消费电子行业点评报告：端侧AI周跟踪：Agent模型加速落地，端云协同提升端侧AI价值

投资要点 　　Meta发布Muse Glimmer，30B级Agent模型可实现消费级单卡本地部署。8月10日，Meta发布约300亿参数的开源权重多模态模型MuseGlimmer，定位于可长期运行在个人设备上的本地Agent，官方表示模型可在单张消费级GPU上运行。Glimmer采用Dense结构，支持文本、图片输入及文本输出，覆盖100余种语言。机器学习研究者SebastianRaschka指出，Glimmer BF16模式下KV Cache仅约52KiB/token，低于Qwen3.627B的64KiB/token，并远低于Gemma431B约840KiB/token；其认为Glimmer最突出的特点在于较低内存占用、较快Prefill/Decode速度与较完整Agent能力的组合。 　　NVIDIA发布Nemotron3.5Lightning，进一步明确“强模型规划、小模型执行”的Agent分层架构。8月11日，NVIDIA推出Nemotron3.5Lightning30B-A3B，底层采用Mamba-2、MoE与Attention混合架构，支持最长1M上下文，可运行于GeForce RTX5090、DGX Spark、Jetson等本地设备。NVIDIA将该模型定位为Agent系统中的高频执行层：由前沿模型负责复杂任务的规划和推理，再由Lightning负责工具调用等高频执行任务，并配合NeMo Switchyard根据任务复杂度动态决定调用大模型或小模型，从而避免Agent每一步均调用高成本Frontier Model。Artificial Analysis评测显示，其智能水平并非同尺寸模型最高，但输出速度中位数达到约301token/s，显著高于同尺寸开放权重模型约106token/s的中位水平。 　　Google发布Pixel11系列及Pixel Watch5，端侧AI承担任务进一步增加，AI应用由被动响应向主动协助与持续感知演进。8月12日，Google在Made by Google2026发布Pixel11系列四款手机、Pixel Watch5及首款Pixel Tag。一方面，Google进一步提高端云协同架构中由终端本地直接承担的AI计算比例。新版实时翻译功能采用由Tensor G6驱动的端侧生成式AI模型，在本地处理实时语音到语音翻译并对视频、音频进行实时配音；Pixel Watch5搭载Snapdragon W5Gen2Accelerated及低功耗双芯片架构，其Raise to Talk功能开始直接由端侧AI处理，包括启动锻炼、设定计时器等任务。另一方面，AI应用形态继续由“用户主动调用助手”向主动Agent、多模态交互和持续感知延伸。Pixel11上的Gemini Intelligence已可处理覆盖40余个App的多步骤任务，Pixel11Pro Fold则利用折叠屏双屏形态引入Sign-to-Text，通过前置摄像头识别美国手语并在外屏实时输出文字；Pixel Watch5通过GeminiIntelligence Proactive Suggestions结合日历等上下文主动在腕上给出下一步操作建议，另一方面还通过多模态传感器与端侧AI持续监测严重、持续的血氧下降，并基于Health Foundation Models提供血压、睡眠呼吸质量及胰岛素抵抗等长期趋势分析。 　　推理效率诉求提升，端侧AI重要性凸显。我们认为，随着AI基础设施投入规模持续扩大，CSP对ROI与推理效率的重视度明显提升；与此同时，Agent应用使模型调用频次快速增加，端云协同的重要性进一步凸显。我们看到，NVIDIA已探索由云端Frontier Model承担复杂规划、端侧高效模型承担高频、低延迟执行任务，Google新品中本地AI承担的翻译、语音及感知任务亦持续增加。随着模型效率和端侧算力提升，未来更多高频任务有望向本地迁移，端侧AI在整体算力体系中的重要性有望持续提升，建议关注端侧AI产业链机会。 　　风险提示：技术创新不及预期风险，终端需求不足风险，宏观环境风险。