AI终端被低估了吗？AI Agent正在打开端侧新市场

编者按：

21世纪经济报道推出《聊懂新“新三样”》系列主题专访，邀请产业界与资本市场嘉宾，讨论AI从技术突破走向规模化应用过程中出现的新产品、新需求和新商业机会。本期对话嘉宾：AMD大中华区市场营销副总裁纪朝晖、中国银河证券电子组首席分析师高峰。

在OpenClaw带动本地智能体热潮后，AI产业链的关注点正从云端训练进一步延伸至推理和终端硬件。如果说过去两年AI算力竞赛的焦点主要集中在数据中心，那么进入2026年，行业讨论的重点正在发生变化。

中国银河证券电子组首席分析师高峰直言，市场此前将更多注意力放在AI部署带来的算力、存力和通信等基础设施需求上，相对低估了终端创新和升级带来的机会。随着智能体进入PC、手机、机器人、汽车和可穿戴设备，终端产品的硬件架构可能迎来新一轮重构。

AMD大中华区市场营销副总裁纪朝晖则表示，未来一段时间，推理算力增速将快于训练算力。随着AI由训练走向推理，算力需求也将从云端进一步延伸至边缘侧和端侧。

在他们看来，AI Agent从“会聊天”走向“真干活”，不仅意味着推理需求增长，也在重新定义终端设备。一方面，本地运行大模型和多个智能体，对内存容量、GPU性能和功耗提出了更高要求；另一方面，手机、PC、机器人、汽车和可穿戴设备的AI化升级，也可能打开新的硬件投资空间。

推理成为AI需求增长点

过去一年多，从训练走向推理已成为AI行业讨论的重点。随着模型能力逐步转化为实际应用，算力需求也开始由集中训练转向更高频、更分散的推理调用。

纪朝晖观察到，从2026年开始，推理算力的增长速度已经快于训练算力。未来，推理应用在Token消耗中的占比还会继续提高，AI也将进一步进入云端、边缘侧和端侧。

相比完全依赖云端调用，本地推理能够降低网络延迟，减少部分Token调用支出，并让个人文件和企业数据留在设备端。但与此同时，大模型从云端迁移至终端，也意味着终端需要承担模型加载、上下文处理、知识库检索和智能体并发运行等任务，对算力、内存带宽、存储容量和能耗控制提出更高要求。

目前来看，AI PC的硬件标准已经开始上移。微软目前对Copilot+ PC提出的基础门槛包括NPU算力达到40 TOPS、至少16GB内存和256GB存储空间。该标准主要面向实时翻译、图像生成和智能搜索等端侧AI功能；如果设备需要进一步运行本地大模型和多个智能体，硬件需求还会明显提高。

纪朝晖表示，智能体主机首先需要在本地运行一个具备足够能力的模型。以当前技术水平看，本地模型至少需要达到30B至35B量级，即300亿参数以上。同时，设备还要存储个人知识库、工作文件，并为多个智能体分配运行空间。

他以OpenClaw类智能体为例计算，如果同时运行3个智能体，仅智能体部分就可能需要约30GB容量；再叠加本地大模型和个人数据，设备至少需要96GB统一内存。按照这一标准，目前多数普通个人电脑尚不足以完整承担本地大模型与多智能体并行运行任务，智能体主机可能形成一类新的硬件需求。

在产品层面，AMD正通过锐龙AI Max+ 395等产品布局端侧AI市场。据纪朝晖介绍，这款旗舰级SoC最高支持128GB统一内存，可应用于小型桌面设备，在本地运行大模型。

据AMD介绍，锐龙AI Max+ 395集成CPU、GPU和NPU，最高支持128GB统一内存，其中最多96GB可以分配给图形处理和AI负载。大容量统一内存的意义在于，CPU和GPU可以共享同一内存池，减少大模型运行过程中数据搬运带来的性能损耗。

纪朝晖表示，AMD正在云、边、端三个层面布局AI产品。随着端侧AI应用增加，未来几年可能有数以十亿计的PC及其他终端设备需要进行AI化升级改造。

不过，端侧推理需求能否转化为大规模换机，仍取决于本地模型能力、应用生态、功耗和整机成本。对PC厂商而言，单纯提高NPU算力或增加内存，并不足以形成持续的换机动力。本地智能体能否带来用户可以感知的效率提升和成本差异，将决定新一轮AI PC升级的实际规模。

AI终端市场被低估？

个人电脑以外，AI正在向更多终端设备扩散。

高峰认为，移动互联网时代的许多创新都建立在智能手机等终端快速普及的基础上，AI时代同样需要新的终端载体。但与过去不同，新一代终端可能需要将GPU、存储和功耗控制放到产品设计的核心位置，而不是继续沿用原有硬件架构。

在他看来，如果不能从算力、硬件架构和功耗等方面重新设计产品，继续沿用移动互联网时代的终端架构，可能难以满足AI应用对本地计算和多任务运行的需求。

AI终端也不再局限于手机和电脑，还包括机器人、汽车、AI眼镜、智能家电和AI宠物等多种形态。终端品类扩大，有望为芯片、存储、传感器、模组和整机厂商带来新的增量空间。

行业机构也在上调对AI终端出货量的预期。市场调研机构IDC预计，2026年全球生成式AI PC出货量将达到5000万台，占整体PC出货量的19.6%；生成式AI手机出货量预计达到4.32亿部，占整体手机出货量的39.7%。这意味着AI功能正在从少数旗舰产品向更广泛的终端市场渗透。

高峰根据手机、PC、可穿戴设备、机器人和汽车等品类粗略估算，全部AI终端的潜在市场空间约为10万亿至15万亿美元。其中，智能手机年出货量约13亿至14亿部，市场规模约6000亿至7000亿美元；PC年出货量约2亿至3亿台，市场规模约2000亿美元；可穿戴设备年出货量则接近2亿台。

以此而言，如果既有终端都要进行AI化改造，并进一步从主要供人使用的设备，转向能够同时承载智能体运行的设备，芯片、存储、模组和整机等环节都将产生新的硬件投入需求。

从云端训练走向无处不在的推理，AI硬件市场的竞争边界正在扩大。数据中心当前仍是算力投入的核心，但当大模型进入个人电脑和更多终端，芯片厂商的竞争也将从单纯比拼算力，延伸至软硬件协同、功耗优化和本地模型生态等领域。