AI算力芯片盯上家庭市场，会是一门好生意么？

本文来自微信公众号： ZAI科技 ，作者：Kevin

QUOTE

资本市场可以为想象力估值，消费市场只会为用途付款。

本文看点

01

家庭需要独立算力吗？

02

家庭有算力需求，但不一定是大算力需求

03

好故事≠好生意

01

OPENING

“10999元内最好的闹钟”

前阵子，一段拍摄自WAIC活动现场的视频流传于各大微信群里，很是给吃瓜群众提供了一大波笑料。在视频中，几位参观者围着摩尔线程展出的一台名叫AI Cube而且售价高达10999元的家庭AI算力产品，向现场的工作人员抛出了一道送命题：“这个东西买回家，到底有什么用？”

正常来说，一般遇到如此不给面子的问题，由营销口儿或者公关口儿同事伪装的产品经理已经开始按照提前写好的台本儿开始和提问者用片儿汤话兜圈子了，但是显然摩尔线程作为一家工程师导向的企业（至少从现场人员安排而言应该如此）并不打算采用这么保守的策略，现场的几个小伙子立刻进入研发状态，认认真真和对方探讨起使用场景来，在连续被噎回去两个回合后，小伙子们终于用一句话回答了整场的碾压式反问：“但是他比闹钟好”。

02

PRODUCT

端侧算力平台：AI硬件新品类

“10999元以内最好的闹钟”当然只是开个玩笑，这只售价过万的小金属盒子，配置确实并不简单。AI Cube搭载了摩尔线程自研的“长江”智能SoC，将CPU、GPU、NPU以及视频处理单元塞进一颗芯片，CPU最高主频2.65GHz，异构AI算力达到50 TOPS，同时配备32GB统一内存和120GB/s内存带宽。除了运行本地大模型，它还具备图形渲染、视频编解码和通用计算能力，再加上全闪私有云存储，摩尔线程显然希望它承包家庭里的AI交互、影音娱乐、居家办公和数据管理。

摩尔线程也并非唯一盯上这门生意的厂商。同样是在WAIC上，联想AI主机P7也出现在了现场。它搭载后摩智能M50芯片，整机本地AI算力达到190 TOPS，最高配备80GB内存，支持128K上下文以及最高1220亿参数的本地大模型；在完全断网的情况下，官方宣称其推理速度最高仍可达到每秒50个Token。

50 TOPS

AI Cube

190 TOPS

联想AI主机P7

这两款设备选择的产品路线并不太相同。AI Cube更像一台长着AI中枢模样的小型电脑，希望同时包办计算、存储和娱乐；P7则把更多资源押在大模型推理上，联想希望它能被手机、电脑以及其他智能终端调用，扮演一座随身携带的“本地Token工厂”。不过绕了一圈，两家公司做的仍是同一件事：在手机、电脑和智能家居设备之外，再向用户出售一台独立的本地算力设备。

按照两家厂商各自公布的口径，从50 TOPS到190 TOPS，家庭里的算力军备竞赛似乎已经提前打响。接下来真正需要讨论的，也就不再是两台机器谁的配置表更漂亮，而是一个更实际的问题：本地算力究竟能给用户带来什么体验，又能创造多少足以让人掏钱的价值？

03

LOCATION

本地算力早就有用了，只是家庭不一定需要再买一台

好在问题的前半段，答案已然很清晰：到如今，端侧算力与大模型的价值逻辑已经基本清晰，一批基础能力也开始进入实际产品。

就在2025年底由中国计算机学会主办的一场主题为“端侧大模型的发展路径探索”技术论坛上，与会专家总结归纳出了端侧算力+大模型的核心价值：低延迟、高可靠、隐私保护、数据主权以及离线场景。从这个结论出发观察既有的AI服务，你会发现现实样本聚焦在了办公场景，Copilot+PC算是目前较有代表性的落地样本：至少40 TOPS的NPU，为实时字幕、视频通话特效、图像生成与超分辨率等端侧功能提供算力支持。

继续沿着这个思路看待家庭生活中，需要本地算例的场景其实也不少：摄像头要识别人形、哭声和异常活动，智能音箱要完成本地唤醒与基础指令识别，手机负责照片分类和人脸识别，手表持续记录健康数据——隐私、时延和断网可用这些理由，在家庭里一个都不少。

但请注意：家庭场景和办公场景具有一处核心区别：端侧算力位置。

相比较办公场景围绕着PC高度集中，因此端侧算力和大模型也都是PC种内置而言，家庭场景的算力与模型相对离散：摄像头，NAS，智能音箱、智能手表和手机分别都具有端侧算力和模型能力且都已经形成极为成熟的商业模式，各自有独立的研发、市场以及销售体系，大量与端侧算力相关的服务请求都已经在各自设备端自行闭环，且数据结果都可在自身或者关联设备上进行展示或下一步应用，并没有一个足够强的理由，要像智能汽车采用中央计算架构那样，把原本分散的算力集中到一台家庭计算中心。

现在我们再看看AI Cube和P7，他们要回到真正问题可以进一步澄清了：当现有任务群已经被多端侧算力分布式承接以后，究竟还有什么工作，值得集中交给一台50 TOPS乃至190 TOPS的独立设备？

04

DEMAND

家庭算力需求不等于家庭大算力需求

需要先澄清一处很容易被厂商有意无意混淆的概念：大算力设备被搬进家里，不等于家庭已经产生了大算力需求，决定需求的是服务场景，并不是服务地点。

需要承认，家里的AI负载也可以相当惊人。一名视频创作者完全可以在自己的工作室里架上一块拥有96GB显存的RTX PRO 6000 Blackwell，通过ComfyUI调用Wan2.2-I2V-A14B，为商业短片生成720P镜头；程序员也可能在64GB内存的M4 Pro Mac mini上运行Qwen3-Next-80B-A3B-Instruct的Q4_K_M量化版，让一个800亿参数的MoE模型在本地帮自己写代码。

但这些仍然属于生产力需求，只是办公桌刚好被放在了家里。用户比较的是专业显卡工作站、Mac mini和云端算力，关心的也是生成速度、模型兼容性以及使用成本。它们可以证明个人用户确实需要本地大算力，却解释不了AI Cube和P7为什么要成为一件家庭公共设备，更无法证明一家人有什么任务需要共同调用它。

真正的家庭AI需求，往往还是会围绕着日常生活展开：NAS和手机会用AI整理照片分别归类，智能音箱能听懂语音指令，但这些场景往往并不存在连续性的大规模算力消耗，更常见的是用户发出一条指令，设备短暂运行一段时间又重新回归到StandBy的状态中；家庭规模本身也是一道限制。一台办公电脑每天可能连续处理文件、会议和图像，企业中的AI服务还会面对大量用户同时调用。一户家庭只有几名成员，即便每个人都愿意使用AI，也很难在同一时间制造出足够多的高负载任务。

如果家庭大算力最终能够找到一个站得住脚的方向，它大概会来自需要常驻后台的多模态服务。持续健康监护算是目前比较接近的设想：系统把摄像头捕捉到的步态、姿态，与麦克风中的呼吸和咳嗽特征，以及穿戴设备记录的健康指标放在同一条时间轴上，建立个人基线，再从长期变化中寻找异常。

这类任务很难全部交给云端。家庭影像、日常对话和身体指标几乎涵盖了一个人最敏感的数据；多路数据如果还要全天候上传，云端存储和推理成本也会随着运行时间不断累积。更合理的做法是在家中完成主要计算，只有确认异常之后，才向外发送告警或结构化结果。到了这一步，集中式算力才算同时找到了技术理由和经济理由。

不过，这只能说明家庭中可能存在持续消耗大算力的任务，还不能反过来证明190 TOPS已经有了用武之地。目前的健康监护仍以穿戴设备和摄像头完成单项检测为主，能够把多路数据放到一起长期分析的模型与应用尚未成熟。换句话说，硬件已经给出了50 TOPS乃至190 TOPS，真正能够把这些算力持续用起来的家庭应用却还停留在设想中。

所以，家庭大算力并非完全没有机会，只是今天最有希望的需求仍然离产品化实现很远——既然市场暂时没有准备好，联想、后摩智能和摩尔线程为什么还要抢先把硬件做出来？这便是接下来更值得讨论的问题。

05

CAPITAL

用户暂时没有需求，不代表企业和资本也没有需求

先看摩尔线程。过去几年，这家公司向资本市场反复讲述的核心故事，是用一套MUSA架构同时承接AI计算、图形渲染、科学计算和视频处理等不同任务。这个故事背后还有一笔很现实的账：GPU研发投入巨大，仅2022年至2024年，摩尔线程累计亏损就超过50亿元。花出去的钱最终要靠足够大的市场摊回来，一套架构能够进入的场景越多，它在资本市场面前可以解释的增长空间也就越大。

“长江”让这套故事从同架构复用，又向一颗芯片覆盖多个端侧市场走了一步。同一颗SoC被装进AIBOOK，成为开发者设备；做成E300模组，寻找机器人和工业客户；再被塞进AI Cube，家庭市场也由此纳入了摩尔线程的产品版图。每增加一种产品形态，“长江”的潜在市场便被向外推一层，摩尔线程也多了一项证明MUSA能够持续商业化的样本。

问题恰恰出在最后这一步。AIBOOK面对开发者，E300面向行业设备，客户为什么需要算力相对容易解释；到了AI Cube，摩尔线程先拿出了一台拥有50 TOPS算力的家庭产品，现场却一时说不清家庭为什么需要它。

于是，AI Cube身上的疑问也变得更加尖锐：它究竟是家庭需求发展到一定阶段后的自然产物，还是摩尔线程为了把“长江”的市场边界继续向外扩张，主动为这颗芯片安排出来的家庭落点？

再看联想，它推出P7的理由比摩尔线程多了两层。

第一层来自天禧AI。按照联想“一体多端”的规划，个人智能体需要在PC、手机、平板和家庭设备之间流转，家庭自然不能成为这张终端网络里的空白。P7由此获得了一个看起来顺理成章的位置：长期放在家中，承担本地模型运行、数据存储以及不同设备之间的能力调度。

第二层来自后摩智能。联想创投曾参与后摩智能的天使轮融资，P7采用的又是后者提供的M50存算一体芯片。对联想来说，将被投企业的技术装进自己的整机，既能完成产业协同，也能为M50提供一款消费者能够看到的产品化样本。

这两条线索都能解释联想为什么愿意探索P7，却还不足以证明市场已经需要P7。“一体多端”可以说明家庭需要接入天禧AI，无法继续推导出这个入口必须配备190 TOPS级独立算力；联想与后摩之间的投资关系可以解释芯片选择，也不能替消费者创造购买理由。

说到底，天禧AI需要一个家庭节点，后摩智能需要一个产品化机会，联想也愿意把两件事放在同一台设备上试一试。这是一场逻辑完整的产业探索，距离需求明确、用途清晰的成熟生意，中间还隔着一个家庭场景。

对于摩尔线程、后摩智能和联想来说，这场探索当然有继续下去的理由。一颗芯片多进入一个市场，商业想象力便能向外扩张一圈；一套AI系统多连接一种设备，“一体多端”的版图也会随之完整几分。

「遗憾的是，资本市场可以为想象力估值，消费市场只会为用途付款。」

厂商可以把家庭写进芯片的市场空间，把AI Cube和P7写进产品矩阵，也可以提前为一个尚未出现的生态搭好舞台。但在消费者真正找到非它不可的需求以前，所有没有被使用的TOPS，都只是参数表上昂贵的闲置资产。

所以，AI算力芯片盯上家庭，当然可以成为一门好故事。至于能不能成为一门好生意，还得先想办法证明：它除了做闹钟，确实还有别的工作可干。