三季度净利润回落，但全志科技还在托举端侧AI的信仰

2026年8月，搭载全志科技A537、A133芯片的荣耀亲选DigaCite AI相册管家、AI桌面机器人分别上市。两个月后，终端产品背后的芯片企业交出了新的经营预期：

10月12日，全志发布2026年前三季度业绩预告。其预计前三季度归母净利润为6.4亿元至6.7亿元，同比增长129.85%至140.62%，营业收入同比增长约30%。

在它的众多芯片产品背后，一个新的产品时代正在拉开帷幕：相册可以帮人整理家庭记忆，桌面设备开始承担陪伴与交互，清洁机器人需要识别更复杂的障碍物。AI进入日常生活带来的不是颠覆，也可能是熟悉的设备开始完成过去做不到的事情。

而对产业链上的企业来说，全志披露的增长原因包括应对上游成本上涨而调整售价、拓展各产品线业务，以及推动新产品方案量产。我们仍未知道端侧AI能给它带来多大的改变，或者它与端侧AI到底建立了多少联系，但这不妨碍市场把它视为端侧概念的桥头堡之一。

将经营变化与终端进展放在更长的产业链中观察，仍然可以找到值得追踪的线索：AI功能正在进入不同价位、不同用途的设备，芯片企业既要提高计算能力，也要让品牌能够以合适的成本把功能做成产品。大量已有设备开始升级，可能是更早发生，也更容易积累商业成果的过程。

一、从已有产品出发，AI需求变得具体化

围绕AI硬件的讨论，经常集中于眼镜、耳机等新品类。它们令人期待，是因为新的交互入口可能改变用户使用服务的方式。但在芯片企业的客户订单中，另一类需求同样重要：已有品类需要补充感知、识别和交互能力。

两类需求的商业基础有所不同。全新硬件需要解释消费者为什么需要购买，已有设备的升级则可以围绕明确任务展开。清洁机器人能否减少误碰，相册能否降低照片管理的难度，音频设备能否在嘈杂环境中准确拾音，用户都比较容易判断。

以清洁机器人为例，过去的产品竞争已经围绕清扫、导航和避障展开。随着家庭环境中的识别对象更加复杂，设备需要处理摄像头与其他传感器的信息，再把识别结果用于路径和动作决策。AI能力并非独立存在的附加功能，而是参与决定机器能否顺利完成工作。

从过往的业绩报告看，全志科技基于MR536、MR153等芯片形成的扫地机器人方案，已进入石头、科沃斯、云鲸、追觅、Shark等品牌供应链。相比尚未形成稳定需求的概念产品，成熟品牌的导入意味着芯片需要接受真实整机的成本、功耗和功能验证，也拥有依托既有产品体系持续迭代的机会。

按照不少下游客户的发展路线，扫地机器人的下一步就是向割草、泳池清洁等设备延伸。不过此时，其需求的联系也不只是都属于机器人。它们都需要感知环境、判断工作区域、控制运动，但面对的光照、地形和障碍物并不相同。部分计算平台与开发经验可以复用，具体算法和整机设计仍然需要适配。

对于芯片企业来说，这种发展过程中的增长空间，便可能来自共性能力与场景差异之间的结合：把已经验证的感知和控制能力用于更多产品，同时围绕不同任务开发合适的方案。

而到了大众更感兴趣的、概念比较新颖的端侧AI产品，比如家庭相册、AI眼镜、桌面机器人等产品，它们把需求拓展到了另一类生活场景。

它们不需要复制手机的全部能力，却需要处理显示、音频、连接和交互等任务。终端厂商正在让AI成为产品定义的一部分，而用户的功能体验，就会追溯到芯片这个层面。

日益丰富的产品种类将行业导向新高度，对于芯片产业来说，更重要的变化是需求开始具体化。客户采购的不只是抽象的AI算力，而是能够完成某项任务、符合某种产品约束的计算方案。不同设备持续提出各自的要求，市场便不必等待一个超级新品出现，才开始形成增长。

二、芯片升级的方向，由整机的使用条件决定

需求变得具体之后，端侧芯片的技术路线也开始分化。

一台有稳定供电和较大散热空间的设备，与一副需要全天佩戴的眼镜，无法采用相同的计算配置。即便都需要AI，前者可能关注模型能力和响应速度，后者必须同时考虑重量、温度与续航。

峰值算力能够说明部分能力，却不能独立回答整机好不好用。模型运算涉及内存访问，传感器数据需要处理，系统还要运行界面、通信和控制程序。某个计算单元足够快，不代表整个任务就能及时完成；设备支持更大的模型，也不代表能够以消费者接受的功耗持续运行。这就需要芯片厂商发力。

比如，全志披露的新一代AI边缘计算芯片A735，此前已经完成流片回样验证，采用双核A76与六核A55的处理器架构，集成4TOPS NPU并支持高速LPDDR5。此外，全志科技今年发布的V883新一代AI影像处理器，在AI算力、编解码、AI影像功能、接口扩展性上均有提升，为后续AI视觉功能迭代预留了充足的算力与扩展空间。

行业中的另一类路线，则强调在既有主控之外增加专门的AI计算单元。瑞芯微2025年7月发布的RK182X系列采用端侧算力协处理器思路，让主控处理交互和实时任务，协处理器承担大模型相关运算。对于已有主控方案的设备厂商，可将部分系统继续沿用，再根据新功能补充计算能力。

集成式SoC与协处理器方案就是为了适应不同的应用方向而生，前者有机会减少器件和系统间的连接，后者有助于保留既有开发成果、分阶段升级能力。客户产品的体积、开发基础与任务要求，决定了哪种组合更适合。

与此同时，端侧AI也不意味着所有模型都必须留在设备中。

在AI玩具等联网产品中，本地芯片可以承担唤醒、音频处理、传感器采集和连接等任务，复杂对话由云端完成；需要环境感知的产品，还可以在本地增加视觉处理。对于持续工作的设备，及时处理周围变化很重要；对于依赖丰富知识的问答场景，云端则可以提供更大的模型与更新能力。

两者分工的结果，是端侧芯片需求比“本地运行大模型”更广。即便复杂推理发生在云端，设备仍然需要把用户声音采集清楚、判断何时交互、管理连接并控制能耗。体验中的不少关键环节，发生在模型回答之前。

一个比较典型的应用方向是去年开始走红的AI玩具和情感陪伴类产品。全志V821已经用于AI玩具，其方案强调低功耗和视觉感知。它所对应的行业方向，不是把所有玩具都变成高算力设备，而是在有限的电池和成本条件下，让特定交互能够稳定发生。此外，业内甚至有些产品用的还是几年前的芯片。

不管应用方向如何，沿着整机条件理解芯片升级，先进工艺、异构架构、内存配置和封装设计便不再是孤立的技术指标。它们共同服务于一个目标：让设备在能够销售的价格、能够接受的续航和能够维持的温度下，完成用户需要的任务。

三、从卖芯片到交付方案，增长需要穿过开发环节

芯片能力具备之后，终端产品仍然需要经历漫长的工程工作。

品牌需要选择传感器与存储，适配系统和算法，处理音频、显示与通信，验证功耗、稳定性和生产一致性。对于不具备完整研发团队的厂商，任何一个环节都可能延长上市时间。AI增加了功能，也增加了模型部署和调试的工作。

产品种类越丰富，开发支持的重要性越高。芯片企业若为每个客户从头完成所有适配，服务规模很难扩大；终端厂商若各自重复解决相似问题，也会增加成本。

可复用的平台与方案，正是在双方的需求之间形成价值。

仍以V821为例，全志围绕V821提供集成化算法工具包、一站式方案服务和开放平台。相关布局的意义，不只是把芯片卖给玩具厂商、眼镜厂商这种需要视觉感知能力的终端，还包括帮助客户处理功能实现与产品开发。厂商可以基于已有方案调整外观、交互和应用内容，把更多精力用于消费者真正接触的部分。

类似分工也出现在其他企业的布局中。比如博通集成为AI玩具提供基于BK7258的AIDK开发方案，集成陀螺仪、NFC、按键和振动马达等功能模块；地瓜机器人提供RDK开发者套件，降低机器人产品的开发难度。它们服务的场景和客户并不完全相同，但都在尝试把芯片能力组织成更容易使用的开发资源。

对于终端品牌，方案复用可以减少基础工程工作；对于芯片企业，客户项目中的适配经验又可以沉淀为后续产品的工具、接口和参考设计。经过更多整机验证的平台，更容易服务相近需求，技术积累也有机会转化为更广的客户覆盖。

值得一提的是，全志早期从平板产品起家，其原有的平板、多媒体与视觉业务经验，在端侧AI阶段仍然有用。显示、音频、图像处理和系统支持没有因大模型出现而失去价值，反而成为新功能进入整机所依赖的基础。AI市场的参与门槛，仍不只取决于能否设计一个计算单元，也取决于能否完成其余系统工作。

根据业绩预告，按上半年归母净利润4.90亿元测算，全志第三季度预计盈利1.50亿元至1.80亿元，低于第二季度。

一个很重要的原因是，前三季度预计研发费用同比增长超过30%，全志正在推进12纳米、6纳米等工艺平台及相关在研产品。这也让市场更加关注整个端侧领域在储备什么样的潜力。

展望未来，端侧AI的发展，可能不会按照单一新品引爆市场的方式展开。已有设备改善功能，新品类尝试交互，芯片平台逐步适配，云端与本地重新分配任务。不同环节以各自的速度推进，最终在消费者使用的产品中汇合。

届时，端侧AI的增长信仰才会真正兑现。

来源：松果财经