作者：彭昭（智次方創始人、云和資本聯合創始合伙人）
這是我的第360篇專欄文章。
80塊打造個人語音助手，358元能搭建接入大模型且具備手勢識別、觸摸交互的機器人…DeepSeek的開源、輕量級和低成本特征，讓生成式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新的理由。
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。
過去，生成式AI大模型一直面臨著成本與價值之間的ROI困境。盡管DeepSeek等大模型的能力不斷提升，但它們的訓練和推理成本極高，限制了商業化落地的ROI。目前，AI的投資邏輯仍然圍繞算力規模和模型能力，但這種模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計算的高昂投入，讓許多企業，尤其是中小企業難以承受。如果AI模型不能在更低成本、更低功耗的環境下運行，那么它的商業應用將受限，投資回報率也難以提升。
而DeepSeek等大模型的出現，為解決這一問題提供了新的思路。
從企業參與度來看，過去只有大型企業能負擔端側AI研發，而如今，借助DeepSeek低成本推理技術，中小企業也能在AI玩具、AI眼鏡等產品中融入強大的AI功能，推動端側硬件智能化的普及。
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。
這種模式特別適用于智能制造、智能硬件、自動駕駛等應用場景，有望推動AI的大規模商業落地。
因此，本文將圍繞這一波由DeepSeek引發的端側AI紅利展開討論：
AI的投資回報率正處于重新評估期：大規模的AI投資是否真正帶來了生產力提升？DeepSeek等新一代AI模型又將如何影響ROI的計算方式？
從“模型能力”到“實現效率”：AI投資的重點正從“構建更強大的模型”轉向“打造更高效的通感智值一體化架構”。
我們將看到，DeepSeek等大模型的投資回報率ROI評估方式亟需改變，不應再單純依賴更大規模的算力投入，而應更加關注計算架構的優化。
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。這背后的原因令人深思。
在2025年的最新研究中，BCG調研了全球1803名企業高管，發現三分之一的公司計劃今年在升級技術方面投資至少2500萬美元。
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。
大量的企業或個人開發者將DeepSeek下載到任何筆記本電腦上，這意味著模型可以在端側、邊緣側運行，而無需專門的硬件，這將大大加速邊緣計算的發展。
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。這有助于物聯網企業預測客戶需求、代表客戶采取行動，并在本地化環境中高效運營業務。
根據我們對DeepSeek-R1的了解，它可以實時處理和分析大量數據，從而實現響應更快、更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LLM，企業可以實現更快的數據處理、更高的預測準確性和增強的用戶體驗。
DeepSeek不僅僅是“中國ChatGPT”，它代表著全球人工智能創新的一大飛躍。通過減少構建模型的成本、時間和精力，更多的研究人員和開發人員可以進行實驗、創新和嘗試新模型。
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群網絡等硬件端的發展爭取了更多空間，而軟硬件成本的減少，也將相應為國內AI應用帶來機會，由此形成產業發展正向循環。
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”。
正如《美格/廣和通/移遠/日海…齊布局，Deepseek催化“端側AI元年”？》文章所述，當AI大模型從云端下沉至邊側，一場“端側AI革命”正悄然展開。在這場革命中，通信模組作為連接物理世界與數字世界的核心紐帶，發揮著至關重要的作用，成為產業關注的焦點。2025年，在DeepSeek浪潮的引領下，AIoT產業或將迎來“端側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”，即如何在有限算力下實現更高效的AI推理和應用落地。
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。
根據東吳證券的測算，端側算力需求在 2024-2027 年間基本維持翻倍以上的增速，2027-2030 年間增速依然在高雙位數水平。
在這一趨勢下，端側AI正在成為AI計算架構創新的前沿戰場，它不僅代表了AI應用的下一個增長點，更是重新定義大模型商業價值的核心要素。
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、工業物聯網等領域。
這種架構的升級，不僅優化了端側設備的計算能力，也進一步推動了端側AI的普及，為AI計算的商業化提供了更優的方案。
端側AI的商業價值重估矩陣
對于端側AI，傳統的AI商業價值評估模型已不再適用，新的評估維度和指標正在形成。
以下是一個端側AI的商業價值重估矩陣，對比了傳統模型和新一代端側AI在不同維度上的差異：
讓我們深入解析這個商業價值重估矩陣：
核心指標：從“絕對性能”到“效能密度”
傳統AI模型追求絕對性能，如準確率，但端側AI更關注效能密度，即在有限功耗下實現更高的性能。每瓦準確率成為衡量端側AI商業價值的新指標。
價值錨點：從“規模崇拜”到“效率革命”
過去，AI模型的價值錨定在參數量上，認為更大的模型必然帶來更強的性能。但端側AI時代，推理能效比成為新的價值錨點，即在有限算力下實現更高效的推理。
競爭壁壘：從“數據壟斷”到“架構創新”
傳統AI競爭的壁壘在于數據規模，掌握更多數據的企業往往占據優勢。但在端側AI領域，架構創新成為新的競爭壁壘，更高效、更智能的計算架構將決定企業的市場地位。
商業模式：從“軟件服務”到“硬軟融合”
傳統AI商業模式以云端API調用為主，用戶按使用量付費。但端側AI時代，硬件和服務的融合成為新的商業模式。企業通過銷售智能硬件，并提供訂閱服務，實現持續的收入。
端側AI的ROI優化路徑包括：利用低成本邊緣計算芯片，減少對昂貴數據中心資源的依賴；優化推理效率，提高能效比，降低AI計算在終端設備上的成本；結合智能存儲、通信技術，提升數據利用率，減少冗余計算。
過去，AI投資主要圍繞提升模型能力展開，追求更大的參數規模、更復雜的神經網絡架構。然而，計算成本與商業收益的平衡正在成為新時期AI投資的核心考量因素。
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、優化算法的發展，將重新定義大模型的商業價值。
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。只有那些能夠在算力、功耗、存儲、通信等多個維度平衡商業價值的AI架構，才能真正實現可持續增長。端側AI的崛起，將推動整個產業走向更加務實、可持續的發展之路。
寫在最后
端側AI正在重塑AI的投資邏輯和價值評估體系。企業需要從單純追求模型性能，轉向更加全面、平衡的AI效能評估。算力、通信、存儲的協同優化，將成為決定AI商業價值的關鍵因素。
DeepSeek為我們展現了端側AI的巨大潛力，它有望顯著降低AI應用的門檻，讓更多中小企業和創新者參與到AI浪潮中來。與此同時，端側AI也對芯片、通信、存儲等產業鏈環節提出了新的要求，驅動產業鏈的協同升級。
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。
參考資料：
美格/廣和通/移遠/日海…齊布局，Deepseek催化“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：Megan Poinski，來源：Forbes“80元部署個人語音助手”！DeepSeek開啟AI普惠時代 端側應用打開想象空間，來源：財聯社
