广和通：从云到端：离客户更近的端侧AI“涌现”而至-Ameya360 electronic components purchasing network

广和通：从云到端：离客户更近的端侧AI“涌现”而至

Release time：2024-12-12

author：AMEYA360

source：广和通

reading：1317

　　AI发展正酣，随着终端芯片算力越来越高、端侧模型能力越来越强、实时响应及隐私保护的端侧应用需求增加，端侧AI已然具备落地的条件。端侧AI离客户和应用场景更近，也是具象化AI的重要方式。可以看到，端侧AI的浪潮“涌现”而至，原有的用户体验和生态格局将迎来革命性重塑。

广和通：从云到端：离客户更近的端侧AI“涌现”而至

　　端侧AI是指在终端设备(如车载智能座舱、智能除草机、机器人等终端场景或设备)上进行人工智能计算和处理，运行端侧模型。相较于云端大模型，端侧大模型在资源有限的设备上高效运行，需进一步对模型进行压缩、推理加速及能耗优化。目前轻量化模型技术包含模型剪枝、知识蒸馏和量化，以上技术往往组合使用，以达到最优的轻量化效果。将大模型部署在端侧设备中，可高效赋能智能终端，如降低延迟，更快地响应用户请求;隐私保护，减少数据传输，从而降低隐私泄露的风险;减轻云端服务器的计算负担，降低对中心化计算资源的依赖，从而降低成本;根据用户的具体设备和使用习惯进行定制化优化，提供更加个性化的服务;无网络连接的情况下也能使用，提高了应用的可用性和灵活性。

　　基于大模型在端侧部署的特点和优势，已落地或即将落地的应用场景包括：智能手机、智能家居、可穿戴设备、自动驾驶汽车、工业自动化、医疗设备等。随着AI技术的进步和芯片产业的发展，端侧部署AI的挑战正逐步被克服，更多的端侧应用场景正在落地实现并逐渐成熟。

广和通：从云到端：离客户更近的端侧AI“涌现”而至

　　首先，大模型本身的算法逐步在优化，在众多细分行业，模型的计算效率相较上一代均有一定量级的效率提升。模型参数变得更小，用户体验却更加智能。再者，更多参数较小的大模型被开源，且AI能力日趋成熟，例如智谱AI、阿里千问等大模型厂商都开源了亿级(0.xB左右)到百亿级(x0B)的大模型预训练模型。这大大降低了大模型应用开发者的使用门槛，同时加速端侧AI部署。此外，算法层级的技术，包括模型量化、剪枝、蒸馏为基础的模型压缩算法，以及专为端侧部署设计的软硬件平台，都正在快速发展，这使得大模型在端侧设备的部署变得更加高效。以上模型变化趋势使得端侧AI在本地所需算力、部署成本、运行效率得到大大提升，将助力各行各业智能升级。

　　目前，端侧AI芯片厂商、中游模组及软件厂商、下游终端厂商的产业链上下游正积极推动 AI在端侧部署落地。多个芯片厂商已推出最新处理器，支持终端侧多模态生成式AI，并完成多款大模型的适配。广和通持续为AIoT产业提供模组及解决方案，正积极探索端侧AI相关技术，并已推出多款可应用于机器视觉、具身智能、智能割草等场景的端侧AI解决方案，满足不同终端对算力及模型的需求。

　　在端侧AI应用上，广和通深度布局视觉与听觉计算，推出高算力和轻量化机器视觉解决方案，融合了先进的处理能力与边缘计算优势，采用了目标检测、关键点检测、图像分割、超分辨率、图像增强、360环视拼接等高效的视觉处理算法。此外，广和通机器视觉解决方案支持蓝牙、Wi-Fi等多种无线通信连接方式，在高端智能影像终端、工业视觉终端、车载终端、机器人均具有广泛应用场景。

广和通：从云到端：离客户更近的端侧AI“涌现”而至

　　AI大模型作为当前人工智能领域的重要技术，是孕育新质生产力的重要手段。作为大模型应用的一个重要的实践领域，端侧 AI大模型的全面落地发展需要全产业链推动，包括芯片算力增强、模型优化、软件厂商适配以及终端厂商的落地应用。广和通积极整合产业上下游资源，为产业提供融合通信、算力、AI算法、AI引擎、模型等能力的端侧AI解决方案，加速AI商用至终端。

（"Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal."）

企业动态

入选国际学术会议！广和通分享数字员工如何重塑人机协同

　　5月29日至30日，R&D Management Workshop 2026(以下简称“研发管理工作坊”)在韩国首尔高丽大学举办。会议以“AI时代，研发管理的未来”为主题，聚焦AI对研发体系、创新战略与产业实践的影响。　　广和通副总裁李腾分享研究成果　　广和通副总裁李腾相关实践与研究成果入选会议论坛(接受率仅8%)，并围绕“数字员工如何重塑人机协同能力”进行分享。该研究以订单运营为切口，探讨数字员工如何进入业务流程，推动组织协同方式升级。　　AI时代，研发管理成为全球共同议题　　随着AI加速进入研发和产业体系，研发管理正在从流程执行走向战略牵引。从研发选题到成果转化，从项目规划到绩效评估，AI正在改变研发活动的组织方式，也对企业资源配置、协同效率和创新能力提出新的要求。　　研发管理工作坊是研发管理领域具有重要影响力的国际学术交流平台，与《R&D Management》期刊及全球研发管理研究网络长期关联。本次会议由R&D Management Conference、韩国创新管理与经济学会、英国研发管理协会等机构组织，汇聚高校、研究机构与产业界代表，围绕AI时代研发管理转型展开交流。　　学术期刊《R&D management》联合主编 Alberto Di Minin 出席本次工作坊　　会议期间，剑桥大学、LG人工智能研究院等机构代表进行主旨分享，议题涵盖AI时代制造创新、产业生态演进等方向。其中，LG人工智能研究院围绕AI驱动产业生态演进展开分享，呈现基础模型及产业AI在制造、研发、材料、电池等领域的部署方向。　　剑桥大学制造研究院主任 Tim Minshall 进行分享　　LG 人工智能研究院院长林宇亨进行分享　　在同一国际学术交流平台上，广和通从中国科技企业的实践出发，分享数字员工在组织流程中的落地路径。其核心观点在于，AI的价值不止于单点提效，更在于进入研发管理、业务协同和客户服务体系，推动运营模式系统性升级和组织效率的真实提升。　　从AI数字员工深度融入流程，探讨人机协同升级　　广和通此次分享的实践成果，以订单管理数字化转型为研究场景，探讨数字员工如何改变企业人机协同模式。　　广和通副总裁李腾分享研究成果　　随着全球业务拓展和客户需求日益复杂，企业需要更顺畅的流程衔接和更敏捷的组织响应，支撑从需求识别到产品交付的全链路协同。　　在这一场景下，数字员工可以承接大量规则明确、数据密集的任务，将信息识别、任务分发、异常提醒和辅助决策嵌入日常流程。员工则可以从事务性工作中释放出来，更聚焦异常判断、跨部门协同、客户沟通和业务决策。　　广和通在会议中提出，企业级AI落地的关键，是把技术转化为流程能力、协同能力和服务能力。AI作为伙伴而非工具，基于零基策略，根本性重整业务流程和组织机制，才能推动人、系统、流程和数据形成更高效的协作关系。　　以组织能力升级，支撑全球服务体系　　作为全球领先的无线通信模组及AI解决方案提供商，广和通长期服务全球客户及产业链伙伴。公司自身的研发管理、订单响应、供应链协同与客户服务能力，直接影响产品交付效率和解决方案落地质量。　　广和通推进数字化与AI融合，重点在于打通内部流程、组织协同和服务链路。通过将智能化能力应用于订单管理、业务响应、流程协同、知识沉淀和运营优化等关键环节，公司持续提升内部运转效率，并增强复杂业务场景下的响应能力。　　AI将进一步融入研发、运营、供应链和客户服务流程，推动组织协同更加高效、管理决策更加精准、跨区域协作更加顺畅。组织能力的提升将转化为更快的客户需求响应、更稳定的复杂项目交付和更高效的上下游协作，为客户、供应商和生态伙伴提供更可靠的产品、解决方案与服务支持。　　面向全球协同，推进AI融入全流程　　AI正在同时改变产业终端与企业组织。广和通一方面围绕端侧AI、机器人、智慧能源、工业互联等方向，以无线通信与AI能力支撑客户智能化升级;另一方面，也在通过数字员工、流程智能化和组织协同升级，提升面向全球市场的运营效率和服务水平。　　此次实践成果入选研发管理工作坊会议论坛，并在国际研发管理学术交流平台与LG人工智能研究院，剑桥大学等知名企业和科研单位同期发表，体现了广和通在企业级AI实践、组织能力建设和数字化转型方面的持续探索和领先地位。　　未来，广和通将继续推动AI融入研发管理、运营流程、供应链协同及客户服务全体系，以更敏捷的组织能力、更高效的协同体系和更稳定的交付能力，服务全球客户及产业链合作伙伴。

2026-06-01 10:25 reading：247

model	brand	Quote
TL431ACLPR	Texas Instruments
RB751G-40T2R	ROHM Semiconductor
BD71847AMWV-E2	ROHM Semiconductor
CDZVT2R20B	ROHM Semiconductor
MC33074DR2G	onsemi

model

brand

Quote

Texas Instruments

ROHM Semiconductor

ROHM Semiconductor

ROHM Semiconductor

onsemi

model	brand	To snap up
TPS63050YFFR	Texas Instruments
BU33JA2MNVX-CTL	ROHM Semiconductor
ESR03EZPJ151	ROHM Semiconductor
STM32F429IGT6	STMicroelectronics
IPZ40N04S5L4R8ATMA1	Infineon Technologies
BP3621	ROHM Semiconductor

model

brand

To snap up

Texas Instruments

ROHM Semiconductor

ROHM Semiconductor

STMicroelectronics