边缘AI芯片行业，是指研发和销售用于终端、嵌入式设备、边缘网关、智能摄像头、汽车、机器人和工业设备的AI推理芯片、NPU、视觉处理器和AI SoC的产业。产品包括移动和PC NPU、边缘AI加速器、智能视觉SoC、车载AI芯片、AIoT处理器、MCU级TinyML芯片、M.2/PCIe/USB边缘加速模块，以及模型压缩、量化、编译和端侧推理软件。主要采购者包括终端厂商、摄像头和安防设备、汽车电子、工业机器视觉、机器人、无人机、智能家居和边缘网关企业。其边界在于：数据中心GPU和云端AI ASIC侧重大规模训练/推理；MCU与嵌入式SoC侧重通用控制；边缘AI芯片以本地AI推理能力为核心。
边缘NPU、视觉AI SoC、移动与PC NPU、车载AI处理器、AI摄像头芯片、M.2/PCIe/USB AI加速模块、AIoT处理器、TinyML加速单元、模型量化编译工具、端侧推理运行时和参考设计。
智能手机、PC、XR和可穿戴厂商，摄像头和安防设备商，汽车电子企业，机器人和无人机厂商，工业机器视觉、零售终端、智能家居、边缘网关和AIoT设备制造商。
全球边缘AI芯片从视觉推理扩展到语音、多模态和小型生成式模型。Qualcomm、NVIDIA Jetson、NXP、Hailo等围绕NPU、GPU、ISP、软件栈和开发套件竞争。客户选择越来越关注功耗、摄像头接口、BSP、模型工具链、工业温度和长期供货，而非单一TOPS指标。
中国边缘AI芯片需求集中在智能驾驶、智能摄像头、机器人、工业视觉和AIoT。地平线、黑芝麻、爱芯元智、瑞芯微、晶晨、全志等形成差异化路线。高端车规安全、开发工具成熟度、模型生态和客户量产经验是关键约束；量产项目更看重场景适配和成本功耗。
端侧多模态、智能驾驶、AI摄像头、机器人和工业视觉推动边缘AI芯片加速导入；相比云端芯片，边缘市场更碎片化，但量产场景更广。
核心瓶颈是功耗、热设计、模型压缩、编译器、BSP稳定性、摄像头/传感器适配和客户场景数据。嵌入式项目调试周期往往决定芯片实际导入。
风险包括应用场景碎片化、价格竞争、端侧大模型体验不稳定、软件生态维护成本高，以及车规和工业客户认证周期拉长。
查看该子行业的产业控制力结构、关键节点与最新变化。
低功耗下稳定推理决定端侧体验
ISP、视频、传感器和连接接口影响场景适配
量化、编译和运行时决定模型落地速度
模组、板卡和示例应用降低客户开发成本
工业和车规客户要求稳定生命周期和质量数据
小模型、多模态和个人化AI推动手机、PC、XR和边缘设备提升NPU能力。
安防、工业视觉和机器人仍是边缘AI芯片最稳定的落地场景。
M.2、USB和PCIe模块降低旧设备接入边缘AI的门槛。
车载感知和融合算法推动边缘AI芯片向高算力和车规安全演进。
消费和工业边缘设备要求低功耗、低成本和易开发。
本土视觉SoC和AIoT处理器结合摄像头、模组和算法生态形成场景优势。
小模型和多模态模型压缩效果决定端侧体验上限。
量化精度、编译成功率和模型覆盖影响客户导入速度。
无风扇、低功耗和电池场景限制芯片持续性能。
ISO 26262、AEC-Q和客户验证决定汽车应用放量。
应用差异越大，芯片厂商需要越强参考设计和生态支持。
