看起来，这可能是一套简洁的工业控制模组，你将它接入产线便能稳定运行、严谨高效；

实际上，它里边还植入了轻量化的端侧 AI 单元，你随时可以让它自主分析数据、做出决策，甚至根据环境变化自动调整参数；你化身为智能制造的操盘手，成为未来工厂里带着超能力的 “神经中枢”，掌控着生产效率与质量的命脉……

这套方案是九部门近日联合印发的《推动物联网产业创新发展行动方案（2026—2028 年）》中，重点推出的 AI 终端融合应用工程机版本。

从官方透露的信息看，这个新型终端方案内置了 AI 终端核心能力，可以通过本地算力与边缘计算协同，实现对设备的全天候智能管控。

从行业展会透出的动态来看，感知、决策、执行…… 以 “端边云” 协同的方式，在无人值守的复杂工况下，大量的智能交互就已经轻松实现。

车间巡检时需要识别设备异常时，只要让 AI 终端进行视觉分析，答案就同步到了控制中心，带上巡检报告，出发；

设备能耗指标又有波动，又疑惑优化空间时，可以马上在本地获得参数调整的推荐，不用担心能耗超标或性能波动；

坐在中控室盯着屏幕监控产线，想知道某条产线的瓶颈在哪时，AI 终端已经帮你完成数据建模、流程拆解，并给出了产能优化的具体方案……

尽管物联网喊了多年，但 AI 终端的规模化下沉，可能还是第一次能够让制造业直接感受到技术的澎湃力量与产业价值的质变。

实际上，除了本次行动方案的重点布局，AI 终端作为物联网核心增量，过去一段时间内已经出现集中化涌现的浪潮。

华为推出搭载昇腾 AI 芯片的工业网关，借势推出面向智能制造场景的新型终端产品；

科大讯飞的星火大模型，一经发布，就宣布接入旗下的工业机器人与智能产线管理系统；

此外，海康威视在其新款工业相机上线了 AI 缺陷检测模块，拥有众多智能终端产品的小米更是爆出要自研大模型接入其工业物联网生态。

在国外，英伟达批准了其 Jetson 系列边缘硬件接入 AIGC 能力，智能传感器公司 Sensory 宣布推出首款支持本地大模型推理的低功耗物联网芯片。

而上述 AI 终端融合应用方案在试点企业上线后，直接登上了工信部智能制造典型应用案例榜首。

这些都表明，AI 终端正成为物联网规模化爆发的核心引擎，这种爆发也展示了 AI 终端垂直化下的产业级、随身化产品发展路径和价值。

1、端侧智能：想离 “数据” 更近

ChatGPT、通义千问、文心一言、讯飞星火……大模型产品过去一段时间集中涌现，各自都刷了一波存在感，好不热闹。

实际上，这些能够实现本地推理的终端产品，只是厂商们用最直观的方式向业界秀出自家 AI 终端的技术实力罢了。

它们背后支撑的端侧 AI 能力，在打出影响力后走入垂直领域实现商业化，是共同的追求。

AI 终端的大时代，走在前面的企业已经在探索更多场景。

而在商业化这件事上，厂商们的倾向各不相同 —— 直观上，分为进入 B 端工业场景提供服务以及面向 C 端创新产品两种路径。

到底是朝向工业 B 端还是去消费 C 端，也引发过一系列的讨论甚至争论。

这波浪潮的源头 OpenAI，倾向于面向企业提供服务，收取订阅费，来快速实现数亿美元的营收目标。

这也成为不少国内厂商的选择。

而实际上，端侧 AI 的原本含义就是 “在终端侧运行的大参数量算法模型”，它本质的意义体现在 “本地推理” 上，能够在不需要大量数据上传云端的情况下就形成可落地的应用，从而在提升 AI 能力的同时加速产业创新的速度。

但从 AI 终端的技术落地来说，垂直化是生来就有的基因。

在企业级服务十分旺盛的欧美，OpenAI 优先选择了面向企业们收订阅费。

而在中国市场，虽然随着工业数字化、智能化服务的高速发展，厂商最终也需要全面面向企业提供服务，它们还多了一项选择，那就是依靠蓬勃发展的 C 端市场，在各类 C 端产品或服务上，展现 AI 终端的能力。

过去已经发展了很多年的智能终端，具备商业化的三大优势：大市场容量、深度服务的价值潜力、易于通过本地算力实现 AI 能力嫁接。

简单说，市场大、潜力深、好上手，容易得到普遍选择。

这变得更加高频，让 “智能体” 价值与生产生活更加紧密贴合。

毕竟，人们的活动范围总是在变，但随身设备一直在身边。

可以看到，虽然本次 AI 终端融合应用方案在产品形式上更偏向工业网关，但至少在当下，它本质上还是走的本地计算 + 随身管控的路子，是一个被 “工业化” 方式隐藏的智能中枢。

国盛证券在其报告中也认为，在户外、工厂或者需要私密性的场景，最合适的 AI 智能载体是边缘终端，“因为人类物理条件限制，边缘终端在未来可见维度内都是优质入口。”

工厂 “巡检”，开会帮助记录会议纪要，产线帮忙寻找质量问题根因，甚至深夜接受数据请求、成为产线运维人员的好帮手……

九部门行动方案试图打造的，就是未来工厂中那个形影不离的生产与管理伙伴。

2、技术供给：全链条技术已经储备完成

在每一个 AI 终端产品的发布会现场，正常的演示过程往往都是输入数据然后 AI 终端给出一个分析答案呈现出来。

这就带来一个问题：当 AI 终端进入产业场景，需要本地处理数据的时候，除了大模型本身的能力，还需要一系列技术的支持来构成技术链条：

感知阶段，多模态传感器技术，将采集到的物理信号输入给 AI 终端；决策 + 创造阶段，NPU（即终端 AI 处理器），接受信息后完成推理并输出指令；表达阶段，控制执行单元，将推理结果转化为设备的实际操作。

对工业 AI 终端来说，这还没完，要带来稳定的工业控制，还需要配合精密的实时通信技术。

只有具备一系列技术储备的玩家，才有资格上桌，这里没有什么黑马的机会。

九部门行动方案中的 AI 终端方案，一方面需要搭载轻量化大模型的场景化应用，另一方面也离不开这些年来依靠工业互联网在传感器、边缘计算、实时通信技术上的长期积累。

作为一款创新产品，其背后的新工程技术研发也值得关注。

比如这次用到的边缘计算模块采用了所谓 “异构计算专利技术”，优化了 CPU、GPU、NPU 的协同模式，让计算响应更加稳定、更低延迟、更低功耗。

而且，植入的组件还需要小型化，保证可以安放进常规的工业设备外壳之中。

科技和体验，都拒绝笨重。

当然，九部门行动方案中的这一系列技术储备，并不仅仅应用于网关，未来在机器人、智能机床等工业设备中也有用武之地。

如果 AI 终端取得成功，未来可以期待更多工业终端的 AI 创新。

3、变革需求：AI 终端契合了赛道突破自我的需要

很长一段时间以来，物联网设备处在概念火热但产品进展缓慢的处境当中。

产业终端搭载 AI 终端，实现本地智能后，更多价值创造的可能性就出现了。

预测、诊断、优化、推荐…… 一个随身设备都能提供。

中国信通院云计算与大数据研究所内容科技部副主任刘硕，把这种 AI 终端给原有赛道的价值改变，称为 “破坏式创新”——AI 终端对产业终端的价值，不再是基于原有产品逻辑的优化，而是一种打破后的 “再造”。

AI 终端给工业物联网带来的改变就是如此，反过来，也受这种变革需求的驱动。

以智能制造场景为例，以前的物联网设备能够在看到一个故障后提供相应的预警信息供决策已经很了不起，现在，内置的 AI 终端可以通过本地数据分析设备状态、预判故障风险、为用户做出维护建议，甚至帮助设备自动执行修复操作，完成生产计划的动态调整。

有理由相信，更多不温不火的产业终端甚至智能终端赛道亟待这样的创新。

随身终端的 AI 终端竞逐，

仍在回归行业本身搭载 AI 终端的产业终端带来了全新的效率和场景需求满足能力，激发了新的市场空间，不仅能够为用户提供具体的服务，还在创建一个拥有多维度参与力量的生态系统。

智能终端，一直在各种方式、路径，在各种生产、生活场景中向用户提供丰富的服务。

AI 终端的加入，或许还能让过去的智能终端产品竞争摆脱同质化。

例如，在传统物联网的典型终端 —— 工业传感器的产品角逐中，很难说厂商间有什么太大的差异 —— 以数据采集、简单传输的方式回应用户需求，各个产品基本上 “你有我也有”。

但当 AI 终端成为新的底座基础设施，并将 AI 能力输送到产业终端后，各个产品能力的强弱将形成巨大的差异化。产品角逐将变为硬实力角逐。