超过20%；到2030年更将突破700亿美元。他表示，存储已经从AI生产链上的配角，逐渐成为基础设施的核心部件。

与此同时，大模型正加速从云端走向终端。手机、电脑、自动驾驶、无人机等设备上开始部署AI推理能力，端侧AI迎来快速发展。陈杰将其核心驱动力归结为四点：低延迟与实时性、隐私与数据安全、离线可用以及成本和能耗的优化。尤其在金融、医疗、自动驾驶等行业，敏感数据无需上传云端的需求尤为迫切。

然而，端侧AI的落地面临一道难以回避的瓶颈——存储墙。陈杰以一个具体案例说明：一个140亿参数的大模型，在FP16精度下需要约35GB内存才能运行，而当前旗舰手机的内存通常只有12至16GB，远远不够。即便将精度降至8位，仍需19GB，依然超出硬件承载能力：“当模型呈指数级增长，GPU和NPU的算力即使再强，也常常处于数据饥饿的等待状态。”

面对这一痛点，业界正从三个方向寻求突破。第一是存储分级加数据调度，核心思想是将正在运算的“热数据”放在少量DRAM中，把暂时不用的“冷数据”存放在SSD中，需要时再快速加载。

第二是量化压缩与弹性精度，通过降低模型精度来压缩存储需求——同样是140亿参数模型，从16位压缩到4位，所需容量可从28GB降至7GB，但解压缩效率不容忽视。

第三，也是陈杰着重强调的“终极方案”——让存储直接参与计算。他指出，传统架构中数据必须经由CPU中转才能到达GPU或NPU，而新架构允许存储直接对接AI计算单元、绕过CPU，从根本上释放存储的带宽和延迟潜力。

陈杰阐述：“通过架构重构，传统存储将从被动的数据仓库，转变为决定AI系统性能和效率的关键战场。”在此背景下，AI SSD应运而生。陈杰将其定义为“第一次进入算力链路主路径”的存储产品，具备超低延迟、超高IOPS、超高容量和超高并发度的特点，能够完美适配AI计算需求。其应用场景涵盖智能设备的本地推理、智能汽车车载Agent的实时检索与长期记忆，以及边缘推理训推一体机的性能与成本平衡。

从产业格局来看，全球存储巨头已纷纷入场。铠侠在2025年6月的投资人大会上提出AI SSD长期布局，三星与海力士随后在存储峰会上公布了下一代高带宽存储颗粒计划，华为也推出了AI SSD的第一代产品。陈杰强调：“这不是一家公司的选择，而是整个存储产业链的共识。”

他同时指出，AI SSD的技术难点在于介质、架构和链路的三维重构：介质层面需要更低延迟和更高耐久性；主控芯片需要深度并行的精简架构与智能调度能力；高速通信则需支持PCIe 6.0乃至7.0，并兼容CXL协议。

在演讲的最后，陈杰披露了英韧科技的AI SSD产品路线图：2026年发布首款AI SSD产品，目标达到1000万级IOPS；2027年兼容CXL协议，将关键性能指标推至2500万到5000万级IOPS；未来计划冲击上亿级IOPS，实现多态AI的融合。

陈杰最后总结：“AI时代正在重构整个存储产业。我们相信，存储即是计算，这将成为下一代计算架构的新范式。”