Om AI联汇发起物理AI协同发展倡议 端侧原生架构获产业共识
Om AI联汇联合产业链发布《端侧多模态基座与AI硬件协同发展倡议》，推动端侧原生架构标准化，加速物理AI规模化落地。
当前端侧AI多采用'云端训练+终端裁剪'模式，但物理世界要求低延迟、离线运行、数据本地化。Om AI联汇联合产业上下游提出端侧原生架构共识，发布VLX开发者社区，推动标准化与软硬协同，助力端侧多模态模型在低空经济、海事等场景落地。
正文摘录
7月19日，杭州联汇科技股份有限公司（简称：Om AI 联汇）在上海世博中心举办《端侧流式多模态模型赋能 AI 硬件爆发》分论坛，议题聚焦端侧模型技术研讨与产业落地，是本届 WAIC 唯一深度聚焦端侧多模态与智能硬件落地的专业论坛。活动现场正式发布《端侧多模态基座与 AI 硬件协同发展倡议》，同时上线 Om AI 联汇 VLX 开发者社区，标志着端侧原生技术路线正式从单点技术探索迈入产业链深度协同的新阶段。 当前行业主流端侧 AI 方案普遍采用“云端预训练 + 终端裁剪压缩”技术模式，该方案已成熟应用于各类数字化场景。但随着 AI 技术加速向真实物理世界渗透，物理场景对 AI 系统提出了低延迟实时响应、离线独立运行、本地数据隐私安全等刚性要求，传统云端迁移式方案的短板持续凸显，行业亟需底层技术架构创新，以支撑物理 AI 的规模化落地。 本次论坛汇聚高校科研院所、芯片架构研发、算力供给、数据安全、终端制造等全链条领域专家学者与产业代表，通过深度研讨，观点逐步收敛：端侧原生架构更适配物理 AI 场景的商业化落地。Om AI 联汇 CEO 兼首席科学家赵天成指出，物理世界实时、动态、高频的交互特性，决定了端侧 AI 不能是云端模型的“简易减法版”，必须基于物理场景重构底层架构与运行逻辑。多位与会学者进一步佐证：具身智能规模化落地的核心瓶颈集中在终端实时感知与动态自适应能力；叠加全球数据合规政策趋严，端侧本地化运行的安全优势已从落地限制条件转化为驱动产业迭代的核心竞争力。 作为国内率先布局并落地端侧原生技术架构的企业，Om AI 联汇长期深耕底层架构创新，自研面向物理世界的 VLX 端侧流式多模态模型系列，针对性解决传统模式下模型延迟高、适配差、实时性弱等行业痛点。此前该模型系列已开放线上体验通道，本届 WAIC 为其首次线下公开亮相，获得产业各界高度关注。