端侧AI 的定义与发展背景

大模型技术经历了参数竞赛与生成能力的突破后，行业焦点已从纯粹的“模型能力”转向“落地能力”。回顾人工智能近年来的发展，其主战场正经历一次深刻的转移。随着技术逐渐趋于同质化，AI 的下一步竞争，不再是“谁的模型更强”，而是“谁真正拥有用户”。算力、电力、存储等基础层设施逐步完善后，AI 技术亟需突破“实验室到现实”的困境，从纯粹的数字计算走向对物理世界的实时感知与交互。

在此背景下，终端设备作为AI 连接现实世界的唯一物理接口，自然成为产业链下一阶段的核心战略焦点。如果说大模型是新一代智能的“大脑”，那么硬件就是它们的“身体”与“接口”。谁掌握了用户
的入口，谁就掌握了数据、反馈、互动与生态构建的主动权。

在WAIC2025 上，联想集团副总裁阿不力克木·阿不力米提抛出“新摩尔定律”：端侧智能正以“算力+
模型能力”双螺旋模式实现指数级跃升，这将彻底重构终端产业的价值链。端侧AI，即直接在终端设备（如手机、耳机、眼镜、个人电脑等）上部署和运行AI 模型的技术路径，它通过轻量化模型与专用硬件的结合，使数据在设备端就能完成从感知、推理到执行的闭环，无需事事都依赖云端服务器。在物理世界场景中，终端设备正是承接文字、语音、图像、环境温湿度、空间位置
等多模态数据的核心载体，其天然具备“随身携带、实时采集、场景适配”的独特优势，每增加一位终端用户，就相当于为大模型增加了一个24 小时不间断采集三维世界数据的“智能触角”。这种数据的独占性、实时性与场景多样性，构成了比传统互联网“网页流量”更具战略价值的稀缺资源。传统流量仅能反映用户数字行为，而终端采集的多模态数据可完整还原用户物理场景需求。
全球科技巨头已敏锐洞察到这一趋势。OpenAI 以65 亿美元收购硬件初创公司IO，被视为其战略重心从“云端模型”转向“物理硬件”的关键转折；字节跳动凭借豆包大模型与Ola Friend 耳机等硬件，快速构建“终端采集-模型训练-服务反馈”的生态闭环；夸克AI 眼镜正式发布，首发提供S1、G1 两个系列共六款单品，均搭载阿里最新的千问AI 助手。这标志着阿里千问首次走出屏幕，进入物理世界。这些动作均印证了终端卡位的战略必然性。
DeepSeek 掀起生成式AI 技术革命，轻量化模型推动端侧AI 时代全面到来。DeepSeek 的突破不仅重构了AI 产业的价值评估体系，更通过"低成本+高性能"的创新范式，为行业提供了提升投资回报率（ROI）的全新路径。传统生成式AI 大模型长期受困于"高投入-低产出"的ROI 悖论，而DeepSeek 通过算法革新和工程优化，将训练成本压缩，从根本上破解了这一困局：
DeepSeek 开创的混合专家架构（MoE）使6710 亿参数大模型的单激活参数量仅为370 亿，显著降低计算负载与显存占用，让中小企业在消费级硬件上部署大模型成为可能；
其开源的R1 系列蒸馏模型（如1.5B 版本）仅需1.1GB 内存即可运行，推动AI 玩具、智能眼镜等产品的功能智能化跃升。DeepSeek 提供了一些轻量化及蒸馏模型，针对参数量更小的场景。