本次赛事共吸引 900多名 开发者报名，收到超 100 份高质量作品，覆盖智能家居、无障碍交互、科研辅助、教育、游戏、办公、工业巡检等多个真实场景。

参赛团队不仅展现了对 Qwen 大模型、OpenVINO™ 加速、MCP 协议、多智能体架构等前沿技术的深度掌握，更以 “本地运行、隐私优先、断网可用” 为共同准则，真正把 AI 落到了用户的设备上、生活中、生产力里。

本次评审团由英特尔 OpenVINO™ 中文社区、魔搭社区、阿里云、通义实验室、上海交通大学及蓝驰创投的技术专家、产品经理、学者与投资人共同组成。

感谢每一位开发者的热情参与和极致创新，让这场赛事成为端侧 AI 落地创新的一次生动缩影。经过激烈角逐与专业评审，以下团队脱颖而出，荣获奖项：

只需点击桌面悬浮球开启会议助手，系统就能实时录音、转字幕、翻译，并在会议结束时一键生成结构化纪要与自动提醒的待办事项，所有处理在本地完成，无需联网。

“FlowyAIPC” 是一款完全离线的本地智能会议助手，运行于支持 OpenVINO™ 的 x86/ARM 设备，集成 ASR 语音识别、大模型摘要与任务提取能力。用户无需切换多个软件，从记录、总结到任务分发，全部在单一界面内闭环完成，支持生成可搜索时间线、导出思维导图（PDF/PNG），并自动关联系统日历弹窗提醒。

项目基于本地大模型实现端侧全流程处理，最大亮点在于极致的隐私保障与异构计算优化：所有语音、文本、纪要均在设备本地处理，真正实现 “断网可用”；同时，团队利用 OpenVINO™ 对底层算子深度重构，精准调度 CPU、GPU 与 NPU 协同工作，使 AI 功能响应流畅、功耗可控，体验接近原生应用。这为金融、法律、研发等对数据敏感的办公场景提供了高可用、高安全的 AI 助手落地范式。

只需说一句 “早上七点如果室外温度低于十度帮我烧水洗澡”，系统就能自动生成可执行的跨品牌智能家居联动场景，无需写代码、不依赖云端。

“** AIoT” 是一款运行在端侧的智能家居场景编排系统，允许用户通过自然语言（如 “回家前开空调、拉窗帘”）描述需求，系统自动将其转换为可执行的设备联动逻辑，无需编程，也不依赖云端服务。 

项目基于 Qwen3-1.7B 模型进行语义解析，输出结构化 JSON 表示，并自动渲染为 Blockly 可视化积木块，支持用户后续调整。整个流程从语言理解到设备控制形成闭环，部署于 Intel 端侧设备，并通过 OpenVINO™ 优化，实测推理速度达 Prompt 126 token/s、生成 32 token/s，支持断网运行。 

系统已验证可接入米家、OpenHarmony 及私有协议设备，解决了传统智能家居配置复杂、生态割裂、依赖云平台等实际问题，展示了端侧大模型在家庭自动化场景中的可行路径。

拖入一段电影、剧集或 Vlog，系统就能自动识别语音、提炼高光片段、生成电影级旁白、合成情感化配音，并输出带字幕的横竖双版短视频，整个过程无需联网，所有模型运行在本地英特尔 AI PC 上，保护原创内容与商业素材安全。

“炉火多语种智能剪片端侧 Agent” 是一款面向短视频创作者的端侧多模态剪辑系统，部署于联想 ThinkBook 14 G6+（Intel Core Ultra 7 155H + Arc GPU + AI Boost NPU）。它整合 ASR 语音识别、Qwen3-8B 大模型内容提炼、MeloTTS 语音合成等能力，实现从长视频到 120–180 秒精彩短片的全自动生产，支持中英日韩等多语种输入与中文解说输出。

项目采用分阶段 Agent 架构：先用 SenseVoiceSmall 模型进行高精度语音转写；再由 Qwen3-8B-int4-ov 模型（经 OpenVINO™ 加速）分析字幕，智能筛选高光片段并生成剧本式旁白；接着通过 MeloTTS-OV 合成情感化语音，并完成音画对齐；最后采用 “先横后竖” 策略，自动生成 16:9 与 9:16 双版本视频。系统充分利用 CPU+GPU+NPU 异构计算，显著降低 token 成本与云端依赖，让个人创作者和企业用户都能在离线环境下高效产出专业级内容。

只需简单介绍，系统就能基于本地文件自动生成完整 PPT，内容可溯源、排版可编辑，全程在英特尔 AI PC 上本地运行，企业敏感数据不出设备。

“基于 AIPC 的办公文档智能体” 是一款端侧 PPT 创作 Agent，依托 Qwen3-8B-int4 + OpenVINO™ + SuperBuilder 轻量化部署于本地设备，支持从规划、生成到编辑的完整流程。系统引入 Logiliner_Source 溯源模型，确保每页内容均可追溯至原始文档，杜绝幻觉与泄密风险。

项目采用 端云协同架构：核心推理与 RAG 在本地完成，保障隐私；非敏感任务（如美化、排版）调用云端 MCP Server，兼顾效果与效率。即便普通 AI PC 也能流畅运行，为企业用户提供高安全、高可用的 AI 办公方案。

只需在实验过程中口述 “记录此刻现象”，系统就能自动拍照、转写语音、识别仪器读数，并在实验结束时生成结构化实验报告，全程无需联网，所有数据本地存储，彻底解放科研人员的双手与精力。

“端侧多模态实验记录助手（LabMate AI-PC）” 是一款运行于英特尔 AI-PC 的全本地实验伴侣，部署于 Intel Core Ultra 7 + Arc GPU 平台。系统通过语音 + 视觉双通道感知，实时捕捉实验操作、现象图像与口述内容，自动结构化入库，并支持基于本地知识库的语义回溯与问答。

项目基于通义千问全栈模型构建：使用 SenseVoiceSmall 实现低延迟语音转写与指令识别；Qwen2.5-VL-3B-INT4 理解实验台画面（如仪器、液位、颜色变化）；Qwen3-8B-INT4 负责逻辑推理与报告生成；配合 Qwen Embedding + Reranker 实现高精度本地 RAG。所有模型经 OpenVINO™ 量化与异构调度（ASR 跑 CPU，VLM/LLM 跑 GPU），显存占用 <16GB，支持断网流畅运行。系统可自动生成日报、周报，大幅减少科研记录负担，为 “AI for Science” 提供真正可用的端侧范式。

窗口截图，系统能自动理解画面内容、并发掘因果关系，结构化入库，支持自然语言实时问答 “上周那个报错截图在哪？”，所有处理在本地完成，无需联网，让沉睡的截图成为可查询的知识资产。

“Causal-Link” 是一款运行于英特尔 AI-PC 的主动式端侧智能助手，基于 Rust + Tauri 前端与 Python 后端 Agent 构建，利用 Qwen2-VL-7B-int4-ov 视觉大模型实时解析屏幕内容，结合 ChromaDB 向量库 + CausalGraphDB 因果图谱，实现从像素到结构化知识的自动转化。

项目采用混合 RAG 架构：纯本地模式保障隐私，Live/Cahce 模式支持企业知识扩展；通过 MCP（Model Context Protocol） 暴露工具接口（如 get_operational_context、search_knowledge_base），实现与外部工具生态无缝集成；后台常驻视觉感知守护进程，结合 OpenVINO™ 加速，在 Intel Core Ultra 7 + NPU 上实现低延迟屏幕理解与主动提醒。系统基于英特尔 AI Assistant Builder 框架扩展，可以快速完成模型部署与异构调度，让 “知识到因果” 真正落地为日常生产力。

佩戴 “灵译双感手套”，听障人士可通过手势实时转为自然语音，健听者说话也能即时转为文字 + 手语动画，真正实现双向无障碍沟通 —— 所有计算在端侧哪吒派设备完成，延迟 < 1.5s，便携可用。

“灵译双感手套” 是一款运行在端侧的双向手语翻译系统，支持听障人士通过手势实时生成语音或文字，同时将健听者的语音转为文字和手语动画反馈，实现双向无障碍沟通。所有计算在本地完成，无需联网，系统端到端延迟低于 1.5 秒。

项目基于 Qwen 3-0.6B 模型，采用 LoRA 微调与权重合并技术，部署于哪吒派推理卡，结合 OpenVINO™ 加速，推理速度从 2 秒优化至 1.5 秒内。硬件使用 FPC 柔性电路板手套，集成 12 组六轴传感器和 8 组压力传感器，通过 NearLink 或 WiFi 传输数据。训练数据来自省残疾人联合会与开源数据集，经标注后达 4.57 万条，模型验证准确率 90.3%，有效应对现有设备 “笨重、高延迟、识别不准、出行无助” 等痛点。

将面部表情与手势融合，通过 AR 眼镜在端侧实现带情感理解的听障双向自然语言翻译，消除语序歧义，让沟通不止于字面。

“视映心言” 是一款基于 AR 眼镜与哪吒派的端侧情感化听障交互系统，支持听障人士通过手势与面部表情实时生成自然语言输出，将语音转为文字与手语动画显示在 AR 视野中，实现双向、带情感理解的沟通。全部计算在本地完成，无需联网。

项目针对手语翻译中 “语序差异大”“忽略表情情感”“人工资源稀缺（手译员：听障人群 = 1:2300）” 三大痛点，构建包含 5200 + 条手语 - 表情 - 自然语言对齐的垂直数据集。系统采用 Qwen3-0.6B 模型，通过 LoRA 微调与权重合并部署于哪吒派推理卡，结合 OpenVINO™ 加速，实现手势与表情双模态输入。硬件端使用 AR 眼镜捕获手部动作与面部表情，经本地推理后输出自然语言。据项目材料显示，该系统将听障者表达完整度提升 35%，消除 78% 的语义歧义。

"Locus" 在 iPhone 上跑通并优化 Qwen3-1.7B，实现 "写想法→自动分类→创建提醒 / 日历" 的一站式智能工作流，全程本地运行、无需联网，每次记录仅需 < 2 秒，彻底终结多 App 切换与信息碎片化。

"Locus" 是一款完全运行在端侧的本地 Agentic 笔记助手，支持用户写下任意想法后，系统自动完成分类、结构化、创建提醒或日历项，并通过 ReAct 架构多步推理调用工具自主完成任务。所有数据保留在设备本地，不上传云端，适用于 iOS 平台，保障隐私与效率。

项目针对 "信息碎片化（Obsidian/Notion/ 日历各自为政）"" 操作繁琐（选 App→选分类→打标签）""AI 与笔记割裂（来回切换、**粘贴）" 三大痛点，构建基于 Qwen3-1.7B-Q5_K_M（1.2GB）的端侧 AI 系统。围绕笔记核心（"外置大脑"），设计三大职责分离的 AI 模块：智能分类（轻量推理）、Inline 对话（笔记内即时问答）、Agent 界面（多步推理 + 工具调用与笔记直接交互）。采用 GBNF 语法约束确保输出 100% 有效 JSON，结合 ReAct Agent 循环（Plan → Tool → Execute → Reflect）实现多轮推理与工具调用。部署于 iOS Metal GPU 优化加速环境，实测性能：分类延迟～1.4 秒，解码速度 17-33 tokens/s，Agent 单轮响应 1.9 秒，内存占用 1.6GB。系统支持捕获笔记、块编辑器、GRDB 持久化与 FTS5 全文搜索，并通过 Agent 界面自主调用日历 / 提醒，联网搜索等端侧 API 以及系统内置的编辑、检索笔记工具，实现 "零上下文切换"，让用户在两秒内零负担记录所有想法，并由 AI 自动整理归档，真正实现 "外置大脑"

一款随着你的互动不断进化、拥有独立人格与情绪表达的 AI 伙伴，端侧驱动 Live2D 形象，3–5 秒内响应，让陪伴真正 “有温度、有记忆、有成长”。

“Molili AI 桌面宠物” 是一款本地运行的可成长陪伴型 AI Agent，能随用户的互动持续演化性格与习惯，提供有记忆、有温度、有个性的长期陪伴。

项目基于 Qwen3-8B-Int4 模型，采用 OpenVINO™ 量化加速，部署于 Intel® Ultra 9 笔记本，实现高效本地推理。系统首创 “双循环人格结构”—— 将人格拆分为稳定层（气质 Temper）与可演化层（特质 Trait、习惯 Habit），通过 “前思考→模型应答→后思考→提示词更新” 的闭环机制模拟人类性格成长；采用 Stateless 请求机制 精准控制上下文长度，提升小模型在本地运行时的稳定性与首 token 响应速度；情感表达基于 Izard 情绪向量模型，端到端驱动 Live2D 形象的表情与动作，使交互更自然、更富表现力。实测在本地设备上首 token 延迟 3–5 秒（@12K tokens），有效解决现有 AI 陪伴产品 “无真实人格”“交互机械”“依赖云端” 等痛点。

只需开启 GameSkill，系统就能在《无畏契约》中指导你精准投掷道具，在《英雄联盟》里实时推荐出装，在《CS2》复盘中自动生成 2D 战术沙盘并得到深度解析 —— 所有分析在本地完成，不读游戏内存、不联网、不影响公平性，真正做你专属的 “职业级陪练”。

“游戏技巧 AI 教练（GameSkill）” 是一款运行于英特尔 AI-PC 的端侧多游戏智能助手，支持 MOBA、FPS、自走棋等主流类型。系统通过 Qwen-VL 模型，实时理解游戏画面并给出指导建议。结合 YOLOv11 + ResNet50 定位关键元素，全程不干扰游戏帧率。

项目充分利用 Intel Core Ultra XPU（CPU+GPU+NPU）与独立显卡（Intel B60 等）的异构算力，将 AI 负载从游戏主线程剥离，实现高帧率下的低延迟分析；所有模型经 OpenVINO™ 优化，在本地完成推理，杜绝隐私泄露与外挂风险。目前已覆盖《无畏契约》《英雄联盟》《云顶之弈》《永劫无间》《CS2》等多款游戏，为普通玩家和职业战队提供可落地、高性价比的 AI 训练方案。

只需在 Verilog 编辑器中敲入一行代码，系统就能在 100 毫秒内高亮语法错误并定位行号；点击 “优化” 按钮，即可在不上传源码的前提下获得面积与功耗双优的电路方案 —— 所有计算在本地 AI PC 完成，教学代码 0 泄露，保护高校与企业核心 IP。

“芯绘云匠” 是一款面向高校与工程师的端侧智能硬件设计平台，运行于 Intel Core Ultra AI PC，集成 TinyBERT 语法检查模型与 Qwen2.5-7B-Coder 修复大模型，实现从实时查错、交互式修复到云端协同逻辑优化的完整教学闭环。系统通过 XPU 异构调度：NPU 负责毫秒级语法检测（92 样本 / 秒），GPU 运行 LLM 提供修复建议，CPU 协调云端贝叶斯优化，全程源码不出设备。

项目采用双模型驱动架构：轻量级 TinyBERT 经 OpenVINO™ 量化部署于 NPU，功耗降低 37.5%；Qwen2.5-7B-Coder 通过 LoRA 微调与 INT4 量化，显存占用仅 7GB，支持多方案修复与上下文问答；云端优化引擎基于 Yosys + ABC + Optuna，在不传输源码前提下，将 8 位累加器逻辑门数减少 22.6%。平台已在上海大学微电子学院试点，为硬件教育提供安全、高效、渐进式的 AI 教学新范式。

只需上传一份教学教案，系统就能基于 RAG 技术自动提取知识点，生成紧扣教学目标的随堂测验、单元卷或期中期末试卷，所有处理在本地 AI-PC 完成，不上传敏感教学资料，保护学校知识产权。

“有爱智能教育平台” 是一款覆盖从学前教育到高等教育的全学段 AI 教育系统，运行于英特尔 AI-PC。平台集成 Qwen3-8B 对话模型与 Qwen2.5-VL-7B 视觉模型，支持拍照解题、作文批改、数字人教师、证件照生成、班服试穿等多模态教学工具，并具备完整的在线学习闭环（课程、作业、错题本、仿真实验）。

平台融合了常规在线教育功能与 AI 创新工具，根据不同的教育阶段，提供不同的知识深度、教育形式的在线教育内容，通过个性化学习路径、智能化教学辅助，系统性解决教育内容生成、知识传递、学习体验优化等核心问题。比如，基于 RAG 技术，平台实现了通过教案内容生成紧扣教案的试卷的功能，极具商业落地可能。

只需要输入关键词，系统就能自动从各平台采集资讯，经过多智能体协作分析后，生成包含情感趋势、关系图谱、时间线与深度摘要的结构化报告，并通过邮件推送给你。

“信核” 是一款运行于英特尔 AI-PC 的本地 Multi-Agent 新闻舆情分析系统，基于 LangGraph 架构构建了 9 个专业智能体（采集、情感分析、关系图谱、趋势洞察、报告撰写等），形成 “采集 → 分析 → 总结” 三级子图工作流。系统支持双层循环控制：外层迭代提升报告质量，内层补全关键信息，并采用智能跳过策略（第二轮起仅执行必要分析），显著提升效率。

项目采用 Qwen3-8B-int4（文本） 与 Qwen3-VL-2B（图文 / 视频） 模型，通过 OpenVINO™ GenAI 实现异构加速：CPU 执行情感分析、NPU 处理关系图谱、GPU 负责重大事件深度解读，并利用 Continuous Batching Pipeline 优化吞吐。所有数据采集、分析、存储均在本地完成，用户阅读兴趣、搜索历史、分析结果不出设备，真正实现 “深度内容个性化，隐私数据本地化” 的新闻消费新范式。

拍照过程中只需点击 “AI 按钮”，手机就能实时生成一个半透明蓝框，引导你像玩 “连连看” 一样轻松构图 —— 无需联网、不传照片、秒级响应。

“AING” 是一款运行在端侧的 AI 摄影辅助应用，通过本地大模型实时分析摄像头画面，将摄影构图建议以可视化方式呈现，帮助普通用户在拍摄时对齐主体、提升成片质量。系统完全离线运行，不依赖云端服务，保障用户隐私。

项目采用 Qwen3-VL-2B-Instruct 模型，经 LoRA 微调并使用 Int8 量化，部署于 Alibaba MNN 推理引擎；同时集成 YOLOv11s（FP32） 用于目标实时跟踪，确保坐标精度与画面平滑。为规避移动端 GPU 内存不足问题，系统强制使用 CPU 推理，在 Redmi K70 等设备上实现稳定运行。

训练数据基于 CADB（Composition-Aware Image Aesthetics Asses**ent Dataset），筛选美学评分 >0.6 的图像，构建约 8000 条指令微调样本，使模型能理解 “三分法”“视线留白” 等构图原则。应用采用 “重影跟随” 交互方式，用户只需将人物对齐蓝色引导框即可完成专业级构图，解决了传统九宫格缺乏语义理解、云端方案延迟高等问题。

只需说一句 “帮我找一下备用灭火器在哪”，机器狗就能自主搜索目标、实时告警并生成报告，整个过程无需联网、数据不出本地。

“灵嗅” 是一款运行在端侧的智能安防巡检系统，部署于宇树 Unitree Go2 机器狗与 NVIDIA Jetson Orin NX 计算平台。系统通过本地大模型理解自然语言指令，驱动机器人执行动态搜索或标准化巡检任务，并记录关键事件，最终输出结构化报告。

项目基于 Qwen2.5-VL-3B-Int4 模型构建，采用分层异步感知架构：前端使用 Motion Gate + CLIP 初筛，付用结果自适应抽取关键帧并压缩，降低计算负载；认知中枢负责语义解析与后续行为决策；输出层控制机器人动作并生成全局记忆与报告。系统引入动态状态机管理多目标巡检进度，避免重复搜索；并通过 OCR 文本锚定与语义否决机制校正模型输出，提升决策可靠性。

系统支持两种模式：Task 0（开放语义搜索）可处理模糊指令，如 “寻找潜在安全隐患”，并将语义转化为视觉特征集进行主动搜索；Task 1（标准化巡检）则模拟内置的人工检查清单，逐项确认并记录，确保合规性。所有推理与控制均在本地完成，满足工业场景对数据隐私与低延迟的要求。

 欢迎添加 OpenVINO 小助手微信 : OpenVINO-China