素材来源：一份行业"国产边缘 AI 芯片十强"盘点（按英文名排序，列举爱芯元智、瑞芯微、算能、华为昇腾、寒武纪、地平线、黑芝麻、全志、晶晨、安霸十家）。本文为基于公开资料与上市信息的二次分析，非新闻逐字翻译；文中上市状态以 2026 年 8 月为时间锚点。
最近一份国产边缘 AI 芯片的盘点把十家厂商摆上了台面，口径是"群雄并起、分工清晰"。名单里既有爱芯元智、华为昇腾、寒武纪这类"AI 即主业"的厂商，也有瑞芯微、全志、晶晨这种老牌通用 SoC 玩家，还混进了一家美国公司（安霸）。名单一出来，三个问题比"谁强谁弱"更值得先问清楚：这十家里哪些是上市公司？技术路线是不是清一色的 NPU？它们究竟有没有自己的核心推理引擎？

这三个问题看似简单，坑却不少——比如爱芯元智 2026 年 2 月才刚在港股敲钟，算能其实压根没上市，安霸虽上市但算不得国产。下面逐条拆开。

---

一、哪些是上市公司：八家已上岸，两家还在岸边

先把"上市公司"这张表摆清楚（锚定 2026-08）：

厂家上市状态代码 / 市场备注
瑞芯微 Rockchip✅ 上市603893.SH（上交所主板）A 股
寒武纪 Cambricon✅ 上市688256.SH（科创板）A 股
全志科技 Allwinner✅ 上市300458.SZ（创业板）A 股
晶晨 Amlogic✅ 上市688099.SH（科创板）开曼注册、上海设计，STAR 上市
地平线 Horizon✅ 上市9660.HK（港股）2024-10 上市
黑芝麻 Black Sesame✅ 上市2533.HK（港股）2024 上市
爱芯元智 Axera✅ 上市0600.HK（港股）2026-02-10 刚上市，"港股边缘 AI 芯片第一股"
安霸 Ambarella✅ 上市NASDAQ: AMBA⚠️ 美国公司（总部 Santa Clara），非国产
华为昇腾 Ascend❌ 未上市—华为整体私有
算能 Sophgo❌ 未上市—比特大陆关联公司，私有

三个容易踩的坑：

  • 爱芯元智已经上市了，但时间很新。它 2026 年 2 月 10 日才在港交所主板挂牌（0600.HK），是"首家在港股上市的边缘计算 AI 芯片企业"，首日市值约 165–166 亿港元。在此之前它是未上市独角兽，按今天的时间点它已经是上市公司。
  • 安霸（Ambarella）虽在纳斯达克上市，却是美国公司，总部在加州圣克拉拉，和"国产"不沾边。原盘点把它算进"国产"是口径偏松——它只是"在中国市场活跃"的边缘视觉 AI 芯片供应商。
  • 真正没上市的是华为和算能。华为整体不上市；算能（Sophgo）是比特大陆的关联公司（专注 RISC-V 与 TPU 算力），本身私有。所以严格说，十家里"中国相关厂商"七家上市 + 安霸（美）上市，未上市仅华为、算能两家。
一句话：八家已上市，但其中一家（安霸）是美国的；真正中国本土未上市的，只有华为和算能。

---

二、技术路线都是"NPU"吗：广义共识，狭义各喊各的

结论先给：广义上"都走端侧专用 AI 加速、避开 NVIDIA GPU 路线"是共识；但狭义的"NPU"并不统一，而且有三家本质是"通用 SoC 顺带集成 NPU"。

各家对自己那颗 AI 核的叫法，根本没对齐：

厂家自家命名实质
爱芯元智混合精度 NPU + 自研 AI-ISPNPU（差异化在 AI-ISP）
华为昇腾达芬奇 NPUNPU
瑞芯微SoC 内置 NPU（如 RK3588 约 6 TOPS）通用 SoC + 内置 NPU
黑芝麻DynamAI NN 引擎 / NPU 小核 / 九韶大核NPU 类
全志 / 晶晨部分型号内置 NPU（如 V853、A311D）多媒体 SoC + 部分 NPU
算能 SophgoSOPHON TPU类 NPU（自命名 TPU）
寒武纪MLU（机器学习单元）类 NPU
地平线BPU（脑处理器）类 NPU（车载）
安霸CVflowCV+NN 引擎（类 NPU）

这里有两层区分必须点破：

第一层，"以 AI 加速为核心" vs "通用/多媒体 SoC 内嵌 NPU"。 爱芯元智、华为昇腾、寒武纪、算能、地平线、黑芝麻、安霸这七家，AI 算力就是产品本身——卖的就是那颗专用加速器。而瑞芯微、全志、晶晨三家，主业是通用/多媒体 SoC 集成，NPU 只是其中一个 IP 模块，它们的商业模式是"一颗芯片搞定多媒体 + 顺带给你点 AI 算力"。所以"都是 NPU 公司"只对前一类严格成立；后三类更准确地说是"通用 SoC 带 NPU"，和英伟达 Jetson 那种"GPU 为核心"是两条不同的路，但和纯 NPU 厂商也不是一回事。

第二层，不是"纯 NPU"。 爱芯元智的差异化在 AI-ISP（把图像信号处理和神经网络推理揉在一起），安霸的 CVflow 是"计算机视觉 + 神经网络"的视觉流水线引擎——它们都是"感知前端 + NPU"的融合架构，而不是单一的算力 NPU。原盘点里也只把爱芯明写成"NPU"，其余都用了不同术语，说明"统一 NPU 路线"更多是外界的简化说法，厂商自己压根没统一叫法。

所以准确的表述是：这十家都站在"端侧专用 AI 加速"这条大跑道上（集体绕开了 NVIDIA 的 GPU 路线），但具体实现从命名到架构是 NPU / TPU / MLU / BPU / CVflow 的混编，且混入了三家"通用 SoC 内嵌 NPU"的玩家。 "都是 NPU"在广义上成立，在狭义术语和产品定位上都不成立。

---

三、有没有自己的核心推理引擎：硬件锁定是刚需，跨平台是奢望

结论：以 AI 加速为核心的那批厂商，都有"自家编译器 + 推理运行时"——这是卖专用芯片的刚需（没有它模型根本部署不上去）；但绝大多数都是与自家芯片强绑定的工具链，不是跨平台通用推理引擎。通用 SoC 厂商相对薄弱。

为什么是刚需？因为专用加速器的指令集、内存模型、张量布局都是私有的一一你不可能拿 PyTorch 直接往一颗寒武纪 MLU 或地平线 BPU 上扔。所以凡是卖专用 AI 芯片的，必须配一套自己的编译+运行后端，否则这颗芯片就是块砖。逐家看：

  • 华为昇腾：CANN（昇腾计算架构）+ AscendCL + GE 图引擎 + ATC 编译器 + MindSpore，全栈自研，是国内最完整的体系，深度也最深。
  • 寒武纪：CNNL（Neuware 基础库）+ MagicMind 推理引擎，自研编译与运行时。
  • 算能：SOPHON SDK + TPU-MLIR（基于 MLIR 的开源编译器）+ BMCompiler，且 TPU-MLIR 开源，开放度较高。
  • 瑞芯微：RKNN Toolkit / RKNN Runtime，支持 PyTorch / ONNX / TFLite / Caffe 转成 RKNN 模型并推理，工具链相对完整。
  • 爱芯元智：Pulsar 工具链（Pulsar2 6.0）+ AX Runtime，且已原生兼容 PyTorch、SGLang、vLLM 来做端侧大模型推理，是这波里少有的把端侧 LLM 推理摆到台面上的。
  • 地平线：天工开物 OpenExplorer / TogetherROS + hobot 工具链，并提供感知算法栈。
  • 黑芝麻：山海（Shanhai）开发工具链 + 瀚海 ADSP 自动驾驶中间件。
  • 安霸：CoCreator / CVflow 工具链，自家编译器与运行时。
  • 全志、晶晨：相对薄弱。它们是多媒体 SoC，NPU 工具链（AW NPU SDK / Amlogic NPU SDK）存在，但生态上更倚重 Android NN API、TFLite 和客户自定义，自研"核心推理引擎"的属性不强。
一个必须清醒的判断：这些"推理引擎"绝大多数不是 NVIDIA TensorRT，也不是 ONNX Runtime / llama.cpp 那种"跨硬件通用引擎"，而是与自家芯片绑死的编译+运行后端。 而且不少"自主"其实是站在开源基座上做后端适配——支持 ONNX、TFLite、MLIR/TVM，端侧大模型推理借力 llama.cpp、vLLM。真正"从零完全自主、封闭生态"程度最深的，是华为 CANN、寒武纪 MagicMind；开放度上，算能 TPU-MLIR 开源、爱芯兼容主流框架，是相对开放的方向。

换句话说："有没有自己的核心推理引擎"这个问题的答案是——核心厂商都有，但它们是"硬件锁定的部署工具链"，不是"通用的推理引擎"。 这恰恰也是国产 AI 芯片生态割裂的根源：每家的模型都得用自家的工具链重编译一遍，迁移成本极高。

---

四、结语：群雄并起是真，各自为战也是真

把三件事放回一起看：

  • 上市版图：十家里八家已上市（含一家美国公司安霸），华为与算能仍私有；边缘 AI 芯片的资本化在 2024–2026 年集中兑现（地平线、黑芝麻、爱芯元智接连港股敲钟）。
  • 技术路线：并非整齐划一的"NPU"，而是"端侧专用 AI 加速"共识下，NPU / TPU / MLU / BPU / CVflow 的混编，外加三家"通用 SoC 内嵌 NPU"——而且头部玩家多是"视觉前端 + NPU"融合，而非纯算力 NPU。
  • 推理引擎：核心厂商都有硬件锁定的自研编译/运行时，但普遍不是跨平台通用引擎，自主度建立在开源适配之上，生态彼此割裂。
"群雄并起、分工清晰"这个描述本身没错——瑞芯微做性价比通用边缘、华为/寒武纪做全栈、地平线/黑芝麻守车载、爱芯/安霸攻视觉、算能铺云边端。但"分工"的另一面是标准不统一、工具链各立山头：开发者每换一颗芯片，就要重新学习一套 SDK。对使用者而言，选择多是好事；对开发者而言，重复造轮子和迁移成本，仍是国产边缘 AI 芯片不得不直面的暗面。

---

参考文献