
11月13日,龙擎空天(上海)智能科技有限公司在上海发布《龙擎LQAPU智能体处理器技术白皮书》及首款芯片LQ7000,并与国芯科技签署战略合作、与六联智能达成千万元级采购意向,同时联合科研与产业伙伴启动“LQ7000太空智能算力应用生态共建”。
这场发布会真正值得注意的,不是又一颗端侧AI芯片问世,而是它换了一个提问方式:当智能体开始替人办事,计算平台该为“算”负责,还是为“事”负责?龙擎空天给出的答案是LQAPU—— 一套把“任务过程”纳入架构的处理器体系。
一、把“任务”写进计算架构
一个智能体要完成任务,光会调用模型远远不够,它还要查资料、调工具、记住自己做到哪一步;任务中断后,得判断能不能接着做、从哪儿接;涉及敏感操作,还要等人确认。这些环节过去大多由应用层各自处理,龙擎空天想把它们收进计算平台。LQAPU(Agent Processor,智能体处理器)的思路,是把模型计算、任务状态、资源调度与执行反馈放在一起考虑。用更直白的话说:过去的AI芯片优化的是“一次推理有多快”,LQAPU要回答的是“一件任务能不能办完、要多久、断了能不能续”。
白皮书给出了软硬分工:硬件层以通用处理与可编程AI计算协同,兜住模型运行和数据处理;软件层通过AgentOS、运行时与工具链,组织任务进度、上下文、模型调用和工具执行。AgentOS被定位在通用操作系统之上,扮演智能体运行与管理的角色,其能力将随产品与应用验证逐步完善。
这个选择有它的现实依据。端侧智能体面对的多是会议、办公、行业终端这类场景,数据不便上云、响应又不能慢;一旦任务跨多个工具、持续几十分钟,靠应用层自己维护状态,既容易断,也难以复用。把任务状态收进计算平台,本质上是在为“长时间、多步骤、要授权”的本地任务准备基础设施。
评价一颗AI芯片,业界习惯看TOPS和推理时延;LQAPU实际上把一组系统级指标——任务闭环、状态可恢复、工具调用可控——引到了台前。这并非要取代算力,而是在算力之外补上“调度”这一层。端侧做AI的公司不少,但把“任务过程”当作架构的第一性问题来提,龙擎空天走得比较靠前。
二、LQ7000与它背后的端侧产品矩阵
LQ7000由龙擎空天主导产品定义与研发推进,与国芯科技联合开发,目前已完成流片,进入测试与应用适配阶段。作为LQAPU体系的首款芯片,它的定位是“Agent Processor Ready”,分阶段承接总体架构中的能力。
产品层面,LQ7000把可编程AI计算与工具链捆在一起,正推进语言、语音、视觉等模型的适配,让同一平台能覆盖会议办公、知识检索、图像识别和多模态处理。围绕这颗芯片,公司铺开了M.2加速卡、PCIe加速卡以及AI Box、Agent Box等形态,面向AI PC、工作站、边缘服务器和行业终端推进集成验证。
这些形态指向的客户其实很明确:加速卡面向整机与边缘服务器厂商,AI Box、Agent Box则面向需要“开箱即用”的行业终端集成商。龙擎空天想做的,是把芯片、板卡、软件和参考方案打包交付,缩短整机厂从拿到计算平台到做出产品的开发路径。
路线图也很清晰—— LQ7000聚焦推理计算与工具链基础;LQ8000面向更复杂的智能体任务,补上任务控制、状态管理与协同能力;LQ9000则面向空间任务与环境要求,探索可靠性设计和受约束的任务自治。
“Ready”这个命名透露了产品节奏:先把能跑起来的底座交付出去,再按场景复杂度逐代补齐任务控制能力。从LQ7000到LQ8000、LQ9000,龙擎空天对“智能体处理器”的理解显然不是一次成型,而是分三步走——这也符合芯片行业“一代量产、一代研发、一代预研”的常规打法。
三、一场“自证”的演示:把发布会本身当测试用例
这场发布会有一个不太一样的安排:会场本身就是演示现场。会场部署了基于LQ7000算力卡的本地语音处理系统,对发言实时转写与翻译,并直接呈现在屏幕上。这并非单纯的现场效果,会议现场多人交替发言、专业术语密集、环境噪声不可控,对端侧实时推理来说是一组相当苛刻的输入。把系统放在这样的负载下公开运行,本身就是一次可被观察的验证。
展示环节的主角是MBot(Meeting Robot,会议机器人)。它以一场三人销售会议为载体,串起了语音处理、内容整理与任务执行:语音识别负责“听”,语言模型负责“理解与组织”,知识检索补充背景,工具调用完成动作;应用系统则管理任务进度,并按授权调用相应工具、反馈执行结果。
更完整的一次演示发生在现场:演示者用语音指令,对发布会已完成的公开发言进行整理,生成报道草稿并完成修改与保存。从原始语音,到结构化内容,再到一份可交付的草稿——这条链路恰好对应LQAPU所主张的“任务闭环”,而不只是一次模型推理。
围绕行业落地,龙擎空天还介绍了视觉识别、语音处理、知识检索与多模态理解能力向智能制造、教育、交通,以及医疗(医学知识服务、影像辅助处理)、安防(视频分析与事件处理)、应急(图像智能压缩与传输协同)、太空(遥感处理与任务协同)等场景延伸的思路。本地部署可减少对外部云端的依赖,为适合本地执行的任务提供离线能力;涉及外部系统的操作,则按应用授权与连接条件执行。
把发布会当作第一个“客户场景”,是芯片公司验证任务型负载的一种聪明做法——因为一场发布会本身就是多任务、长流程、需要授权与协作的真实环境。如果MBot能在这样的场合把“听—理解—整理—成稿”跑通,它提供的说服力,比任何一组跑分都更接近用户真正关心的东西。
四、从IP到整机到场景:三层生态怎么拼起来
芯片公司最难的一关,往往不在设计,而在让上下游愿意按你的架构来适配。龙擎空天在首款芯片落地阶段,就凑齐了三层伙伴。
底层是国芯科技。这家科创板上市公司(688262)的底子在嵌入式CPU IP、信息安全与汽车电子,双方以LQ7000为基础,围绕行业应用联合开发、安全可信计算产品探索、模型与软件适配深化合作,共同推进基于GPNPU技术的APU应用生态建设。公开信息显示,双方围绕面向AI PC的GPNPU IP核CNN300的联合研发,早在2026年上半年就已展开——这次签约更像是把既有协作摆到台前。
中间层是六联智能。双方已签署采购意向协议,涉及LQ7000相关产品,金额千万元级。六联将用整机研发、多平台适配和行业解决方案的经验,把芯片能力接到AI PC、家庭智能终端和行业产品上。
最外层是场景伙伴。科研团队、载荷企业与卫星企业一起,启动“LQ7000太空智能算力应用生态共建”。
IP、整机、场景,恰好对应一颗芯片走向商用要过的三道关:有没有底层技术支撑、有没有终端愿意用、有没有真实场景验证,龙擎空天在首款产品阶段已做到这三点同时到位。
五、把算力送上天
太空智能算力是龙擎空天区别于多数AI芯片公司的一步。按规划,部分数据分析和任务处理将直接在星上完成,而不是全部下传地面。目前,公司与合作方已开展部分应用模型对接、软件仿真与初步测试;后续将围绕遥感数据筛选、目标识别、影像处理及卫星运行状态分析,推进载荷设计、平台适配和地面联合验证。
这个方向的逻辑并不难理解:遥感数据体量大,若能在星上先做一轮筛选和预处理,下传带宽压力和响应时延都会明显改善。难的是空间环境对可靠性的苛刻要求。龙擎空天选择在首款芯片阶段就拉起生态,除了商业逻辑以外,同时为“智算+智联”的长期路线提前布子。
六、出海:马来西亚做起点
市场布局上,龙擎空天先立足国内,联合整机厂商、行业客户与解决方案伙伴推进验证和落地;再以马来西亚为海外业务起点,逐步建设本地市场、交付与服务能力,计划未来三至五年拓展东南亚、中亚和中东等市场。
把出海首站放在东南亚而非欧美,是中国AI硬件企业比较务实的路径:市场门槛相对可控、场景需求明确、本地化成本也更低。对龙擎空天来说,马来西亚更像一块“试验田”——国内验证过的产品和场景经验,先在这里跑通本地化,再向周边复制。
结语
回到最初的问题:端侧AI的竞争,究竟在比什么?
过去几年,答案很统一:比算力、比能效、比模型跑分。但当智能体从“回答问题”走向“完成任务”,评价尺度正在变化:一颗芯片好不好,不只看它算得多快,还要看它能不能把一件事情的来龙去脉管住。LQAPU能否成为端侧智能体的通用底座,还要交给量产、适配和真实场景去检验,但它提出了一个值得产业共同回答的问题。







