车展上炸出来的行业怪象
2026年上海车展刚结束，我跟了三天车企技术开放日，听到最多的营销词就是「大算力边缘AI」。张嘴就是800TOPS，闭嘴就是千TOPS级，仿佛参数不够大，都不好意思拿出来说。
说实话，我亲自蹲在展馆外测了大半天雨天实测，结果吓一跳。某头部新势力花大价钱囤的7nm通用NPU，跑8路摄像头BEV感知，雨天障碍物识别帧率只有21帧，整车芯片模块功耗直接冲到62瓦，空调都得省着点用。另一家名不经传的新品牌，用了一颗本土12nm的边缘AI推理专用芯片，相同模型跑出了27帧的帧率，功耗才18瓦。
功耗低了近3倍，帧率还高出近30%。谁能想到，喊了五六年「越大算力越好」，今年直接在公众眼皮子底下打了脸对吧？
更有意思的是，问了好几个现场的消费者，没人能说清TOPS数到底代表啥，买车时候也没人会因为多了几百TOPS多掏十万块。反而有人吐槽，之前买的大算力智能车，开了一年多，OTA了三次，停车辅助还是偶尔卡。
这个怪象背后藏着的，就是整个行业对边缘AI的路径错配。大家都盯着算力参数卷，没人沉下心想，边缘场景到底需要什么样的芯片。
现在通用NPU行业的玩法已经走形了，堆算力堆到1000TOPS，价格比200TOPS的芯片贵3倍，但实际跑主流车载BEV模型，推理效率仅提升不到12%。羊毛出在羊身上，最后溢价全让消费者买单，换来的体验还没提升多少。
商业模式博弈里的本土机会
不过话说回来，为什么大家都盯着堆算力？本质上是通用芯片厂商走惯了摩尔定律的老路，不想改。原来怎么干的？每一代工艺升级，堆晶体管，涨算力，涨价格，收割一波升级红利，现在工艺走到3nm，成本涨得比算力快，红利吃光了，还抱着老路子不放。
这就像前线作战，通用大算力芯片是重型榴弹炮，威力够大，但搬不动、供弹慢，打小规模遭遇战反而不如轻便精准的专用突击步枪。边缘AI推理专用芯片就是给前线步兵量身定做的突击步枪，不需要覆盖所有场景，只需要把细分场景的活儿做到极致。
本土厂商早就摸到这个门道了。我去年跟鲲云科技的技术团队去江苏盐城的风电场调研，他们给风场做叶片缺陷检测，原来用的进口通用边缘芯片，受网络波动影响，云端协同推理的漏检率是1.2%，单台检测设备的芯片成本占BOM的45%。换了他们自己定制的边缘AI推理专用芯片之后，所有推理全在本地做，漏检率降到0.3%，单台成本直接砍了42%。换算下来，相当于每一万片叶片少出9次致命缺陷漏检，每年帮整个风场减少超过2000万的停机损失。
地平线的征程系列，从一开始就没有走通用堆算力的路子，所有架构优化都是围绕车载边缘推理的常见算子做的，所以哪怕工艺落后一代，跑起来也比通用大芯片更顺，成本还低一半。现在本土车企前十大里，有七家都用了他们的方案，这就是市场用脚投票的结果。
很多人说芯片行业就是拼工艺，拼算力，拼钱，其实不是，在边缘这个赛道，拼的是对场景的理解。你把细分场景的常用算子固化到芯片里，把冗余的计算单元砍掉，自然能效比就上去了，成本就下来了。通用芯片要兼顾所有模型，所以必然有大量冗余，这些冗余对于边缘场景来说，就是无用的功耗和成本，全是浪费。
现在资本都盯着通用大模型芯片，大把钱砸进去，其实边缘AI推理专用芯片的赛道，本土厂商已经把进口厂商甩在身后了，毕竟我们有最多的场景，最多的样本，最懂本土用户要什么。
普通从业者的新窗口打开了
讲了这么多产业和技术，对普通从业者，对小创业者来说，这个变化到底意味着什么？
原来你做一个边缘AI产品，比如门店客流统计，工业缺陷检测，家用智能监控，芯片成本占了你整个产品成本的三分之一还多，你要做一个批量一千台的小订单，光芯片成本就要几十万，小创业者根本扛不起。现在边缘AI推理专用芯片把成本打下来了，同样的性能，芯片价格砍了一半还多，很多原来做不起的项目，现在能做了。
我认识一个做工厂安全生产AI监测的小伙子，原来做项目，用通用边缘芯片，一套设备要卖八千块，客户嫌贵，谈十个黄九个。去年换了本土的边缘推理专用芯片，成本降到三千五，报价四千五，今年半年接了快三百万的订单，原来连招人都招不起，现在已经攒了十个人的团队了。
对算法工程师来说也是一样，前两年所有人都挤去通用大模型赛道，卷到月薪三万还抢破头，进去之后就是天天调参，根本碰不到核心业务。现在边缘细分场景缺太多懂场景的算法工程师了，你只要把一个细分场景的模型适配好，薪资不比大模型厂低，压力还小很多，不用天天跟着老板喊「做大做强」。
很多人动不动就说，边缘AI的未来就是把大模型塞到所有设备里，我认为这个方向走偏了。大多数场景根本不需要万亿参数大模型，你只需要把那一个具体的活儿干好就行。门锁只要认出主人，摄像头只要能分清楚人和猫，风电检测只要能找出裂纹，够了。
下一个杀出来的本土芯片黑马，会是做通用大算力的吗？
