0
過去兩年，AI 的敘事幾乎完全圍繞訓練展開：更大的模型、更高的算力密度、更昂貴的數據中心。但隨著模型能力逐漸收斂、應用開始真正落地，產業重心正在悄然轉向另一個問題——如何高效、低成本、可規模化地完成推理。
星宸科技董事長兼總經理林永育
在近日舉行的星宸科技 2025 開發者大會暨產品發布會上，星宸科技董事長兼總經理林永育說：“AI 正在從以訓練為中心的上半場，進入以推理與落地為主導的下半場。而這一階段，真正的主戰場并不只在云端，更在端側。”
從上半場到下半場，AI 的底層邏輯正在發生顯著變化。
在訓練主導的階段，算力集中、目標單一，規模和性能幾乎決定一切；但當 AI 開始走向攝像頭、汽車、機器人、可穿戴設備與工業終端，端邊側的核心競爭力不再是單一峰值算力，而是在具體場景下實現算力、功耗、成本與體驗的綜合最優。
如何贏得 AI 的下半場？星宸科技在這場開發者大會上，從產品、應用與生態三個層面給出了自己的答案。
AI推理走向端側，需要一套不同于云端的新解法
當前端邊側 AI 推理面臨的最大挑戰，并簡單的算力問題，而是約束條件的急劇增加。
一方面，端邊側算力需求高度碎片化，從零點幾 TOPS 到幾十、甚至上百 TOPS 不等；另一方面，大量設備受限于電池供電或嚴格的能耗預算；同時，交互、駕駛、控制等場景對時延高度敏感，而端邊側對成本的敏感度，也遠高于數據中心。
這決定了端側 AI 很難簡單復制數據中心“更大模型 + 更強算力”的發展路徑。
基于這樣的判斷，星宸科技并未從單一指標入手，而是從系統層面重構端側 AI 推理的邏輯：以算力、功耗、成本、易用性、時延、安全作為6大算力底座，通過新矩陣、新架構、新方法、新生態四新體系筑牢技術根基。
在產品層面，星宸科技并非用一顆“萬能芯片”覆蓋所有應用，而是以自研 NPU 為核心，構建覆蓋不同算力區間的產品組合，讓不同終端在性能、功耗與成本之間擁有更靈活的選擇空間。
在架構層面，端側并不適合持續放大單芯片規模。相反，更具彈性的可配置與分布式設計，能夠支持更大模型在端側的落地，同時避免系統成本與功耗的失控。
進一步看，端側推理體驗的差異，往往并不取決于峰值算力，而取決于算力是否被真正“用好”。圍繞這一點，星宸科技強調軟硬件的深度協同，通過工具鏈與硬件能力的精準咬合，以及算力與存力、晶圓與封裝之間的協同優化，提升單位能耗下的有效性能。
與此同時，端側應用場景高度碎片化，單向供給難以長期奏效。星宸科技以更開放的方式，將核心能力向算法、模型與行業伙伴釋放，使硬件能力與應用需求在同一體系中持續對齊。
AI下半場，星宸科技押注哪五大應用賽道？
明確了端邊側AI和云端解法不同之后，下一步便是判斷：哪些場景值得長期投入？
圍繞智慧視覺、智慧車載、智能機器人、智能工業與 3D 感知五大核心賽道，星宸科技給出了相對完整的布局，這些看似分散的應用方向，實則從不同側面驗證著星宸科技同一套端側 AI 能力。
在智慧視覺場景中，復雜光照、快速運動與全天候運行，對圖像處理與端側推理提出更高要求。星宸科技發布的星帷 ISP 6.0 引擎，實現了視覺處理從增強走向智能的躍升。
星帷 ISP 6.0 引擎的 HDR 動態范圍達到 140dB，支持 AI HDR 消除鬼影；在 66dB 的微光環境下，動靜場景依然清晰；同時通過 Tone 主觀效果優化與新增的 EIS 地平線鎖定，實現更穩定的動態拍攝體驗，配合升級后的色彩引擎與 3A 算法，覆蓋運動相機、AI 眼鏡等動態視覺場景。
針對差異化需求，星宸進一步推出全棧視覺方案：SSC303/SSC306 以“4K+64MB”突破功耗與內存約束；SSC385/SSC387 作為業內首顆 4M AIISP+64MB IPC SoC，將 1.5TOPS 算力引入端側高性能視覺硬件；旗艦級 SSR670 則集成 8TOPS 算力與本地大模型能力，面向高端邊側智能設備。
在車載場景中，約束條件進一步升級。多路感知并行、嚴格的實時性要求以及量產一致性，使端側 AI 不僅要“算得快”，更要“算得穩”，這對系統工程能力提出更高要求。
目前，星宸科技已與國內頭部算法、Sensor、IDH 與 Tier1 企業建立深度合作，2025 年上半年車載業務同比增長 45.4%，全年前裝定點預計達到 800 萬臺。新推出的 12nm 工藝 SAC8905 集成 32TOPS NPU，支持 BEV、Transformer 等先進算法與雙 ISP 架構，面向前視一體機與行泊一體場景，并已獲得海外車廠定點，計劃于 2027 年量產。
此外，面向 L1 輔助駕駛的 SAC8712 已進入多家 Tier1 的 Design-in 階段，預計 2026 年上半年批量出貨；艙內智能化 SoC SAC8901、SAC8902 也已在 DVR、DMS、CMS 等場景完成適配。
智能機器人進一步放大了端側 AI 的復雜性。設備不斷移動、對續航極度敏感，卻又需要持續的環境理解與決策能力。
在這一領域，星宸已經取得規模化成果：2025年，全球每生產3臺家用掃地機器人，就有 1 臺采用其 SoC。最新一代 SSU9366 采用異構架構，集成 4 核 CPU 與 1.5TOPS NPU，在雙攝滿負載場景下功耗僅 1.5W，覆蓋掃地、泳池清潔、陪伴與割草等多類機器人產品。
雷峰網(公眾號：雷峰網)了解到，星宸計劃在 2027–2028 年推出面向具身智能機器人的 SoC，通過更高算力能效比與分布式算力架構，進一步擴展機器人應用邊界。
在工業控制領域，端側 AI 面臨更高的穩定性、可靠性與實時響應要求。
星宸發布的新一代智能 PLC 主芯片 SSD2366GI，面向嚴苛工業環境設計，支持 -40℃ 至 85℃ 寬溫運行，在復雜工況下實現穩定、低時延的指令響應，該芯片集成四核 Cortex-A53 CPU 與 2TOPS NPU，可同時滿足控制、分析、通信與工業 AI 推理需求，適配工業自動化與能源等關鍵行業。
而在 3D 感知領域，挑戰集中于數據規模與實時處理的平衡。
星宸構建了覆蓋全距離的產品矩陣，包括高性價比iToF方案適用于投影儀、機器識別等近距離場景；車規dToF激光雷達SPAD芯片SS905HP（高線數）與SS901（低線數）形成高低搭配，覆蓋超1000線至192線分辨率的長距離應用；工業級方案SS806HP和SS802為工業自動化、機器人和低空經濟提供高精度3D感知底座技術。
其中，高線數 SPAD 芯片 SS905HP 最大探測距離達 300–600 米，點云輸出能力達每秒 800 萬點，在可靠性、功耗與體積等指標上具備系統級優勢。
開放生態，決定端側 AI 能否規模化
端側 AI 應用場景的復雜性，決定了技術本身不容易構成長期優勢，真正影響其能否規模化落地的，是開發者生態與客戶生態的成熟度。
在開發者層面，星宸圍繞 Comake 開發者社區，對芯片能力、工具鏈、開發板與技術資料進行系統化整合，降低端側 AI 的工程門檻。配套推出的 Comake Pi 系列開發板，覆蓋從輕量級 AI 到便攜式終端等多種形態，支持在統一平臺上完成模型適配、畫質調校與端側部署。
開發者大會期間舉行的百人工程師訓戰營，以實操為核心，基于 Comake Pi D1、D2 開發板，從大模型接入到端側推理部署，幫助開發者縮短從“跑通”到“落地”的距離。
在應用與客戶生態層面，多場圍繞智慧視覺、智慧車載與 AIoT 的論壇，集中呈現了端側 AI 在不同行業中的實踐路徑。算法公司、方案商與終端廠商從具體項目出發，討論如何在真實約束條件下平衡性能、功耗與成本。
展區以更直觀的方式呈現了這一生態結構：端邊側大模型、StarShuttle 4.0、ISP 6.0、AoV 低功耗方案，以及視覺、音頻、機器人、工業與車載等完整解決方案，與 16 家生態伙伴鑫潤數字創新、易天科技等16家生態伙伴，呈現視覺算法、音頻處理、大模型應用、機器人、工業控制、車載等領域完整解決方案，共同構成從底層能力到行業應用的完整鏈條。
當 AI 從云端走向端邊側，算力不再是唯一答案。
如何在真實世界的多重約束中，把推理能力真正“用起來”，正在成為 AI 下半場最重要的命題。
端側 AI 的競爭，是系統能力、工程能力與生態組織能力的綜合較量。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
