中星微技术：从安防“老兵”到端侧AI“多边形战士”

在国产AI芯片纷纷追逐大模型训练和云端推理的浪潮中，中星微技术把目光投向了端边侧，投向了“感知”与“安全”这两个看似不那么性感、却正在成为刚需的领域。

“传统的GPU性能当然很高，但功耗也很大，你怎么在端边侧用起来？端边侧的场景往往是一个复杂场景，不是一个单一的大规模计算任务。”在近期举行的ICDIA创芯展上，中星微技术股份有限公司总工程师施清平给出了对端侧AI芯片的冷静判断。

中星微技术股份有限公司总工程师施清平

这家有着二十余年芯片研发历史的企业，正用一套名为“XPU”的多核异构处理器架构，在端侧AI芯片的激烈竞争中走出一条差异化的道路。

XPU：比“CPU+GPU”更早的异构构想

“我们是差不多十多年前就提出了XPU多核异构的架构，当时这个名词可能我们是业内最早提出来的。”施清平在采访中对包括与非网在内的媒体指出。

这一时间点值得注意——彼时AI芯片的概念尚未普及，GPU在深度学习中的地位也远未确立。中星微技术提出的XPU，是在一颗芯片上集成CPU、GPU、NPU、VPU（视频编解码）、ECU（加解密）等多种不同架构的内核，通过数据驱动机制和专门的调度单元进行统一管理。

“不是简单地把它们拼在一起的问题。”施清平强调，“这么多架构怎么整合起来？任务怎么调度？各家基本上都看到了这些问题的存在，都希望在自己的芯片上把类似的技术用上去。”

在施清平看来，传统CPU+GPU架构的局限在于：CPU负责调度，GPU负责计算，两者之间的数据拷贝和总线延迟较大，处理流程相对固化。而XPU通过“数据驱动的片上计算”，让多个核之间实现数据共享和零拷贝，大幅降低延迟。

“原来通过CPU调度，延迟比较大，每一个内核的使用效率也不高。”施清平举例说，“我们通过数据驱动，CPU只是做配置，后面自动执行。在监控摄像机领域，可以把单一的处理过程做到比传统的英伟达芯片更快，基本上能做到30毫秒左右，还能把加密的过程一起做在里面。”

在安全性方面，XPU在芯片内部设置了独立的内存管理模块。“一个是内存共享的问题，一个是内存溢出的问题。大量的黑客攻击都是基于内存溢出的，这一块我们现在也能够把安全性提高一些。”

SVAC标准：二十年磨一剑的“安全壁垒”

如果说XPU是中星微技术的“技术底座”，那么SVAC国家标准则是其“应用护城河”。

SVAC（公共安全视频监控数字视音频编解码技术标准）是由工信部、公安部等部门推动制定的国家标准。中星微技术是参与制定该标准的联合组长单位。施清平介绍，SVAC的核心特点是“把视频、传感、空间数据融合在同一个码流里，同时对这个码流进行信源加密和数据签名…可以从信源层面解决视频数据被篡改和泄露的问题。”

在实际应用中，SVAC可以实现“分级加密”——普通用户看到的是打码视频，高权限用户可以看到原始画面。“人脸不能有偏差，稍微有一点偏差，屏蔽的效果就失效了。”施清平表示。

这一标准的价值正在从安防领域向外溢出。在工业视觉领域，施清平举例煤矿生产的场景：“很多是造假，比方说有两套系统在运行，一套是自己用的，还有一套是给领导看的。这个问题怎么解决？不是简单的加密能解决的。”通过SVAC的数据签名技术，可以确保视频数据“无法被篡改，而且可以快速溯源”。

从安防到汽车：渐进式的场景拓展

中星微技术的传统优势在安防和智慧城市领域。施清平透露，公司已在智慧城市、公共安全、智能交通、生态环保、工业互联网等领域积累了大量的应用场景。

在汽车领域，中星微技术的“星光智能四号”芯片已于2025年12月通过AEC-Q100车规级认证。“可用于包括高级驾驶辅助系统、车载视觉感知系统、智能驾舱监控等在内的核心汽车电子场景”。不过施清平指出，“目前主要是用在辅助领域，不作为主芯片。未来有可能——把整个汽车，包括未来的机器人等等，都作为具身智能的一部分来看待。”

在工业视觉领域，中星微技术已经在参与应用。施清平举例说：“一个瓶子可能在整个生产线经过五到六道工序，具体每一道工序是在哪个位置生产？过去很难找到。通过多维融合的技术，把多种数据融合在一个体系架构，再加上数据签名技术，可以确保数据无法被篡改，而且可以快速查找。”

“星元智能体”：泛化识别+大模型细筛

2026年4月，在第九届数字中国建设峰会上，数字感知芯片技术全国重点实验室与中星微技术团队联合发布了基于XPU芯片的“星元智能体”。这一成果基于2025年发布的“星光智能五号”XPU芯片——据称是全球首款能够在单芯片上同时运行通用语言大模型和视觉大模型的嵌入式AI芯片。

“星元智能体”的核心思路是“前端用泛化识别，后端用大模型做细筛”——相当于一个初筛，一个细筛。“原来靠小模型实现的时候，每一个场景都对应一个单独的模型，要有单独的数据单独去训练，很麻烦。”施清平说，“现在我们正在部署的大概有十几个模型，已经在部署和应用。泛化应用的场景会非常多。最近有些临时性项目，基本上能在一两周之内把应用功能实现，达到部署级的要求。”

在端边云融合的架构中，“星元智能体”承担核心枢纽作用，构建“低成本、高安全、高能效的计算体系”。施清平提到，“我们在前端已经有大量的算力，这些算力怎么用起来？通过在端边侧跑视觉大模型进行初筛，在后端跑真正的多模态大模型进行细筛。”

最成熟的场景“都是跟智慧城市相关的，包括社区服务、城市管理、公共安全、智慧交通，还有野生动物保护、能源等领域”。

现实的挑战：制程、功耗与生态

在技术愿景之外，施清平对端侧AI芯片面临的现实挑战有着清醒的认识。

“端边侧都面临着一个很大的限制，就是功耗的限制和发热量。功耗一大，发热量一大，需要散热，整个尺寸都会做得很大。”施清平说。“想把它做小，一方面是芯片设计的优化，包括架构的优化，但很大程度上躲不开芯片制程的问题——这一块大家面临的问题是一样的。通过制程降低一部分，通过芯片设计降低一部分，不能完全对冲。”

成本是另一个挑战。“端边侧不像GPU，在AI爆发以后基本上处于一个比较高的价格。端边侧基本上是一个红海市场，怎么样去优化它的成本，也是很重要的方面。”

生态建设同样不易。“我们面临的应用挑战很大一部分不是来自芯片本身，而是来自我们所推动的标准。”施清平坦言。“实际上还是在国产化生态方面的问题，我相信做信创的都差不多。从十几年前开始做起来，到最近几年信创慢慢起来以后，我们最近几年业务才有比较大的增长。”

对于未来，施清平提到了两个方向：一是XPU技术的持续演进，“包括一些新的技术的导入”；二是在AI模型层面，“结合知识驱动下新的机制，解决大模型的幻觉问题。因为我们面对的很多场景应用——工业视觉、工业控制等等——是不允许出错的。”

结语

从2000年代初的“星光一号”多媒体芯片，到2026年的“星元智能体”，中星微技术走过了二十余年的芯片研发之路。在AI芯片赛道日益拥挤的今天，这家“老兵”企业选择的是一条以“智能”、“感知”和“安全”为关键词的差异化路径——用XPU多核异构架构做算力底座，用SVAC国家标准建安全壁垒，用“端边云融合”拓应用场景。

正如施清平在演讲中所说：“从芯片最下层的性能，一直到最上层的应用，打造一个垂直的纵向整合，真正把技术的能力从最底层反映到最上层应用的实际场景上。”在端侧AI从“可选项”变为“必选项”的产业拐点上，中星微技术能否凭借这套“芯片+标准+应用”的垂直整合能力打开更大的市场空间，时间会给出答案。