随着大模型持续向轻量化、小型化演进，人工智能正加速从云端走向边缘与终端。智能家居、工业控制、可穿戴设备、机器人以及各类物联网终端，正在成为AI落地的重要载体。相比云端部署，端侧AI不仅能够降低网络时延、提升数据隐私安全，还能够实现设备自主决策，使AI真正融入现实世界。

然而，让AI运行在资源受限的嵌入式设备上并非易事。长期以来，嵌入式设备部署AI面临功耗、时延、存储等多重资源约束，对芯片底层设计提出了更高要求。

在2026 WAIC期间，安谋科技“星辰”CPU产品线产品负责人朱晓鸣分享了安谋科技对资源约束下的嵌入式芯片赋能AI的设计思考与路径探索。

近年来，随着生成式AI持续向端侧渗透，产业对于嵌入式计算平台的要求已经发生明显变化。过去，IoT设备更多承担"连接"功能，而如今越来越多设备开始具备环境感知、语音交互、视觉识别甚至自主决策能力。

朱晓鸣指出，有四大因素正推动这一变革的加速。其一，是感知类数据重心在端侧；其二，端侧数据越来越注重隐私和数据主权；其三，端侧AI强调实时性和自主性；其四，低功耗和轻量级的芯片技术越来越成熟。

朱晓鸣表示，针对这一趋势，Arm近年来逐步形成覆盖CPU、矢量计算以及AI专用加速器的完整嵌入式AI IP体系。

朱晓鸣重点介绍了由星辰 CPU、Helium矢量扩展技术以及Ethos NPU组成的整体解决方案。其中，Helium作为集成于Cortex-M系列CPU中的矢量扩展技术，可显著提升CPU的向量计算性能，被视作一种"软件可编程的AI加速能力"；而Ethos-U系列NPU则针对不同算力需求提供专用神经网络推理能力，两者协同工作，使CPU既能够承担系统控制任务，又能够高效完成AI计算，从而在性能与功耗之间取得更好的平衡。

值得关注的是，安谋科技此次展示了自主打造的"星辰300"AIoT原型平台。该平台采用STAR-MC2（Cortex-M52）处理器、Helium矢量扩展以及Ethos-U55 NPU组合架构，全面支持当前主流轻量化AI模型。目前，平台已经在FPGA上完成系统验证，并成功运行人脸检测、语音识别、关键词检测、图像超分辨率等多个典型AI应用，为AI在嵌入式设备上的部署提供了验证基础。

从产业发展来看，端侧AI正迎来新的发展窗口。一方面，大模型蒸馏、量化等技术不断成熟，使越来越多模型能够在边缘设备运行；另一方面，机器人、智能家居、工业自动化、可穿戴设备等应用持续增长，也推动AI算力不断向终端下沉。相比追求单纯提升峰值算力，未来端侧AI更加关注单位功耗下的计算效率，以及CPU、NPU、存储、软件之间的整体协同能力。

对于芯片厂商而言，这意味着竞争重点正从单一处理器IP逐步延伸至完整计算平台。CPU不再只是控制核心，而是需要与AI专用计算单元形成异构协同；NPU也不再是独立加速器，而是需要与CPU、软件工具链及AI模型共同构建完整开发生态。只有实现底层架构协同，才能满足未来AIoT设备对于实时性、能效以及开发效率的综合需求。