作者：彭昭（智次方創(chuang)始(shi)人、云和資(zi)本聯合創(chuang)始(shi)合伙(huo)人）
這(zhe)是我(wo)的第360篇專(zhuan)欄文章。
80塊打造個(ge)人語音助(zhu)手，358元能搭(da)建接入(ru)大模型(xing)且具(ju)備(bei)手勢識別、觸摸交互的機器人…DeepSeek的開源(yuan)、輕(qing)量級和低成(cheng)本特征，讓生成(cheng)式AI進入(ru)了普惠階段。
在這一背景下，企業再也沒有不采用人工智能技術進行創新(xin)的理由。
而且DeepSeek引發的新一波生成式AI浪潮，本質上是端側AI的紅利。
正是因為DeepSeek的出現，迫使我們重新評估AI投資回報率ROI，并認識到端側AI將成為提升ROI的新路徑。
過(guo)去，生(sheng)成(cheng)式AI大(da)模(mo)型(xing)(xing)一直面臨(lin)著成(cheng)本(ben)與價(jia)值之間的ROI困境。盡(jin)管DeepSeek等大(da)模(mo)型(xing)(xing)的能力(li)(li)不斷提升(sheng)，但它們(men)的訓練和推理成(cheng)本(ben)極高(gao)，限(xian)制了商(shang)業化落地的ROI。目前(qian)，AI的投資邏(luo)輯仍然圍(wei)繞算力(li)(li)規(gui)模(mo)和模(mo)型(xing)(xing)能力(li)(li)，但這(zhe)種(zhong)模(mo)式的可持續性正受到挑戰(zhan)。
AI落地的核心問題在于如何降低計算成本。
傳統云端AI計算的高昂投入，讓(rang)許(xu)多企(qi)業(ye)，尤其(qi)是中(zhong)小(xiao)企(qi)業(ye)難以承受(shou)。如果AI模型不能在(zai)更低成(cheng)本、更低功耗(hao)的環境下運行，那么它的商業(ye)應(ying)用將受(shou)限，投資回報(bao)率也難以提(ti)升。
而DeepSeek等大模型的(de)出現，為解決這一問題提供(gong)了新(xin)的(de)思路。
從(cong)企(qi)業參與度來看，過去只(zhi)有大型企(qi)業能(neng)負擔端(duan)側AI研發，而如今，借助DeepSeek低成(cheng)本推(tui)理技術，中小(xiao)企(qi)業也能(neng)在AI玩具、AI眼鏡等產品中融入(ru)強大的AI功能(neng)，推(tui)動端(duan)側硬件智能(neng)化的普及。
通過端側AI應用，DeepSeek等大模型正在以更低的計算成本，在本地部署輕量化版本，提高推理效率。結合AIoT專用芯片，可以優化推理過程，減少云端算力消耗，提高整體ROI。
這(zhe)種模(mo)式特(te)別適用(yong)于智(zhi)能制造(zao)、智(zhi)能硬件、自動駕(jia)駛(shi)等應用(yong)場景，有(you)望推動AI的大規模(mo)商業落(luo)地(di)。
因此，本文將圍繞這一波由DeepSeek引發的(de)端側AI紅利展開(kai)討(tao)論：
AI的投資回報率正處于重新評估期：大規模的AI投資是(shi)否真正帶來了生產(chan)力提升(sheng)？DeepSeek等新(xin)一代AI模型又將如何影響ROI的計算方(fang)式？
從“模型能力”到“實現效率”：AI投資的(de)(de)重(zhong)點正(zheng)從“構建(jian)更強大的(de)(de)模(mo)型”轉向(xiang)“打造更高效的(de)(de)通感(gan)智(zhi)值一體化架構”。
我們(men)將看到(dao)，DeepSeek等大模(mo)型的(de)投資回(hui)報(bao)率(lv)ROI評估方式亟需(xu)改變，不應(ying)再單純依賴更(geng)大規模(mo)的(de)算力投入，而應(ying)更(geng)加關注計算架構的(de)優(you)化。
端側AI的興起，為AI模型的商業化落地帶來了全新的可能性，有望顯著提升AI投資的長期價值。
既要AI創新，也要投資回報
過去一段時間，資本市場對AI的投資狂熱，但實際商業落地的投資回報率ROI仍存在爭議。根據波士頓咨詢集團（Boston Consulting Group，BCG）的調研，75%的企業尚未從AI中看到投資回報。這(zhe)背后的原(yuan)因令人深思。
在(zai)2025年的最新研究中，BCG調研了全球1803名企業高管(guan)，發(fa)現三(san)分之(zhi)一的公司計劃今年在(zai)升級技術(shu)方(fang)面投資(zi)至少(shao)2500萬美元(yuan)。
然而，只有約25%的公司看到了投資回報。BCG發現，那些成功獲得出色ROI的企業，將80%以上的AI投資集中在重塑關鍵業務功能和開發新產品與服務上。
而DeepSeek為我們開啟了以較低的試錯成本，創建新產品、新服務、新業態的大門。
大量的(de)企業或個人開發(fa)(fa)者將DeepSeek下載到任何筆(bi)記本(ben)電腦上(shang)，這意味著模(mo)型(xing)可以在端側、邊(bian)緣(yuan)側運(yun)行，而(er)無需專門的(de)硬件，這將大大加速邊(bian)緣(yuan)計算的(de)發(fa)(fa)展。
端側和邊緣在更靠近數據來源的地方處理數據，從而減少延遲和帶寬使用。這有助于物聯網企(qi)業(ye)預(yu)測客(ke)戶需求、代表客(ke)戶采(cai)取(qu)行(xing)動，并在本地化環境中高效運營(ying)業(ye)務。
根據我(wo)們(men)對DeepSeek-R1的了解，它(ta)可(ke)以實時處理和分析大量數據，從而實現響(xiang)應(ying)更(geng)快、更(geng)智能的終端和邊緣設備。
這種能力在實時決策至關重要的場景中尤其有價值，例如自動駕駛汽車、工業自動化和智慧城市。通過利用邊緣的(de)LLM，企業可(ke)以實現更(geng)快的(de)數據處理、更(geng)高的(de)預測準(zhun)確性(xing)和(he)增(zeng)強(qiang)的(de)用戶體驗。
DeepSeek不僅(jin)僅(jin)是(shi)“中國ChatGPT”，它代表著(zhu)全球(qiu)人工(gong)智能創新的(de)一大(da)飛躍。通過減少構建(jian)模(mo)(mo)型的(de)成本、時間和(he)精力，更多的(de)研究人員和(he)開發(fa)人員可以進行(xing)實驗、創新和(he)嘗試新模(mo)(mo)型。
DeepSeek等新模型的出現，推動了AI應用的廣泛性，突破算力成本、推理效率、數據壟斷等問題，化解制約ROI實際兌現的枷鎖。DeepSeek在算法層面的推理成本優化，為國產算力芯片和(he)計算(suan)集群網絡(luo)等硬(ying)件端的發展爭取了更多空間，而軟硬(ying)件成本的減少，也(ye)將相應為國(guo)內AI應用帶來機會，由此形成產(chan)業發展正(zheng)向循環。
端側AI的三角定律：算力x通信x存儲的協同優化決定商業價值
我們看到，AI的投資邏輯正在從“單純追求更強大模型”轉向“如何更高效地使用AI”。
正(zheng)如文章所述，當AI大模型(xing)從(cong)云端(duan)下沉至邊側(ce)，一場“端(duan)側(ce)AI革(ge)命”正(zheng)悄然(ran)展開。在(zai)這場革(ge)命中，通信模組作為(wei)連(lian)接物(wu)理世(shi)界與數字(zi)世(shi)界的核心紐帶，發揮著(zhu)至關重(zhong)要的作用，成(cheng)為(wei)產(chan)業關注的焦點。2025年，在(zai)DeepSeek浪潮的引領下，AIoT產(chan)業或將迎來(lai)“端(duan)側(ce)AI元年”。
為什么通信模組企業或存儲硬件企業，將成為重要角色，共同參與到端側AI的核心角逐？
因為端側AI的計算架構正在重塑AI投資邏輯：從“更強”到“更高效”，算力、通信和存儲的協同優化，決定了商業價值。
過去AI投資的核心指標是“更大參數規模+更強泛化能力”，但未來關鍵指標將是“更低功耗+更快推理速度”，即(ji)如何在有限算(suan)力下實現更(geng)高效的AI推理和應(ying)用落地。
未來AI領域的ROI評估，不僅要關注模型能力，還要衡量“計算成本vs商業收益”的平衡點。通信和算力的結合，或者算力與存儲的結合，將成為端側AI區別于云端AI的特征之一。
根據東吳證券的(de)測算，端(duan)側算力需求在(zai) 2024-2027 年間基本維持翻倍以上的(de)增速，2027-2030 年間增速依(yi)然(ran)在(zai)高雙位數水(shui)平。
在這一(yi)趨勢下(xia)(xia)，端側AI正在成為AI計(ji)算架構(gou)創(chuang)新(xin)的(de)前沿戰場(chang)，它不(bu)僅代表(biao)了(le)AI應用的(de)下(xia)(xia)一(yi)個增長點，更是重新(xin)定義大(da)模型商業價值的(de)核心要素。
未來，通算一體或存算一體的方案有望成為主流。相比于多芯片方案，這種集成化的架構具備以下優勢：架構簡化，降低成本、更優的功耗管理、更強的集成度。新型方案減少了系統切換的延遲，使AI計算更加流暢，更適用于智能家居、可穿戴設備、工業(ye)物聯網等領域。
這(zhe)種(zhong)架構的升級，不僅優(you)化(hua)了(le)(le)端側設備的計(ji)算能力(li)，也進(jin)一步(bu)推(tui)動了(le)(le)端側AI的普(pu)及，為AI計(ji)算的商(shang)業化(hua)提(ti)供(gong)了(le)(le)更優(you)的方案(an)。
端側AI的商業價值重估矩陣
對(dui)于端側AI，傳統的(de)AI商業價值評估(gu)模型(xing)已(yi)不(bu)再(zai)適(shi)用(yong)，新的(de)評估(gu)維度(du)和指標正(zheng)在形成。
以下是(shi)一個端側(ce)AI的(de)(de)商業價值重估矩陣，對比了傳統模型(xing)和新(xin)一代端側(ce)AI在不同維度(du)上的(de)(de)差異(yi)：
讓我們(men)深入(ru)解析這個商(shang)業價(jia)值(zhi)重估矩陣(zhen)：
核心指標：從“絕對性能”到“效能密度”
傳統AI模型追求絕(jue)對性能(neng)，如(ru)準(zhun)確率，但(dan)端(duan)側(ce)AI更(geng)關注效能(neng)密度，即(ji)在有限(xian)功耗(hao)下(xia)實現更(geng)高的性能(neng)。每瓦(wa)準(zhun)確率成為(wei)衡量端(duan)側(ce)AI商(shang)業(ye)價值的新指標。
價值錨點：從“規模崇拜”到“效率革命”
過去，AI模型(xing)的(de)價值錨定在參數量上，認為(wei)更(geng)大的(de)模型(xing)必(bi)然帶來更(geng)強的(de)性能。但端側(ce)AI時代，推理能效比成為(wei)新的(de)價值錨點，即在有限(xian)算(suan)力下實(shi)現更(geng)高效的(de)推理。
競爭壁壘：從“數據壟斷”到“架構創新”
傳統AI競(jing)(jing)爭的(de)(de)壁壘在(zai)于數據(ju)規模，掌握(wo)更多數據(ju)的(de)(de)企業往往占據(ju)優勢(shi)。但在(zai)端側AI領域，架構創新成為(wei)新的(de)(de)競(jing)(jing)爭壁壘，更高效(xiao)、更智能(neng)的(de)(de)計(ji)算架構將決定企業的(de)(de)市場地位。
商業模式：從“軟件服務”到“硬軟融合”
傳(chuan)統AI商(shang)業模式(shi)以云端(duan)API調(diao)用為(wei)主，用戶(hu)按使(shi)用量(liang)付費。但端(duan)側AI時代，硬(ying)件和服務的融合成(cheng)為(wei)新的商(shang)業模式(shi)。企業通過(guo)銷售智能(neng)硬(ying)件，并提供訂(ding)閱(yue)服務，實現(xian)持續(xu)的收(shou)入。
端側AI的ROI優化路徑包括：利用低成本邊緣(yuan)計算(suan)芯片，減(jian)少(shao)對昂(ang)貴數據中心資源的依賴；優(you)化推(tui)理效(xiao)率，提高能效(xiao)比，降低AI計算(suan)在終端設備上的成本；結合智(zhi)能存儲、通(tong)信技(ji)術，提升數據利用率，減(jian)少(shao)冗余計算(suan)。
過(guo)去(qu)，AI投資主要圍繞提升模(mo)(mo)型(xing)能力(li)展開(kai)，追求更(geng)大的(de)(de)(de)(de)參數規(gui)模(mo)(mo)、更(geng)復雜的(de)(de)(de)(de)神經網絡架(jia)構。然而，計算成本(ben)與商業(ye)收(shou)益的(de)(de)(de)(de)平衡正在成為新時期AI投資的(de)(de)(de)(de)核(he)心考量(liang)因素(su)。
未來，AI投資的關鍵，將會從“更強的AI”，到“更高效的AI”；從“單純軟件創新”，到“軟硬結合”。AIoT芯(xin)片、邊緣設備(bei)、優化(hua)算法的(de)(de)發展，將重新定義(yi)大模型的(de)(de)商業價值(zhi)。
因此AI的商業價值將不再由單純的模型能力決定，而是由計算成本與商業收益的平衡來定義。只有(you)那(nei)些能(neng)夠在算力(li)、功耗、存儲、通信等多(duo)個維度(du)平(ping)衡(heng)商業(ye)價(jia)值的(de)(de)AI架構(gou)，才(cai)能(neng)真正實(shi)現可持(chi)續(xu)增長(chang)。端側AI的(de)(de)崛起(qi)，將推動整個產業(ye)走向(xiang)更加務實(shi)、可持(chi)續(xu)的(de)(de)發(fa)展之路。
寫在最后
端側(ce)AI正在(zai)重塑AI的(de)投資(zi)邏輯(ji)和價(jia)值(zhi)評估(gu)體系。企(qi)業需(xu)要從(cong)單(dan)純追求模型(xing)性(xing)能(neng)，轉向更加全面(mian)、平衡的(de)AI效能(neng)評估(gu)。算(suan)力、通信(xin)、存儲的(de)協同優(you)化，將成為決定(ding)AI商業價(jia)值(zhi)的(de)關(guan)鍵因(yin)素。
DeepSeek為我們展現了(le)端側(ce)AI的(de)(de)巨大(da)潛力(li)，它有望顯著降低(di)AI應用的(de)(de)門(men)檻，讓更(geng)多中小企業(ye)和創(chuang)新者參(can)與(yu)到AI浪(lang)潮中來。與(yu)此同(tong)時，端側(ce)AI也對(dui)芯片、通信、存儲(chu)等產業(ye)鏈(lian)(lian)環節(jie)提出(chu)了(le)新的(de)(de)要求，驅動產業(ye)鏈(lian)(lian)的(de)(de)協同(tong)升級(ji)。
目前我們正在征集和編寫《中國端側AI全景圖譜報告》，歡迎感興趣的朋友掃描下方二維碼參與合作。
參考資料：
美格/廣和通/移(yi)遠/日海…齊布局，Deepseek催化(hua)“端側AI元年”？來源：物聯網智庫Why 75% Of Businesses Aren’t Seeing ROI From AI Yet，作者(zhe)：Megan Poinski，來源：Forbes“80元部署個(ge)人語(yu)音助手”！DeepSeek開啟AI普(pu)惠(hui)時代 端側應用打開想象(xiang)空(kong)間，來源：財聯社
