0
过去两年，AI 的叙事几乎完全围绕训练展开：更大的模型、更高的算力密度、更昂贵的数据中心。但随着模型能力逐渐收敛、应用开始真正落地，产业重心正在悄然转向另一个问题——如何高效、低成本、可规模化地完成推理。
星宸科技董事长兼总经理林永育
在近日举行的星宸科技 2025 开发者大会暨产品发布会上，星宸科技董事长兼总经理林永育说：“AI 正在从以训练为中心的上半场，进入以推理与落地为主导的下半场。而这一阶段，真正的主战场并不只在云端，更在端侧。”
从上半场到下半场，AI 的底层逻辑正在发生显著变化。
在训练主导的阶段，算力集中、目标单一，规模和性能几乎决定一切；但当 AI 开始走向摄像头、汽车、机器人、可穿戴设备与工业终端，端边侧的核心竞争力不再是单一峰值算力，而是在具体场景下实现算力、功耗、成本与体验的综合最优。
如何赢得 AI 的下半场？星宸科技在这场开发者大会上，从产品、应用与生态三个层面给出了自己的答案。
AI推理走向端侧，需要一套不同于云端的新解法
当前端边侧 AI 推理面临的最大挑战，并简单的算力问题，而是约束条件的急剧增加。
一方面，端边侧算力需求高度碎片化，从零点几 TOPS 到几十、甚至上百 TOPS 不等；另一方面，大量设备受限于电池供电或严格的能耗预算；同时，交互、驾驶、控制等场景对时延高度敏感，而端边侧对成本的敏感度，也远高于数据中心。
这决定了端侧 AI 很难简单复制数据中心“更大模型 + 更强算力”的发展路径。
基于这样的判断，星宸科技并未从单一指标入手，而是从系统层面重构端侧 AI 推理的逻辑：以算力、功耗、成本、易用性、时延、安全作为6大算力底座，通过新矩阵、新架构、新方法、新生态四新体系筑牢技术根基。
在产品层面，星宸科技并非用一颗“万能芯片”覆盖所有应用，而是以自研 NPU 为核心，构建覆盖不同算力区间的产品组合，让不同终端在性能、功耗与成本之间拥有更灵活的选择空间。
在架构层面，端侧并不适合持续放大单芯片规模。相反，更具弹性的可配置与分布式设计，能够支持更大模型在端侧的落地，同时避免系统成本与功耗的失控。
进一步看，端侧推理体验的差异，往往并不取决于峰值算力，而取决于算力是否被真正“用好”。围绕这一点，星宸科技强调软硬件的深度协同，通过工具链与硬件能力的精准咬合，以及算力与存力、晶圆与封装之间的协同优化，提升单位能耗下的有效性能。
与此同时，端侧应用场景高度碎片化，单向供给难以长期奏效。星宸科技以更开放的方式，将核心能力向算法、模型与行业伙伴释放，使硬件能力与应用需求在同一体系中持续对齐。
AI下半场，星宸科技押注哪五大应用赛道？
明确了端边侧AI和云端解法不同之后，下一步便是判断：哪些场景值得长期投入？
围绕智慧视觉、智慧车载、智能机器人、智能工业与 3D 感知五大核心赛道，星宸科技给出了相对完整的布局，这些看似分散的应用方向，实则从不同侧面验证着星宸科技同一套端侧 AI 能力。
在智慧视觉场景中，复杂光照、快速运动与全天候运行，对图像处理与端侧推理提出更高要求。星宸科技发布的星帷 ISP 6.0 引擎，实现了视觉处理从增强走向智能的跃升。
星帷 ISP 6.0 引擎的 HDR 动态范围达到 140dB，支持 AI HDR 消除鬼影；在 66dB 的微光环境下，动静场景依然清晰；同时通过 Tone 主观效果优化与新增的 EIS 地平线锁定，实现更稳定的动态拍摄体验，配合升级后的色彩引擎与 3A 算法，覆盖运动相机、AI 眼镜等动态视觉场景。
针对差异化需求，星宸进一步推出全栈视觉方案：SSC303/SSC306 以“4K+64MB”突破功耗与内存约束；SSC385/SSC387 作为业内首颗 4M AIISP+64MB IPC SoC，将 1.5TOPS 算力引入端侧高性能视觉硬件；旗舰级 SSR670 则集成 8TOPS 算力与本地大模型能力，面向高端边侧智能设备。
在车载场景中，约束条件进一步升级。多路感知并行、严格的实时性要求以及量产一致性，使端侧 AI 不仅要“算得快”，更要“算得稳”，这对系统工程能力提出更高要求。
目前，星宸科技已与国内头部算法、Sensor、IDH 与 Tier1 企业建立深度合作，2025 年上半年车载业务同比增长 45.4%，全年前装定点预计达到 800 万台。新推出的 12nm 工艺 SAC8905 集成 32TOPS NPU，支持 BEV、Transformer 等先进算法与双 ISP 架构，面向前视一体机与行泊一体场景，并已获得海外车厂定点，计划于 2027 年量产。
此外，面向 L1 辅助驾驶的 SAC8712 已进入多家 Tier1 的 Design-in 阶段，预计 2026 年上半年批量出货；舱内智能化 SoC SAC8901、SAC8902 也已在 DVR、DMS、CMS 等场景完成适配。
智能机器人进一步放大了端侧 AI 的复杂性。设备不断移动、对续航极度敏感，却又需要持续的环境理解与决策能力。
在这一领域，星宸已经取得规模化成果：2025年，全球每生产3台家用扫地机器人，就有 1 台采用其 SoC。最新一代 SSU9366 采用异构架构，集成 4 核 CPU 与 1.5TOPS NPU，在双摄满负载场景下功耗仅 1.5W，覆盖扫地、泳池清洁、陪伴与割草等多类机器人产品。
雷峰网(公众号：雷峰网)了解到，星宸计划在 2027–2028 年推出面向具身智能机器人的 SoC，通过更高算力能效比与分布式算力架构，进一步扩展机器人应用边界。
在工业控制领域，端侧 AI 面临更高的稳定性、可靠性与实时响应要求。
星宸发布的新一代智能 PLC 主芯片 SSD2366GI，面向严苛工业环境设计，支持 -40℃ 至 85℃ 宽温运行，在复杂工况下实现稳定、低时延的指令响应，该芯片集成四核 Cortex-A53 CPU 与 2TOPS NPU，可同时满足控制、分析、通信与工业 AI 推理需求，适配工业自动化与能源等关键行业。
而在 3D 感知领域，挑战集中于数据规模与实时处理的平衡。
星宸构建了覆盖全距离的产品矩阵，包括高性价比iToF方案适用于投影仪、机器识别等近距离场景；车规dToF激光雷达SPAD芯片SS905HP（高线数）与SS901（低线数）形成高低搭配，覆盖超1000线至192线分辨率的长距离应用；工业级方案SS806HP和SS802为工业自动化、机器人和低空经济提供高精度3D感知底座技术。
其中，高线数 SPAD 芯片 SS905HP 最大探测距离达 300–600 米，点云输出能力达每秒 800 万点，在可靠性、功耗与体积等指标上具备系统级优势。
开放生态，决定端侧 AI 能否规模化
端侧 AI 应用场景的复杂性，决定了技术本身不容易构成长期优势，真正影响其能否规模化落地的，是开发者生态与客户生态的成熟度。
在开发者层面，星宸围绕 Comake 开发者社区，对芯片能力、工具链、开发板与技术资料进行系统化整合，降低端侧 AI 的工程门槛。配套推出的 Comake Pi 系列开发板，覆盖从轻量级 AI 到便携式终端等多种形态，支持在统一平台上完成模型适配、画质调校与端侧部署。
开发者大会期间举行的百人工程师训战营，以实操为核心，基于 Comake Pi D1、D2 开发板，从大模型接入到端侧推理部署，帮助开发者缩短从“跑通”到“落地”的距离。
在应用与客户生态层面，多场围绕智慧视觉、智慧车载与 AIoT 的论坛，集中呈现了端侧 AI 在不同行业中的实践路径。算法公司、方案商与终端厂商从具体项目出发，讨论如何在真实约束条件下平衡性能、功耗与成本。
展区以更直观的方式呈现了这一生态结构：端边侧大模型、StarShuttle 4.0、ISP 6.0、AoV 低功耗方案，以及视觉、音频、机器人、工业与车载等完整解决方案，与 16 家生态伙伴鑫润数字创新、易天科技等16家生态伙伴，呈现视觉算法、音频处理、大模型应用、机器人、工业控制、车载等领域完整解决方案，共同构成从底层能力到行业应用的完整链条。
当 AI 从云端走向端边侧，算力不再是唯一答案。
如何在真实世界的多重约束中，把推理能力真正“用起来”，正在成为 AI 下半场最重要的命题。
端侧 AI 的竞争，是系统能力、工程能力与生态组织能力的综合较量。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
