星凡智能高君效：端侧AI竞争正在从峰值算力转向系统效率

9月10，由芯师爷主办的“第八届硬核芯生态大会”圆满落幕， 星凡智能合伙人、副总裁高君效在会上发表了题为《智赋万物，芯创未来——物理AI时代的端侧芯片机遇》的精彩演讲。他从AI的三重进化切入，梳理了从感知AI到物理AI的四阶段演进路径，指出端侧AI芯片已成为物理AI系统中最重要的执行底座，并介绍了星凡智能面向具身智能构建的全栈能力。

AI正在成为万物智能的基础设施

高君效在开篇指出，AI正在快速走出屏幕，它不再只是文本、图像和视频的识别工具，而是逐渐演变为可以感知、决策、思考，并能改变物理世界的实体能力。在他看来，这一变化体现在三个层面。

首先是应用AI化。AI正从一个独立的功能模块，逐步嵌入操作系统、软件以及行业应用的业务流程之中。其次是设备AI化。手机、AI PC、智能汽车以及具身智能机器人等设备开始大量出现，并具备本地的感知、推理与决策能力。第三是基础设施AI化。芯片、存储、网络架构乃至整个计算中心，都开始围绕AI负载重新设计。

公开市场的数据印证了这一趋势。据Gartner预测，2026年全球AI支出规模将达到2.59万亿美元，同比增长约47%；未来数年AI基础设施支出占比将超过45%，2026年AI半导体相关硬件收入占比约30%。

AI已经从一种应用能力，进化成万物智能的基础设施。

演讲现场

混合AI：

按任务动态分配的分布式智能

在架构层面，高君效认为未来的AI不会是单点式的，而是混合AI架构，由中心云、边缘云与终端侧共同构成。

中心云提供通用智能，负责大模型的大规模训练与通用能力输出；边缘云更靠近端侧，承接区域、领域与行业级应用，让智能推理和计算更靠近数据；终端侧则让智能能够即时响应，完成实时感知与决策，同时保护用户隐私。

采用这一架构的根本原因在于，任务可以按照时延、隐私、功耗、成本以及模型规模，被动态分配到最合适的层级执行，最终形成跨云、边、端的分布式智能。

市场规模同样可观。据弗若斯特沙利文数据，相关市场将在2029年达到1.2万亿元人民币的规模，四年增长约3.8倍，年复合增长率达39.6%。

物理AI：

端侧AI的终极形态

在混合架构之上，高君效抛出了本次演讲的核心判断：端侧AI的终极形态是物理AI，AI将进入一个可执行的物理世界。

他回顾了AI发展的四个阶段。感知AI以识别世界为目标，覆盖图像、视频、语音识别以及分类与检测；生成式AI主打理解并生成内容，文生图、文生视频、代码生成等应用已经相当成熟；智能体AI则能够根据目标与约束，自主调用工具、插件与模型去完成任务，在规划、调用与执行上做更多工作；下一阶段的突破，则是从智能体走向物理世界，在现实中行动，智驾、无人机与各类具身机器人都是典型代表。

这四个阶段并非简单的一对一迭代或替代关系，而是在物理世界中叠加为"感知—理解—规划—行动"的完整能力栈。

图源：演讲PPT

系统协同优化，

端侧芯片是核心底座

要让物理AI真正落地，高君效认为需要四项技术的系统协同优化：模型小型化，通过低比特量化、结构化与非结构化剪枝、知识蒸馏与大小模型协同，把模型压缩到端侧可跑；端侧AI芯片，依托CPU/NPU/GPU异构协同、专用NPU与数据流架构、存储层级与带宽优化；推理引擎，做算子融合与计算图优化、编译器调度与内存复用、跨平台适配与性能分析；多模态与系统演进，包括多数据融合与世界模型、VLA与大小脑协同、云边端任务的动态调度。

但在这些技术当中，端侧AI芯片是执行中最重要的一环，是最核心的计算与处理底座。

具身智能：物理AI的最佳载体

谈及具身智能，高君效给出了自己的定义。他强调，具身智能不能被狭义地理解为人形机器人，任何能够感知环境、自主理解任务、做出决策并执行的智能机器，都可以称为具身智能，其本质是一种把人的思维与处理能力放进机器的智能。

这类机器已经在多个行业得到广泛应用：工业生产中的搬运、装配、质检与巡检；商业服务中的配送、清洁、安防与医疗辅助；家庭生活中的家务、看护、教育与陪伴；以及特殊环境下的低空、救援、深海与恶劣环境作业。在他看来，具身智能是物理AI最佳的载体，而这片市场仍是一片蓝海：据IDC数据，2030年中国具身智能机器人用户支出预计将达770亿美元，2025—2030年复合增长率约94%。

星凡智能：

物理AGI底层能力构建者

在行业判断之后，高君效介绍了星凡智能的布局。公司希望打造的并非单点能力，贯通芯片、数据、算法与算力，为物理AGI打造持续进化的核心引擎。

在芯片侧，公司联合西安交通大学自主系统与智能芯片研究团队，打造面向具身智能、边缘智能与太空计算的高性能、低功耗物理AI芯片；在数据侧，依托具身智能训练场、XGAIA 数据平台、G系列数据采集设备及DexCore仿真一体机，构建真实世界数据、Ego数据与仿真数据协同驱动的数据生产体系；在算法侧，围绕AGLobe具身大脑与XBoost异构芯片适配加速平台，提升智能体的感知、推理、决策、控制与泛化能力；在算力侧，面向大模型训练、推理及规模化部署，提供Token算力工厂、Token工作站及软硬一体化解决方案。

面向具身智能、太空计算、Token算力工厂等战略场景，星凡智能为机器人、卫星、无人系统及边缘设备提供从训练到部署、从执行到进化的底层支撑，推动AI从数字世界走向物理世界。

星核S1：

把有限算力转化为更高的系统效率

对于端侧芯片，高君效给出了一个明确的预测：端侧芯片的关键不是单点堆算力，而是如何把有限的算力提升为更高的系统效率。算力堆得越大，功耗与成本的代价必然越高。

围绕这一目标，星核S1在算法侧与架构侧同时发力。算法侧，公司自研的混合精度量化算法可在同等大模型下将模型体积最高压缩85%，直接节省外围存储容量、降低硬件成本；权重稀疏优化则压缩低贡献计算，提升单位算力的利用率与等效算力。架构侧，芯片硬件原生支持INT2—INT8多精度计算，降低内存占用与资源承载；配套自研推理引擎可实现多精度混合计算与软硬件调度，提升适配效率与推理吞吐。

图源：演讲PPT

系统级价值体现在一组对比数据上：模型体积最高压缩85%；典型功耗低于25W，兼顾性能与续航；同等条件下，等效算力约为行业头部产品AGX Orin模组的1.5倍，模型参数承载能力约为AGX Orin的3倍；从立项到量产导入不超过2个月。

参数量的意义在于，端侧承载的大模型参数量越大，本地 智能的表现就越好。这正是算法、架构与软硬件协同所带来的系统效率优势。

星核R系列：

国产具身大脑算力芯片方案

基于星核S1，星凡智能推出了面向具身大脑的星核R系列算力产品cc，目标是成为国产化的高能效端侧计算核心，包括R280（P）与R70（P）等系列。

星核R280（P）面向大模型机器人、多传感器融合与复杂任务决策场景，INT8等效算力达420 TOPS，算力显存64G（可至128G），可在本地承载235B参数量级的大模型。星核R70（P）面向机器人视觉感知、语义理解、任务规划与实时决策，INT8等效算力105 TOPS，算力显存16G（可至32G）。

除高算力与本地智能外，该产品还具备多路视频编解码能力以适配多摄像头感知系统，并支持硬件、算法、智能体与结构定制的一体化交付。星凡智能并不做单纯的硬件交付，而是把产品、自研算法、推理引擎以及具身大脑能力与Agent整合成整体方案。目前，公司已与国内头部机器人企业展开合作，共同推动全国产具身智能机器人的规模化落地。

图源：演讲PPT

真实世界的需求，

反向定义端侧芯片架构

演讲最后，高君效把话题拉回到人与机器的关系。他认为，技术发展的核心始终是服务人，端侧AI的发展关键在于重新定义人与机器之间的协同关系。

在他描绘的图景中，人负责定义目标与任务，更多从事创造、判断任务是否正确，并承担监督责任；AI负责理解人类指令、场景感知、学习与协同优化；机器人则在物理世界中执行动作、与环境交互并反馈状态。

而真实世界对实时性、能效、成本和可靠性有着极高要求，这些要求正在反向定义未来端侧芯片的架构。高君效表示，端侧AI芯片将朝四个方向突破：更高能效，依托低功耗设计、近存计算与存算一体；更强算力，依靠NPU设计优化、Chiplet与带宽提升；更重场景，实现算法、数据与硬件的深层次融合以及大小脑的场景化协同；更低成本，通过单芯片融合计算与传感、减少存储用量。

每个人都将拥有自己的物理AI伙伴

"未来，每个人都将拥有真正属于自己的物理AI伙伴。"高君效认为，这个伙伴不只是一个工具，更像一个朋友， 它比手机更及时，比云端更可信，能在物理世界中按照人的意图行动。

本文根据嘉宾演讲做不改原意编辑，如有任何问题，敬请联系我们。微信：global360iot01