前些日子，长鑫科技成功过会，外界普遍猜测其上市后的市值或许能突破万亿大关。这样一来，合肥的A股总市值有望从1.5万亿跃升到3万亿以上，从而超越广州、杭州，跻身全国第四位。
"成功的花儿，人们只惊羡她现时的明艳"，但合肥关于芯片的发展故事远不止于此。
过去十年间，合肥在芯片制造领域有几项重要举措：除了长鑫科技的存储芯片项目外，还有从事晶圆代工的晶合集成，这家企业如今已经在科创板挂牌。再往下游观察，颀中、汇成、沛顿、通富微电等封测企业也纷纷聚集合肥。上游方面，芯碁微装、欣奕华、安德科铭等企业则在设备与材料领域填补空白。
但合肥并不满足于现状。
随着AI大模型的兴起，合肥敏锐地察觉到芯片产业链中尚有一个关键环节缺失。那就是专为端侧AI设计芯片的领域。
目前市面上的芯片，即便是英伟达的GPU，实际上都不是为AI量身打造的。尽管英伟达后续增加了Tensor Core、Transformer Engine等专门单元，其底层架构依然是GPU的基础，本质上应归类为"为图形设计，被AI改造"。
那么，是否存在专门为AI开发芯片的企业呢？
近期端侧AI推理芯片公司聆思科技成功完成约5亿元人民币B轮融资。本次投资由安徽省和合肥市多家国资平台联合领投，深报一本、盈科投资、天智投资、永鑫方舟、东瑞投资等一线资本跟投，其中多家为原有股东持续加码。
在长鑫科技这枚存储芯片之后，合肥敏锐地捕捉到下一个风口：
端侧智能。
过去两年里，大模型行业发展最激烈的就是参数竞赛：千亿、万亿，一个规模超越另一个。但到了今年，行业风向已经转变。
如今共识已从"模型越大越好"转向"模型落地越快越好"，大模型的下一阶段终究是同实体硬件的融合。
为何机器人、AI PC、智能座驾、全屋智能等方向备受关注？由于这些硬件才是大模型从"炫技"迈向"实用"的通道，是消费者最常接触的产品。
但要让大模型融入终端设备，首先必须解决一个现实难题：现在大多数智能设备都依赖云端获取智能，这种"云寄生"架构带来三大瓶颈：
其一，离线功能的缺失。设备在弱网或断网状态下，智能功能会立即消失，从"智能终端"沦为"哑终端"。对于智能家居、车载、工业巡检等需要持续在线的场景，这种环境适应性的断裂是终端体验提升的最大阻碍。
2025年5月，国内某知名车企App曾发生大规模服务异常，导致远程启动失效、电子钥匙失灵、车窗无法远程关闭、空调预设功能失效，数百位车主在早高峰遭遇数字断连。
其二，实时性要求严苛。由于物理限制，目前端到端的往返时延仍难以压缩至毫秒级以内。对于智能座舱内的多轮语音交互、机器人的实时避障及路径规划，这类传输延迟会直接破坏交互的自然性和连续性，造成体感断裂。
其三，推理成本的规模不经济。持续高频调用云端大模型，每次推理都产生Token计费。一台日均交互上百次的AI PC或智能座舱，全年使用费用很可能超过硬件购置成本，这种"边际推理成本不可收敛"的经济模型从根本上限制了端侧智能的大规模普及。
这些投入对规模化部署的智能终端而言如同无底洞，消费者也很难愿意持续投入。再加上数据隐私、网络安全等顾虑，行业日益清晰认识到：
大模型必须真正下移，与终端设备深度结合才能广泛普及。
这就是"端侧大模型"诞生的逻辑：将大模型的推理能力直接集成进芯片，让设备具备本地理解、推理和决策能力。
摩根士丹利Edward Stanley团队在2024年研究报告中预测：
端侧AI将在2024年下半年至2025年成为消费电子市场的核心焦点，继手机之后，AI笔记本将迎来爆发期。预计2025-2026年AI PC渗透率将从2024年的8%大幅增长至30%和50%，这一趋势将为全球半导体市场提供巨大增长动力。