當大模型走進家電：AWE 2026上的終端AI芯片競賽

當AI大模型加速進入消費電子產業，智能家電也正在迎來新一輪技術升級。

在3月12日開幕的中國家電及消費電子博覽會（AWE 2026）上，大模型幾乎成為貫穿全場的核心關鍵詞。從空調、冰箱到全屋智能設備，越來越多家電產品開始引入AI能力，試圖讓設備從“執行命令”走向“主動理解”。

而在這股熱潮中，聆思科技又率先拋出了一個更具前瞻性的方向——HomeClaw，可以將分散的攝像頭、傳感器與家電設備連接為統一的家庭算力中心，推動AI家電從邁向真正的全屋主動智能。

但在這輪產業熱潮背后，一個更底層的問題正在浮現：

AI如何真正跑在終端設備上。

相比云端算力，家電產品有著功耗、成本、體積與實時性等多重限制。如何在有限算力條件下實現穩定、低成本且可持續演進的AI能力，正在成為智能家電產業新的競爭焦點。

在這一背景下，終端AI芯片廠商的重要性正在快速上升。

作為專注智能終端AI SoC芯片的技術企業，聆思科技在本屆AWE上集中展示了其圍繞“芯片+算法+場景方案”構建的AI終端技術體系。從系統級芯片方案，到關鍵AI交互能力，再到率先提出的 HomeClaw 方案及端側大模型芯片布局，這家公司正在構建智能終端時代的底層技術平臺。

端側AI競爭，核心在“芯片 + 算法”

在AI產業早期，算法和芯片往往分屬不同公司。但到了端側AI時代，這種分工模式正在逐漸改變。

原因很簡單：終端設備的算力資源有限，如果芯片架構與算法無法深度協同，AI能力很難真正落地。

因此，業內普遍認為：“芯片 + AI算法雙引擎，是端側AI落地的真正門檻。”

在這一點上，聆思屬于行業中少數同時具備芯片與AI算法全棧研發能力的企業之一。其技術團隊來自頂級芯片企業與AI公司，在硬件架構設計、算法框架優化以及產品化落地上形成了系統級協同能力。通過從硬件到算法的深度聯合設計，聆思實現了更高的AI算力效率。

據介紹，其自研NPU架構算力利用率已經超過80%，顯著高于行業20%—50%的平均水平，在端側AI算力效率方面形成明顯優勢。

在功耗和成本高度敏感的家電場景中，這種能效能力往往決定了AI功能是否能夠規模化落地。

兩大系統級芯片方案瞄準AI家電核心能力

在AWE 2026現場，聆思重點展示了兩套系統級芯片方案：ARCS 與 VenusA。

兩者分別面向不同產業需求，但目標一致——讓AI能力真正進入家電終端。

ARCS：一顆芯片跑通云端大模型交互

隨著人機交互從語音擴展到視覺、情緒識別等多模態能力，終端設備對計算能力的要求越來越高。

聆思推出的 ARCS系列芯片 采用高度集成設計，將AI算力、主控處理、多媒體能力與無線連接整合進單顆芯片中。配合專為智能終端所打造的“小聆AI”大模型應用平臺，該方案能夠支持：離線AI能力、在線大模型能力、多模態交互、情感交互、MCP調用……

這意味著，一顆芯片即可完成從語音理解到視覺識別，再到云端大模型的完整流程。

在展會現場聆思所展示的“多模態情感陪伴”方案中，小小的一個機器人，能夠同時結合語音與視覺信息判斷用戶狀態，并作出個性化的反饋，呈現出更自然、更有溫度的人機互動體驗。

目前，該方案已在智能浴霸、AI陪伴機器人、智能鬧鐘等產品中實現落地。

通過系統級整合能力，ARCS顯著降低了終端設備接入AI能力的開發復雜度，也為更多家電產品規模化引入大模型交互能力提供了現實路徑。

VenusA：打通鴻蒙生態的國產AI家電方案

如果說ARCS是面向AI交互體驗升級，那么 VenusA 則瞄準的是另一條重要產業路徑——國產化AI終端生態的落地。

國產化已成為近幾年硬件產業的關鍵命題，在AWE 2026現場，聆思展示了基于全新升級的多模態AI SoC芯片“ VenusA”所打造的國產化AI解決方案。

VenusA芯片基于RISC-V架構設計，在算力能力與多媒體處理方面進行了大幅升級，實現算力翻倍，使設備能夠同時運行語音與視覺算法，為帶屏家電和視覺交互設備提供更強的本地AI處理能力。

更重要的是，該方案通過與海思IOT芯片結合，并深度適配鴻蒙操作系統，打通了本地AI到云端服務，再到操作系統的完整鏈路，為AI家電提供了一套更具落地價值的技術路徑。

對于家電廠商而言，這種“芯片 + 操作系統生態”的方案不僅降低了AI能力接入的技術門檻，也能夠縮短產品開發周期，加快AI家電的規模化落地。隨著國產技術生態不斷成熟，這類方案正在成為越來越多終端廠商的重要選擇。

AI家電落地：真正挑戰在“最后一公里”

AI能力并不等同于用戶體驗。

在智能家電場景中，一些看似細微的問題往往決定了用戶是否真正愿意使用AI功能。

圍繞真實家庭場景，聆思在AWE上展示了三項關鍵技術能力。

首先是分布式語音2.0系統。

隨著家庭中語音設備數量不斷增加，“一呼百應”成為常見問題。該系統支持 32+設備協同組網，并兼容 Android、Linux 與 RTOS 系統，真正實現跨設備、跨網絡、跨麥克風陣列的全屋語音協同能力。

其次是AI聲音復刻技術。

通過語音大模型，系統可以通過一句話復刻真人音色，并在保持音色一致的情況下改變表達風格。目前音色相似度已達到91分。可應用于家庭陪伴、品牌語音形象等場景，讓家電設備實現有溫度、有個性的交互。

第三是聲紋注冊技術。

針對方言/口音較重用戶，可以一句話生成模型，使語音喚醒成功率進一步接近100%，有望大幅緩解長期困擾家電企業的交互與售后難題。

這些不斷突破的AI技術，正在直接影響用戶對AI家電的真實體驗，也是產業實現規模化落地的關鍵支撐。

AI家電出海，多語種能力成為基礎設施

隨著中國家電品牌加速拓展海外市場，多語種AI交互正在成為產品全球化的重要能力。

聆思推出的多語種AI解決方案目前已覆蓋：東南亞、南美洲、阿拉伯、歐洲等主要地區的42個國家、13種語言。通過軟硬件一體化能力，能夠幫助中國家電企業更快完成產品本地化部署。

從這個角度看，多語種能力已經不只是單純的“交互功能”，而正在成為AI家電出海過程中的重要基礎設施之一。

下一站：端側大模型芯片布局，HomeClaw瞄準家庭算力中心

在本屆AWE上，聆思還首次披露了其端側大模型專用芯片規劃，并率先推出面向家庭場景的 HomeClaw 方案。

如果說當前AI家電的核心能力仍主要在語音交互與基礎智能，那么隨著大模型技術發展，未來全屋智能的演進方向已經越來越清晰：不再依賴單個設備的獨立能力，而是圍繞家庭算力中心構建。 攝像頭、傳感器、家電設備以及機器人，將作為感知與執行節點接入同一套AI系統，共享感知、分析、決策與執行能力，實現跨設備、跨場景協同。

在這一背景下，聆思推出了 HomeClaw。作為面向家庭場景的方案，HomeClaw 可接入全屋攝像頭、環境傳感器以及空調、掃地機器人、燈光等設備，對家庭環境與用戶行為進行實時感知和分析，并自動生成策略、聯動終端執行。比如，當系統監測到室內人數增多、空氣質量下降時，可主動開啟空調調節空氣；檢測到地面臟污時，可自動啟動掃地機器人；識別到用戶坐到書桌前時，也可同步打開燈光。家庭系統由此從“被動響應指令”走向“主動感知服務”。

但對于這類家庭算力中心而言，云端部署不會是最終形態，本地部署才是明確趨勢。 原因也很直接：家庭場景涉及大量連續且敏感的數據，長期上傳云端始終存在隱私顧慮；同時，家庭AI調用是高頻、持續、實時發生的過程，如果長期依賴云端大模型推理，高昂的token成本也難以承受。只有把核心推理能力放到本地，才能同時滿足隱私、安全、實時性與長期成本控制的要求。

也正因此，端側算力將成為下一階段家庭智能競爭的真正底座。HomeClaw 是面向家庭場景推出的方案，而支撐這套方案長期運行的核心，則是端側大模型芯片。聆思端側大模型專用DSA芯片預計將于2027年推出，基于 CGRA 可編程架構、大模型親和設計以及 3D 堆疊技術，打造具備“高帶寬、強推理、低功耗、小體積”特征的AI推理平臺，為家庭算力中心提供核心計算能力。

可以預見，隨著AI從“聯網能力”邁向“自主智能”，未來智能家居的競爭焦點將不再只是設備數量和聯網能力，而是誰能率先構建起真正可落地的家庭算力中心。在這場新的技術競賽中，端側大模型芯片正成為關鍵戰場，而 HomeClaw 則讓這一方向有了更具體的場景化落點。

AI家電時代的“核心供應商”

從本屆AWE展示的技術體系來看，聆思的目標已經不僅是提供單一芯片產品。

通過“芯片 + AI算法 + 場景方案”的技術路徑，公司正在構建面向智能家電產業的AI底層能力平臺。

目前，聆思已量產五大系列AI芯片，累計出貨超過1.5億顆，在語音家電芯片市場長期保持領先。依托系統級芯片與算法能力，聆思已深度服務海爾、美的、海信等頭部家電企業，并成為其AI能力建設中的核心供應商。

隨著端側AI逐漸成為智能硬件產業的重要基礎設施，一批具備系統級能力的技術企業正在成為產業鏈關鍵節點。

而在AI家電這一賽道中，聆思正逐漸形成自己的定位：

為智能終端提供AI基礎設施的核心供應商。