作者：彭昭（智次方創始(shi)人(ren)、云和資(zi)本聯合(he)創始(shi)合(he)伙人(ren)）
這是我的第360篇專欄文章(zhang)。
80塊(kuai)打(da)造(zao)個人(ren)語音助手，358元能搭建接入大模型且具(ju)備手勢識別、觸摸交互的機器人(ren)…DeepSeek的開源、輕量級和低成(cheng)本特征(zheng)，讓生成(cheng)式AI進入了普惠階段。
在這一背景下，企業再也沒有不采用人工智能技術進行創(chuang)新的理(li)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。
過去，生成(cheng)式AI大(da)模(mo)型一(yi)直面臨著成(cheng)本與價值之間的ROI困境。盡管DeepSeek等大(da)模(mo)型的能(neng)力(li)(li)不斷提(ti)升，但它們的訓練和(he)推理成(cheng)本極高(gao)，限制了商業化落地(di)的ROI。目前，AI的投資邏輯仍然圍繞算力(li)(li)規模(mo)和(he)模(mo)型能(neng)力(li)(li)，但這種模(mo)式的可持續性正受到挑戰。
AI落地的核心問題在于如何降低計算成本。
傳統云端AI計(ji)算的高(gao)昂投入(ru)，讓許多(duo)企業(ye)，尤其是中小企業(ye)難(nan)以(yi)承(cheng)受。如果AI模型(xing)不能在更低成本、更低功耗的環境下運行，那么它(ta)的商業(ye)應用將受限，投資回報率也難(nan)以(yi)提(ti)升。
而(er)DeepSeek等大模型的出現(xian)，為解決這一問題提供了新的思(si)路。
從企業(ye)參與度(du)來(lai)看(kan)，過去(qu)只有大型企業(ye)能負擔端側AI研(yan)發，而(er)如今，借(jie)助DeepSeek低(di)成本(ben)推(tui)理技術，中(zhong)小企業(ye)也能在AI玩具、AI眼(yan)鏡等產品中(zhong)融入(ru)強大的AI功能，推(tui)動端側硬(ying)件智(zhi)能化的普及。
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。
這種模式特(te)別適用于智能(neng)制造、智能(neng)硬(ying)件、自(zi)動駕駛等應用場景，有(you)望(wang)推動AI的大(da)規模商業落地。
因此，本文(wen)將圍繞這一波由DeepSeek引發(fa)的端側AI紅(hong)利展開(kai)討論：
AI的投資回報率正處于重新評估期：大規模的AI投(tou)資(zi)是否真正帶來了生(sheng)產力(li)提升(sheng)？DeepSeek等新(xin)一代AI模型又將(jiang)如何影(ying)響(xiang)ROI的計(ji)算(suan)方式(shi)？
從“模型能力”到“實現效率”：AI投資的(de)重點正從“構(gou)建更(geng)強(qiang)大的(de)模(mo)型”轉向“打造更(geng)高效的(de)通感智值一體化架構(gou)”。
我們將看到，DeepSeek等大(da)模(mo)型的投資回報率ROI評估方(fang)式亟需改變(bian)，不(bu)應再(zai)單純依賴更(geng)大(da)規模(mo)的算(suan)力投入，而應更(geng)加關注計算(suan)架構的優化。
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。這背(bei)后的原因令人深思(si)。
在2025年(nian)的(de)(de)最新研(yan)究中，BCG調研(yan)了(le)全球1803名企(qi)業高管，發現(xian)三分之一(yi)的(de)(de)公司(si)計(ji)劃今年(nian)在升級技術方(fang)面投資至少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(huo)個人開發(fa)者(zhe)將DeepSeek下載(zai)到任何筆(bi)記本電(dian)腦上，這意味著(zhu)模(mo)型可以(yi)在端側(ce)、邊緣側(ce)運行，而無需專門的(de)硬件(jian)，這將大大加速邊緣計算(suan)的(de)發(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)業預(yu)測客戶需求(qiu)、代表客戶采取行動，并在本地化環境中高效運營業務。
根據(ju)我們(men)對DeepSeek-R1的(de)了(le)解，它可以實時處理和分析大(da)量數據(ju)，從而實現響(xiang)應(ying)更快(kuai)、更智能的(de)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(guo)利用邊緣的(de)(de)LLM，企業可(ke)以實現(xian)更(geng)快的(de)(de)數據處理(li)、更(geng)高的(de)(de)預(yu)測(ce)準確性和增(zeng)強的(de)(de)用戶體驗。
DeepSeek不僅僅是“中國ChatGPT”，它代表著全球人(ren)工智能創新(xin)的(de)一大飛躍。通過減少(shao)構建(jian)模型的(de)成本、時(shi)間和(he)(he)精力，更多的(de)研究(jiu)人(ren)員和(he)(he)開(kai)發(fa)人(ren)員可以進行(xing)實驗、創新(xin)和(he)(he)嘗試新(xin)模型。
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，為國產算力芯片和計算集(ji)群網絡等(deng)硬(ying)(ying)件端的發展(zhan)爭取了(le)更多空間，而軟硬(ying)(ying)件成本(ben)的減少，也將相(xiang)應為國(guo)內AI應用帶來機會，由(you)此形成產(chan)業發展(zhan)正向循環。
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(dang)AI大模(mo)型(xing)從(cong)云端下沉至邊側(ce)，一(yi)場(chang)“端側(ce)AI革(ge)命(ming)”正(zheng)悄然展(zhan)開。在(zai)這場(chang)革(ge)命(ming)中，通信模(mo)組(zu)作(zuo)為(wei)連接物理世(shi)界與數字世(shi)界的(de)(de)核心(xin)紐帶，發揮著(zhu)至關重要的(de)(de)作(zuo)用，成為(wei)產業(ye)關注(zhu)的(de)(de)焦點。2025年，在(zai)DeepSeek浪潮的(de)(de)引(yin)領下，AIoT產業(ye)或將迎(ying)來“端側(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”，即如何(he)在(zai)有限(xian)算力下實現(xian)更高(gao)效的AI推理(li)和應用落(luo)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(quan)的測算，端側算力需求在 2024-2027 年間基本維持翻倍以上的增(zeng)速，2027-2030 年間增(zeng)速依(yi)然在高雙位數水平。
在(zai)這(zhe)一(yi)趨勢下，端(duan)側(ce)AI正(zheng)在(zai)成(cheng)為AI計(ji)算架構創新的(de)前(qian)沿戰場，它(ta)不僅代表(biao)了AI應(ying)用的(de)下一(yi)個增(zeng)長點，更是重新定義大(da)模型商業(ye)價值(zhi)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(ke)穿戴設(she)備、工業(ye)物(wu)聯網等領域。
這種架構(gou)的(de)升級(ji)，不僅優化了(le)端側(ce)設(she)備的(de)計算能(neng)力，也進一步推動了(le)端側(ce)AI的(de)普(pu)及，為(wei)AI計算的(de)商業(ye)化提供了(le)更優的(de)方案。
端側AI的商業價值重估矩陣
對于端側AI，傳統(tong)的(de)AI商業(ye)價值評估模型已(yi)不再適(shi)用(yong)，新的(de)評估維度和指標正在形成。
以下是一(yi)(yi)個端(duan)(duan)側AI的商業價值(zhi)重(zhong)估(gu)矩陣，對(dui)比了(le)傳統(tong)模型和新一(yi)(yi)代端(duan)(duan)側AI在(zai)不(bu)同維度上的差異：
讓我(wo)們深入(ru)解析這(zhe)個商業價值重估矩(ju)陣：
核心指標：從“絕對性能”到“效能密度”
傳統(tong)AI模型追求(qiu)絕對(dui)性能(neng)(neng)(neng)，如準確率(lv)，但(dan)端側AI更關注效(xiao)能(neng)(neng)(neng)密度，即(ji)在有限功耗下實(shi)現更高(gao)的(de)性能(neng)(neng)(neng)。每(mei)瓦準確率(lv)成為(wei)衡量端側AI商業價值的(de)新(xin)指標。
價值錨點：從“規模崇拜”到“效率革命”
過去，AI模型的(de)價(jia)值錨定在(zai)(zai)參數量上，認為(wei)(wei)更(geng)大的(de)模型必(bi)然(ran)帶來更(geng)強(qiang)的(de)性(xing)能(neng)。但端側AI時(shi)代，推理(li)能(neng)效(xiao)(xiao)比成(cheng)為(wei)(wei)新的(de)價(jia)值錨點(dian)，即在(zai)(zai)有(you)限算力(li)下實(shi)現更(geng)高效(xiao)(xiao)的(de)推理(li)。
競爭壁壘：從“數據壟斷”到“架構創新”
傳統AI競(jing)爭的壁壘在(zai)(zai)于數據(ju)規模，掌握(wo)更(geng)(geng)多數據(ju)的企(qi)(qi)業往往占據(ju)優(you)勢。但在(zai)(zai)端側AI領(ling)域，架構創新(xin)成為新(xin)的競(jing)爭壁壘，更(geng)(geng)高效(xiao)、更(geng)(geng)智(zhi)能的計算架構將決定企(qi)(qi)業的市(shi)場地位。
商業模式：從“軟件服務”到“硬軟融合”
傳統AI商(shang)業(ye)模式以云端(duan)API調用(yong)為(wei)主，用(yong)戶按使用(yong)量付費。但(dan)端(duan)側AI時代，硬件和服務的融合成為(wei)新(xin)的商(shang)業(ye)模式。企(qi)業(ye)通過銷售智能硬件，并提供訂閱服務，實現(xian)持(chi)續(xu)的收入。
端側AI的ROI優化路徑包括：利用低(di)成(cheng)本邊緣計(ji)(ji)算芯片，減少(shao)對(dui)昂貴數(shu)據(ju)中心(xin)資源(yuan)的依賴；優化(hua)推(tui)理效率，提高能效比，降低(di)AI計(ji)(ji)算在終端(duan)設備上的成(cheng)本；結(jie)合智能存儲、通信(xin)技(ji)術，提升數(shu)據(ju)利用率，減少(shao)冗余計(ji)(ji)算。
過去，AI投資(zi)主要圍繞提升(sheng)模型能(neng)力展開，追求更大的參數(shu)規模、更復雜的神經網絡架(jia)構。然而，計算(suan)成(cheng)本與(yu)商業收益的平衡正在成(cheng)為新時(shi)期AI投資(zi)的核心考量因素。
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芯片、邊緣設備(bei)、優化算法的(de)發展，將重新定義大(da)模型(xing)的(de)商(shang)業價值。
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(zhi)有那些(xie)能夠在算(suan)力、功(gong)耗、存儲、通信等多個(ge)維度平衡商業價值的(de)AI架(jia)構(gou)，才能真(zhen)正實現可(ke)持續增長。端側AI的(de)崛起(qi)，將推動整個(ge)產(chan)業走向更(geng)加務(wu)實、可(ke)持續的(de)發展之路。
寫在最后
端側AI正在重塑AI的投資邏輯和價值評估體系。企業需要從(cong)單純追求模型(xing)性(xing)能(neng)(neng)，轉向(xiang)更加全(quan)面(mian)、平衡的AI效能(neng)(neng)評估。算力、通(tong)信(xin)、存儲的協同優化，將成為決(jue)定(ding)AI商業價值的關鍵因素。
DeepSeek為我(wo)們展現(xian)了端(duan)側(ce)AI的(de)巨大潛力，它有望顯著降低(di)AI應用(yong)的(de)門檻，讓更多中小企業(ye)和創新者參與(yu)到AI浪潮(chao)中來(lai)。與(yu)此同時，端(duan)側(ce)AI也(ye)對芯片、通信、存儲等產業(ye)鏈(lian)環節(jie)提(ti)出了新的(de)要(yao)求(qiu)，驅動產業(ye)鏈(lian)的(de)協同升(sheng)級。
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(can)考(kao)資料：
美格(ge)/廣和(he)通/移遠/日海…齊布(bu)局(ju)，Deepseek催化(hua)“端(duan)側(ce)AI元年”？來源：物聯網智庫Why 75% Of Businesses Aren’t Seeing ROI From AI Yet，作(zuo)者：Megan Poinski，來源：Forbes“80元部署個人語音助(zhu)手”！DeepSeek開啟AI普惠(hui)時代 端側應用打開想象空(kong)間，來源：財聯社
