2026年，深圳华强北的电子市场里出现了一种新物种：巴掌大小的铝合金盒子，内置一颗10瓦功耗的芯片，却能运行千亿参数的大语言模型。这个需求在OpenClaw等端侧模型兴起后被推向高点。联想在此基础上推出了AI主机P7，长城电脑发布了N90Pro AI PC。一个全新的硬件品类正在成形——Agent Computer：专为AI设计的硬件载体。

这类端侧设备的心脏，是一颗存算一体芯片，来自一家叫做后摩智能的公司。这家公司成立6年，其大算力存算一体芯片M50于2025年初流片，2026年2月正式量产。M50在10瓦功耗下提供160TOPS算力，可以运行几百亿到千亿参数的大模型。2026年上半年，后摩智能收到了超出预期的客户订单，客户名单从联想、长城延伸到运营商的通信AI RAN、陪伴机器人公司，以及一批正在深圳涌现的Agent硬件公司。

后摩智能CEO吴强表示，存算一体解决的核心问题是能效比——同等面积下算力更大、带宽更大。传统芯片的工作方式像跑车必须在仓库和赛道之间往返拉货，AI计算数据量爆炸时，数据搬运成为瓶颈。存算一体的思路是：既然搬数据是瓶颈，那就不搬了，把计算直接放到存储内部去做。吴强打过一个比方：GPU通用性更好，但让存算一体芯片做神经网络，不管是CV还是大模型，都比GPU干得好。

2020年底吴强决定创业时，中国半导体正处于国产替代狂热期，壁仞科技、摩尔线程等十几家公司扎堆讲“中国英伟达”的故事，合计融资超百亿。朋友劝吴强直接做GPU国产替代，但他判断：“如果我也去做GPU，刚开始会容易点，但长期来说很难有差异化。”他选择了存算一体，因为更接近落地和商业化。彼时存算一体仍停留在学术论文中，天使轮融资时很多投资人都听不懂。

转变发生在2023年，大模型爆发后，吴强判断未来一定有很多物理场景需要在本地跑大模型，因为传输成本、隐私和时延问题，大模型端边推理一定是趋势。2023年下半年，后摩用第一代产品适配了智谱的GLM-6B模型，发现存算一体跑大模型效果出奇地好。2024年初，大算力存算一体芯片M50开始研发。

从Token经济学角度看，吴强认为端边推理和云端推理的成本结构有本质区别：云端推理是持续消耗的成本结构，用的越多付费越多；端边推理是一次性硬件投入，零边际成本。设备购买后，所有推理任务在本地完成，无Token消费、无调用次数限制，相当于一个“免费Token工厂”。存算一体架构改变Token生产成本的逻辑在于：低功耗、高效率推理让Token生成成本降低；更重要的是，在端边功耗和成本敏感的场景下，存算一体让足够大的大模型运行变成可能。

吴强认为，未来的主流模式更可能是“端云协同”，系统自动判断任务该由端侧还是云端处理，在成本、性能和体验之间找到平衡点。他判断，中国未来“Token出海”是一个很大的机会：国产开源模型加国产芯片，绝对能力可能做不到海外SOTA水平，但通过性价比一定能覆盖到国际舞台。后摩智能的海外客户都是做端边智能设备的，他们喜欢这种本地的“免费Token工厂”——小巧、不依赖网络、足够智能。

关于竞争，吴强表示，存算一体的好处是后摩与巨头在同一起跑线上。英伟达那套东西已经走得很深了，要用存算一体这种颠覆性技术意味着把原来的东西通通打破，历史包袱太重。而后摩从零开始，没有包袱，整个架构都是存算一体。他认为，随着大模型普及，算力超过百T的端边大模型芯片会逐渐成为主导，在这块后摩是先行者。未来端边芯片公司可能不超过5家，每家都有自己的主战场。