如果说深度学习是培育智能的土壤，那么大模型就是这片土壤中生长出的参天大树。

依托深度学习的算法根基，大模型通过海量数据灌溉和算力滋养，将特征提取、模式识别等能力推向新维度，让人工智能从“感知”迈向“认知”新跨越。

随着AI大模型不断迭代升级，特别是在2025年春节期间以DeepSeek为代表的大模型技术开源化，不仅大幅拓展了人工智能的应用边界，也为边缘、端侧AI应用发展带来颠覆性变革。

除市场应用带来变革之外，大模型也将对边缘计算AI芯片的技术架构、应用场景和产业生态等方面进行重构。

那么，我们今天就来聊聊，边缘AI芯片在大模型技术驱动下将如何进行产业升级。

视觉物联了解到，目前边缘AI芯片架构呈现多元化趋势，企业根据能效、算力、灵活性需求选择不同方案，主要有GPU、NPU、ASIC、FPGA、RISC-V和存算一体等。

其中，NPU因高能效占据主流，代表企业包括高通、瑞芯微、全志科技、恒玄科技、国科微和爱芯元智等。但因大模型运算使得边缘推理算力需求指数级攀升，传统单核NPU架构已无法满足需求，企业开始纷纷创新升级。

例如，为解决传统NPU芯片大模型推理效率不足问题，国科微创新提出MLPU芯片概念（面向多模态大模型的新型AI芯片架构），既能高效支持大模型推理计算，同时兼容传统小模型的高效推理。

据了解，国科微基于MLPU创新架构设计的AI SoC产品，预计将于2026年开始逐步量产上市。该架构具有高能效、低功耗、高性价比的特点；相比于市面已有的NPU芯片，能够更高效地支持大模型的端侧部署和推理应用，从而保证模型推理效率和应用效果。

同时，基于MLPU的创新架构设计，国科微积极布局AI生态建设。其围绕大模型及其大模型产品，深度优化适配，提供从模型压缩转化、推理部署、应用开发端到端全栈大模型工具链，方便开发者和客户能够简单高效地完成模型部署和应用开发。

而瑞芯微则通过Chiplet异构集成的方式，为满足不同市场、产品应用对性能和算力的差异化需求，其在自研NPU中内置不同性能层次的CPU、GPU内核，从而帮助客户有效缩短产品研发周期，节省研发投入。

面向AI大模型部署、大数据实时处理等场景带来的复合算力需求，多核化、专用化、低功耗的多核异构SoC也成为多模态复杂场景下的高效处理方案。

其中，全志科技通过集成CPU、GPU、NPU、DSP等不同架构的处理核心，可以在适应不同场景功能需求的同时，提升整体计算能力，结合软件系统带来的异构基础功能拓展衍生，构建起"分工协作"的高效计算体系，以支持更多样化的应用。

目前，全志科技的多核异构方案已经在大量产品场景中实际应用。例如，在消费电子产品中，通过协处理器在主核上电前预加载引导程序，异步解压系统镜像，同时延迟加载驱动至CPU启动后执行，使开机动时间相较传统方案显著提升，搭配低功耗控制、AI ISP视觉引擎，可将快启差异化类法案部署在低功耗IPC、智能门铃等产品中。

小结

大模型时代正推动边缘AI芯片架构从“专用加速”向“智能原生”演进，企业需在架构创新、生态构建和场景深耕三方面同步发力，推动边缘AI在消费电子、智能汽车和工业物联网等领域的规模化落地。未来，能效比优化、大模型端侧部署能力及生态兼容性将成为竞争关键。

近日，视觉物联联合AIoT星图研究院即将启动《2025边缘计算市场调研报告》，将从技术发展与落地应用等方面展开深度调研，揭示行业基本面，洞察竞争格局，为企业战略制定、投资决策、市场拓展等提供结构化的参考依据，欢迎边缘计算产业朋友一起参与到报告调研中。