芯东西（公众号：aichip001）
作者 |  陈骏达
编辑 |  漠影

芯东西8月13日报道，今年以来，端侧AI的热度正在持续攀升，AI手机、AI PC密集上新，具身智能站上了风口，机器人、无人机、工业边缘设备都在争夺“本地智能”的入场券。

弗若斯特沙利文预测，全球端侧AI市场规模将从2025年的3219亿元跃升至2029年的1.2万亿元，年复合增长率达40%；IDC则预计，到2028年中国个人AI终端出货量将达到1.47亿台，渗透率突破53%。

热度攀升之下，为这些应用场景提供算力支撑的端侧芯片企业们，开始认真思考一个问题：什么样的芯片，才配得上端侧AI？

今天，无锡创企诚恒微召开新品发布会，正式推出旗舰一体化AI SoC——CH3715。这颗芯片最大的特点，是在单颗芯片内装下了“感知→理解→决策→控制”的完整闭环。

发布会前，芯东西与诚恒微CEO楚立斌进行了一场深入对话，聊了聊端侧AI的拐点、这颗芯片的设计取舍，以及一家初创芯片公司的落地方法论。

▲诚恒微CEO楚立斌

一、端侧智能拐点已至，“拼装式”硬件范式亟需迭代

我们与楚立斌的对话从一个根本问题开始：端侧AI到底是不是伪命题？

行业里确实有一种相反的观点，云端算力越来越大、越来越便宜，终端只要做好连接就够了。楚立斌的回应很直接：如果“终端只要连云就行”的逻辑成立，我们就不需要智能手机和AI PC这些本地算力了，但事实恰好相反。

在他看来，端侧AI的价值是刚性的。比如，机器人控制、无人机等场景要求毫秒级响应，而网络的延迟和抖动是物理规律，再快再便宜的网络也解决不了。

在工业、户外现场，设备可能长期处于弱网甚至断网环境，端侧算力是可靠性的底线。而在医疗、金融等领域，敏感数据不可能全部上云，端侧处理是合规的必选项。更不用说海量终端持续上传原始数据带来的网络、云计算和存储成本。

楚立斌认为，最好的产品设计是端云协同，“端侧负责实时响应和隐私保护，云端负责复杂推理和知识更新，各司其职”。

虽然端侧AI的需求正在快速爆发，但支撑它的硬件却还停留在旧范式。目前在光电感知、机器人、无人机和工业边缘设备中，主流方案仍是多芯片拼装：一台设备里往往塞进FPGA、DSP、AI加速卡、主控SoC等四五颗芯片，分别负责图像预处理、信号计算、AI推理和系统控制。

这一传统方案的痛点显而易见。多颗芯片需要独立的电源、存储和散热，硬件结构复杂，图像和传感器数据在芯片间反复搬运，占带宽、增延迟、推高功耗。

此外，不同芯片工具链和接口各异，客户要维护多套软件环境，想增加一路摄像头或一项大模型能力，可能就得重画主板、重做数据链路。再算上外围器件、PCB板层、测试认证和后续维护，综合成本始终降不下来。

行业的共识正在逐渐形成，也就是把多个计算单元整合进一颗芯片。这条路其实早有先例，手机SoC是最成熟的一个，一颗手机旗舰芯片里，CPU、GPU、NPU、ISP甚至基带一应俱全，而目前，智能汽车、端侧AI等行业都在复刻同一逻辑。

CH3715正是这一思路下，集成度做得较高的一个样本。

▲CH3715芯片

二、十个计算单元装进一颗芯，视、听、感、思、行全包了

发布会上，CH3715给人的第一眼印象是“满”：一颗芯片里塞进了十个计算单元：CPU、NPU、GPGPU、3D GPU、双ISP、VPU、DPU、FFT加速器、双通用DSP、音频DSP等等，几乎相当于把一台边缘设备的主板搬进了片内。

计算这一侧，CH3715搭载4大核+4小核的八核CPU，整体性能约100K DMIPS，负责系统调度和业务逻辑；AI推理的主力是六核NPU，稠密算力48TOPS@INT8，当模型满足2:4结构化稀疏条件时，理论稀疏算力可达96TOPS。

NPU旁边是一颗自研GPGPU，提供1TFLOPS@FP32、16TOPS@INT8的算力，专门承接NPU不擅长的高精度、可编程并行计算；此外还有一颗358GFLOPS@FP32的3D GPU负责图形与3D渲染任务，以及一颗128GFLOPS@FP32的FFT加速器，专攻雷达等场景的数字信号处理。

感知这一侧，双路ISP可以同时处理可见光和红外图像；AI图像增强单元支持4K实时AI降噪和AI超分；硬件CV模块承担双目校正、双光融合、多路全景拼接等视觉任务；独立音频DSP则负责音频降噪、回声消除和3D空间音频处理。

输出这一侧，VPU支持8K@30fps编码、4K@120fps解码，DPU负责显示驱动。互联方面，芯片提供PCIe Gen4、10G万兆以太网、SRIO Gen2、6路MIPI CSI、Camera Link、LVDS等接口。

这一芯片的实测数据更值得关注。发布会上，诚恒微CTO林苍松公布的测试结果显示，在指定模型、精度和软件配置下，CH3715单核NPU(8TOPS)YOLOv5m_640*640可达到90fps，总共6核可以完美支持16路1080P@30fps视频数据实时分析，相较参考平台取得约7倍以上的推理性能；双路1080P指定处理链路的端到端延迟最低约10毫秒。

▲诚恒微CTO林苍松

为什么要做这样一颗异构芯片？楚立斌的解释是：端侧智能并不只有神经网络推理。机器人、雷达和多传感器融合系统还需要FFT、高精度浮点、几何计算和控制算法，仅依赖NPU覆盖不了全部负载。

CH3715的技术逻辑可以概括为六步：双ISP与多种传感器接口完成高效采集；AI-ISP与硬件CV模块完成智能增强；六核NPU把“看到了什么”变成“理解了什么”；GPGPU与FFT加速器承接高精度计算；CPU负责系统调度和决策，通过CAN、RS485、GPIO输出控制指令；VPU和DPU完成编码与显示——视、听、感、思、行，闭环全在片内，数据不必在FPGA、DSP、SoC之间反复搬运。

把十个计算单元装进一颗芯片，取舍也随之而来，而且贯穿设计的每个环节。

第一道坎是内存带宽。十个计算单元同时访问DDR，而端侧设备的内存带宽普遍只有30~50GB/s，跟服务器完全不在一个量级。谁先用、谁排队、拥塞时怎么动态调整，这套优先级仲裁和QoS设计，直接决定每个单元能不能拿到足够的“喂料”，是系统架构的核心难题。

第二道坎是功耗。CH3715的做法是把电源管理做到尽可能细的颗粒度：CPU大小核独立电源管理，六核NPU按需开关，GPU拥有独立电压域，全芯片支持时钟门控和电源门控，轻载时关闭闲置资源，重载时动态分配算力和能源，既保性能又保续航。

第三道坎是物理设计。这么多单元挤在一起，时钟同步、信号完整性、散热都是硬骨头，需要多轮布局布线迭代 。“PPA平衡是贯穿芯片设计全流程的基础性问题，基础不牢，上面什么都建立不起来。”楚立斌说。

三、场景、团队、生态：一家初创芯片公司的落地方法论

芯片最终要到真实场景里证明自己，目前，CH3715主要瞄准了三大方向。

最先落地的是智能视觉，也是CH3715的主攻战场，毕竟这颗芯片接近一半的能力，都是围绕“看”来设计的。工业质检是最直接的替代机会之一：过去产线上大量“SoC+算力卡”的组合方案，如今单颗CH3715就能扛下来。

泛安防的需求则更“挑剔”一些，电力行业的变电站巡检要在更复杂的环境里识别更小的目标，高分辨率处理和AI-ISP能力刚好派上用场。还有一些应用超出了常规想象：在与中科院合作的保护区鸟类观测项目中，一个画幅里要装下成千上万只鸟，考验的是对精细目标的检测识别。而在火热的具身智能赛道，团队正与合作伙伴把视觉能力、双目感知和算力，装进封闭场景下的巡检机器人和机器狗。

第二个方向是高性能与科学计算。雷达信号处理长期是FPGA和专用DSP的地盘，但搜索雷达、生命探测雷达、无人机导航雷达，都绕不开大量FFT和高精度数字信号处理，这恰好是GPGPU+FFT加速器的用武之地。一颗芯片可以协同承担雷达数据预处理、FFT计算、图像处理和雷视目标关联，设备里就不再需要独立的雷达计算器件。

第三个方向是大模型终端，但这里的定位需要说清楚：CH3715不把大模型当主力，它能跑8B模型但TPS较低，对1.5B、3B模型则可以满足一定的实时性要求，真正的用法是“小模型检测+大模型事后验证”的组合。已有客户在用CH3715做大模型运算盒，把简单任务留在本地运行，省下的token开销和云端成本相当可观。

敢把战场铺得这么开，是因为这支团队见过类似的全局。诚恒微2023年在无锡成立，核心团队由业内资深经营者与技术专家领衔，拥有主导数十款芯片开发及量产的全链条经验。

SoC出身的工程师，对两件事最敏感：一是功耗，二是物理设计，“尤其我们关键岗位的人员，对功耗设计和物理设计非常有经验，所以我们能在PPA约束下一次性、无重大bug地把芯片设计出来。”楚立斌说。能把这些专家聚在一起，本身就是公司的核心竞争力。

团队之外，股东结构也为这家初创公司添了一层确定性。2025年8月，A股GPU上市公司景嘉微公告以2.2亿元自有资金增资诚恒微，交易完成后直接持股34.65%，成为控股股东，诚恒微由此纳入上市公司合并报表，股东名单中还有知名产业基金和国有资本的身影。

生态则是另一场硬仗。楚立斌很清楚，客户从其他平台迁移的挑战主要在算法适配、驱动开发和系统集成。诚恒微的解法是一套组合拳：接口定义参考主流SoC软件栈的完整底层SDK；支持ONNX模型转换的自研CZNN推理框架；覆盖分类、检测、分割、跟踪和BEV感知的ModelZoo，ResNet、YOLO、Swin Transformer、BEVFormer等主流模型已完成转化验证；针对已有GPU平台的项目，提供代码迁移、接口适配和性能优化支持。

同步推出的CR1核心模组只有70×70毫米，把CH3715的全部能力连同内存、存储、工业接口封装好，模型和驱动都已适配完成，客户不需要重新设计核心板。楚立斌透露，这套组合能把客户的设计验证周期控制在2~3个月，而从零开始，往往需要6~12个月。

结语：TOPS之外，端侧AI该比点别的了

按照计划，CH3715今年将推进完整可靠性验证、良率爬坡、客户项目导入和软件栈持续完善等四项工作，诚恒微未来的路线图也在展开。

楚立斌告诉我们，在CH3715之后，后续产品将面向具身智能，将针对Transformer、多模态计算和4D BEV感知做架构升级，背后的产品哲学是统一的芯片架构和软件平台，覆盖多个算力区间和应用方向，客户在前一代产品上写的代码，可以平滑移植到下一代。

端侧AI的竞争正在从PPT上的峰值TOPS，转向真实场景里的延迟、功耗和生态。对于成立不到三年的诚恒微来说，CH3715是一次相当完整的亮相：它未必是算力最大的那颗端侧芯片，但可能是把“闭环”这件事儿做的较为透彻的产品。这个思路能走多远，今年Q4量产后的市场会给出答案。