当AI大模型加速进入消费电子产业，智能家电也正在迎来新一轮技术升级。

在3月12日开幕的中国家电及消费电子博览会（AWE 2026）上，大模型几乎成为贯穿全场的核心关键词。从空调、冰箱到全屋智能设备，越来越多家电产品开始引入AI能力，试图让设备从“执行命令”走向“主动理解”。

而在这股热潮中，聆思科技又率先抛出了一个更具前瞻性的方向——HomeClaw，可以将分散的摄像头、传感器与家电设备连接为统一的家庭算力中心，推动AI家电从迈向真正的全屋主动智能。

但在这轮产业热潮背后，一个更底层的问题正在浮现：

AI如何真正跑在终端设备上。

相比云端算力，家电产品有着功耗、成本、体积与实时性等多重限制。如何在有限算力条件下实现稳定、低成本且可持续演进的AI能力，正在成为智能家电产业新的竞争焦点。

在这一背景下，终端AI芯片厂商的重要性正在快速上升。

作为专注智能终端AI SoC芯片的技术企业，聆思科技在本届AWE上集中展示了其围绕“芯片+算法+场景方案”构建的AI终端技术体系。从系统级芯片方案，到关键AI交互能力，再到率先提出的 HomeClaw 方案及端侧大模型芯片布局，这家公司正在构建智能终端时代的底层技术平台。

端侧AI竞争，核心在“芯片 + 算法”

在AI产业早期，算法和芯片往往分属不同公司。但到了端侧AI时代，这种分工模式正在逐渐改变。

原因很简单：终端设备的算力资源有限，如果芯片架构与算法无法深度协同，AI能力很难真正落地。

因此，业内普遍认为：“芯片 + AI算法双引擎，是端侧AI落地的真正门槛。”

在这一点上，聆思属于行业中少数同时具备芯片与AI算法全栈研发能力的企业之一。其技术团队来自顶级芯片企业与AI公司，在硬件架构设计、算法框架优化以及产品化落地上形成了系统级协同能力。通过从硬件到算法的深度联合设计，聆思实现了更高的AI算力效率。

据介绍，其自研NPU架构算力利用率已经超过 80%，显著高于行业 20%—50% 的平均水平，在端侧AI算力效率方面形成明显优势。

在功耗和成本高度敏感的家电场景中，这种能效能力往往决定了AI功能是否能够规模化落地。

两大系统级芯片方案瞄准AI家电核心能力

在AWE 2026现场，聆思重点展示了两套系统级芯片方案：ARCS 与 VenusA。

两者分别面向不同产业需求，但目标一致——让AI能力真正进入家电终端。

ARCS：一颗芯片跑通云端大模型交互

随着人机交互从语音扩展到视觉、情绪识别等多模态能力，终端设备对计算能力的要求越来越高。

聆思推出的 ARCS系列芯片 采用高度集成设计，将AI算力、主控处理、多媒体能力与无线连接整合进单颗芯片中。配合专为智能终端所打造的“小聆AI”大模型应用平台，该方案能够支持：离线AI能力、在线大模型能力、多模态交互、情感交互、MCP调用……

这意味着，一颗芯片即可完成从语音理解到视觉识别，再到云端大模型的完整流程。

在展会现场聆思所展示的“多模态情感陪伴”方案中，小小的一个机器人，能够同时结合语音与视觉信息判断用户状态，并作出个性化的反馈，呈现出更自然、更有温度的人机互动体验。

目前，该方案已在智能浴霸、AI陪伴机器人、智能闹钟等产品中实现落地。

通过系统级整合能力，ARCS显著降低了终端设备接入AI能力的开发复杂度，也为更多家电产品规模化引入大模型交互能力提供了现实路径。

VenusA：打通鸿蒙生态的国产AI家电方案

如果说ARCS是面向AI交互体验升级，那么 VenusA 则瞄准的是另一条重要产业路径——国产化AI终端生态的落地。

国产化已成为近几年硬件产业的关键命题，在AWE 2026现场，聆思展示了基于全新升级的多模态AI SoC芯片“ VenusA”所打造的国产化AI解决方案。

VenusA芯片基于 RISC-V架构 设计，在算力能力与多媒体处理方面进行了大幅升级，实现算力翻倍，使设备能够同时运行语音与视觉算法，为带屏家电和视觉交互设备提供更强的本地AI处理能力。

更重要的是，该方案通过与海思IOT芯片结合，并深度适配鸿蒙操作系统，打通了本地AI到云端服务，再到操作系统的完整链路，为AI家电提供了一套更具落地价值的技术路径。

对于家电厂商而言，这种“芯片 + 操作系统生态”的方案不仅降低了AI能力接入的技术门槛，也能够缩短产品开发周期，加快AI家电的规模化落地。随着国产技术生态不断成熟，这类方案正在成为越来越多终端厂商的重要选择。

AI家电落地：真正挑战在“最后一公里”

AI能力并不等同于用户体验。

在智能家电场景中，一些看似细微的问题往往决定了用户是否真正愿意使用AI功能。

围绕真实家庭场景，聆思在AWE上展示了三项关键技术能力。

首先是分布式语音2.0系统。

随着家庭中语音设备数量不断增加，“一呼百应”成为常见问题。该系统支持 32+设备协同组网，并兼容 Android、Linux 与 RTOS 系统，真正实现跨设备、跨网络、跨麦克风阵列的全屋语音协同能力。

其次是AI声音复刻技术。

通过语音大模型，系统可以通过一句话复刻真人音色，并在保持音色一致的情况下改变表达风格。目前音色相似度已达到 91分。可应用于家庭陪伴、品牌语音形象等场景，让家电设备实现有温度、有个性的交互。

第三是声纹注册技术。

针对方言/口音较重用户，可以一句话生成模型，使语音唤醒成功率进一步接近 100%，有望大幅缓解长期困扰家电企业的交互与售后难题。

这些不断突破的AI技术，正在直接影响用户对AI家电的真实体验，也是产业实现规模化落地的关键支撑。

AI家电出海，多语种能力成为基础设施

随着中国家电品牌加速拓展海外市场，多语种AI交互正在成为产品全球化的重要能力。

聆思推出的多语种AI解决方案目前已覆盖：东南亚、南美洲、阿拉伯、欧洲等主要地区的 42个国家、13种语言。通过软硬件一体化能力，能够帮助中国家电企业更快完成产品本地化部署。

从这个角度看，多语种能力已经不只是单纯的“交互功能”，而正在成为AI家电出海过程中的重要基础设施之一。

下一站：端侧大模型芯片布局，HomeClaw瞄准家庭算力中心

在本届AWE上，聆思还首次披露了其端侧大模型专用芯片规划，并率先推出面向家庭场景的 HomeClaw 方案。

如果说当前AI家电的核心能力仍主要在语音交互与基础智能，那么随着大模型技术发展，未来全屋智能的演进方向已经越来越清晰：不再依赖单个设备的独立能力，而是围绕家庭算力中心构建。 摄像头、传感器、家电设备以及机器人，将作为感知与执行节点接入同一套AI系统，共享感知、分析、决策与执行能力，实现跨设备、跨场景协同。

在这一背景下，聆思推出了 HomeClaw。作为面向家庭场景的方案，HomeClaw 可接入全屋摄像头、环境传感器以及空调、扫地机器人、灯光等设备，对家庭环境与用户行为进行实时感知和分析，并自动生成策略、联动终端执行。比如，当系统监测到室内人数增多、空气质量下降时，可主动开启空调调节空气；检测到地面脏污时，可自动启动扫地机器人；识别到用户坐到书桌前时，也可同步打开灯光。家庭系统由此从“被动响应指令”走向“主动感知服务”。

但对于这类家庭算力中心而言，云端部署不会是最终形态，本地部署才是明确趋势。 原因也很直接：家庭场景涉及大量连续且敏感的数据，长期上传云端始终存在隐私顾虑；同时，家庭AI调用是高频、持续、实时发生的过程，如果长期依赖云端大模型推理，高昂的token成本也难以承受。只有把核心推理能力放到本地，才能同时满足隐私、安全、实时性与长期成本控制的要求。

也正因此，端侧算力将成为下一阶段家庭智能竞争的真正底座。HomeClaw 是面向家庭场景推出的方案，而支撑这套方案长期运行的核心，则是端侧大模型芯片。聆思端侧大模型专用DSA芯片预计将于2027年推出，基于 CGRA 可编程架构、大模型亲和设计以及 3D 堆叠技术，打造具备“高带宽、强推理、低功耗、小体积”特征的AI推理平台，为家庭算力中心提供核心计算能力。

可以预见，随着AI从“联网能力”迈向“自主智能”，未来智能家居的竞争焦点将不再只是设备数量和联网能力，而是谁能率先构建起真正可落地的家庭算力中心。在这场新的技术竞赛中，端侧大模型芯片正成为关键战场，而 HomeClaw 则让这一方向有了更具体的场景化落点。

AI家电时代的“核心供应商”

从本届AWE展示的技术体系来看，聆思的目标已经不仅是提供单一芯片产品。

通过“芯片 + AI算法 + 场景方案”的技术路径，公司正在构建面向智能家电产业的AI底层能力平台。

目前，聆思已量产 五大系列AI芯片，累计出货超过 1.5亿颗，在语音家电芯片市场长期保持领先。依托系统级芯片与算法能力，聆思已深度服务海尔、美的、海信等头部家电企业，并成为其AI能力建设中的核心供应商。

随着端侧AI逐渐成为智能硬件产业的重要基础设施，一批具备系统级能力的技术企业正在成为产业链关键节点。

而在AI家电这一赛道中，聆思正逐渐形成自己的定位：

为智能终端提供AI基础设施的核心供应商。