端側AI應用端驅動因素有哪些？

從 2024 年開始，應用端已逐步具備發展土壤，有望迎來加速：

1、基建開支巨大，產出端規模較小

大型科技公司花費巨額資金擴建數據中心，且資金量持續增長。這類大型科技公司包括海外的 Google、 Microsoft 和 Meta 等，以及國內的字節跳動、騰訊和阿里巴巴。除此之外，亞馬遜、甲骨文、蘋果、特 斯拉等公司也是重要的算力開支貢獻者。從算力公司收入角度同樣也能看出業界在 AI 基礎設施方面的 巨大投入。英偉達數據中心收入在 2023 年增長超 200%，2024 年仍維持超 100%的高速增長。除了硬 件設施方面的資本性投入，AI 數據中心仍需考慮其他如運行維護、租賃，以及在后續 AI 模型的訓練過 程中所消耗的電力及數據等運營性成本，使得公司實際投入比上述基礎設施建設更高。根據英偉達在分 析師日上的演講，AI 基礎設施中，除 GPU 與組網外，其余開銷約占到總體的一半。

在巨大的基礎設施投入下，收入端卻明顯單薄。OpenAI 的年收入為 10 億美元。微軟董事長兼首席執行 官薩蒂亞·納德拉(Satya Nadella)在 2025 財年第二季度業績電話會議中表示，微軟的人工智能業務年化 收入超過 130 億美元，但該收入與其 2024 年單季度的資本開支水平相當。若未來收入端無法快速提高， 將難以維持該業務的長期運轉。企業迫切需要找到能夠承接巨額資本開支的 AI 產出。

2、算力使用成本下降，促使更多廠商入局

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 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。AI 落地的核心問題在于如何降低成本。 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，而目前該情況已經發生了改變， 一方面，字節跳動的成功降本向業界展示了規模效應降本的可能性，另一方面，DeepSeek 的優化創新 證明對模型本身及訓練方式的優化也能大幅降低訓練成本，從而降低了行業門檻，使得更多中小企業也 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。

（1）規模效應降本。隨著 AI 數據中心規模增大，廠商有機會通過調度和資源使用優化的方式，提高資源利用率，降低單位 算力使用成本。2024 年 12 月 18 日，字節跳動在火山引擎 FORCE 大會上正式推出了豆包視覺推理大模 型，并宣布進入―厘時代‖，該模型的價格大幅下調至 0.003 元/千 token，相較行業標準低了 85%。火 山引擎總裁譚待介紹，火山引擎在技術上有非常多優化手段，可以降低大模型成本，在工程上可以通過 分布式推理的形式將底層算力使用得更好；另外，在混合調度方面，可以把不同負載進行混合調度，這 樣的成本也大幅下降。 各大科技公司均大量投資建設 AI 數據中心，隨著規模擴大，AI 訓練和推理成本有望下降。2024 年， 亞馬遜表示計劃在未來幾年內在以人工智能為重點的數據中心投資超過 1000 億美元。2025 年初，公司 又宣布計劃投資約 110 億美元來擴展其在佐治亞州的基礎設施。微軟副董事長兼總裁布拉德·史密斯 （Brad Smith）2025 年初在公司官網的一篇博客中宣布：在 2025 財年，微軟有望投資約 800 億美元 建設人工智能數據中心，以訓練人工智能模型并在全球范圍內部署人工智能和基于云的應用程序。谷歌 在 2024 年第四季度及財年業績電話會議中提到，2025 年公司預計將投資約 750 億美元的資本支出， 其中大部分將用于技術基礎設施，主要是在服務器方面，其次是數據中心和網絡。當新的數據中心容量 上線時，云服務商有機會通過調度優化的方式，使其提供的訓練和推理成本下降，從而使中小型，包括 初創公司也能加入到 AIGC 行業創新隊伍之中。

（2）DeepSeek 優化創新降本。DeepSeek 的模型發布同樣也讓行業看到了大幅降本的可能性。2024 年末，DeepSeek 公司發布了多 個模型，宣稱其中的 DeepSeek-V3 在性能上相當于業界領先的閉源模型 GPT4o，優于領先的開源模型 Llama3，且總訓練成本僅為 558 萬美元，而 GPT-4o 這樣的模型訓練成本估計約 1 億美元。2025 年 1 月 20 日，公司又發布了一個名為 DeepSeek-R1 的模型，聲稱其在一系列任務上實現了與 OpenAI-o1 相 當的性能。 具體來說，從 DeepSeek 在 V3、R1 模型的相關論文可以看到，V3 模型：1）優化模型架構設計，對傳 統專家模型（MoE）架構和傳統多頭注意力（Multi-Head Attention，MHA）進行了改良（改良后分別 命名為 DeepSeekMoE 和 DeepSeekMLA）；2）預訓練采用 FP8 混合精度訓練框架減少運算量，并通 過算法、框架和硬件的協同設計，幾乎實現了計算和通信的完全重疊，顯著提升了訓練效率；3）訓練 后：將長思維鏈(CoT)模型中的推理能力提煉到 V3，顯著提升了其推理性能。而 R1 系列模型直接將強 化學習(RL)應用于基礎模型，無需依賴監督微調(SFT)作為初始步驟。這種方法可以減少對大量監督數 據的依賴，降低訓練成本。 總的來說，DeepSeek 通過一系列創新，大幅降低了其模型的訓練成本，且保有優秀的性能表現。同時， DeepSeek 對其模型進行了開源。目前可以在開源社區平臺下載 DeepSeekR1、V3、V2 等各版本的模型， 同時公司還提供了一些輕量化及蒸餾模型，針對參數量更小的場景。雖然這些模型主要應用于文本領域， 且其模型并不一定能直接移植到端側，但其開源模型及降本思路具備參考價值，為行業提供了成功大幅 降本的案例，使行業有機會迎來更多參與者，加速應用落地。

3、部分端側 AI 產品已有市場反饋，并持續迭代

2024 年，生成式 AI 領域出現了許多應用方面的嘗試，包含軟件及硬件，為后續的發展奠定了基礎。 軟件方面，從 AI 辦公助理到 AI 視頻制作，再到語音代理和 AI 會計師。其中，部分 AI 應用產品已有不 錯表現。Perplexity 自推出以來一直處于增長狀態，每月活躍用戶達到 1500 萬。根據公司 2024 年 12 月的公告，ChatGPT 在全球每周擁有 3 億活躍用戶。OpenAI 于 10 月推出了 ChatGPT Search，這是其 現有類似搜索功能的擴展。就國內看，豆包截止至 11 月底，豆包在 2024 年的累計用戶規模已經超過 1.6 億，每日平均新增用戶下載量穩定維持在 80 萬，成為全球排名第二，國內排名第一的 AI APP。AI 產品榜全球總榜數據顯示，2025 年 4 月份，ChatGPT 穩坐第一，擁有 5.5 億月活躍用戶；阿里夸克第 二，月活躍用戶量近 1.5 億；字節豆包第三，月活約 1.1 億。國內總榜上，排名前三的分別是夸克、豆包 和 DeepSeek。

DeepSeek 應用(APP)于 2025/01/10 發布，日活躍用戶 DAU 第 5 天超過 ChatGPT，第 15 天是 ChatGPT 的 2 倍達 259 萬日活躍用戶，成為全球增速最快的 AI 原生應用。

硬件產品方面，主要包括 AIPC、AI 手機、AI 可穿戴（耳機/眼鏡等）、AI 玩具、汽車（自動駕駛）、 機器人等。其中，AIPC 自 2023 年首次推出后，已經過一年多的迭代優化，已具備一定規模；AI 手機 于 2024 年開始發布，幾乎所有大型手機廠商均有相關機型推出；可穿戴類產品，尤其是眼鏡產品在市 場上取得優異銷售成績，逐步得到各大科技公司重視；AI 陪伴、玩具類產品也有更豐富的產品產出，并 逐步積累客戶群體；汽車已在自動駕駛的長年探索中逐步使用生成式 AI 技術，而 AI 機器人市場仍在商 業化探索階段。

端側硬件設備是 AI 應用的基礎，也是重要的用戶入口。如果說模型是 AI 的―大腦‖，那么設備就是它的 ―神經末梢‖與―感知界面‖。真正的 AI 應用，不可能永遠停留在服務器或云端，它必須―落地到生活中‖，成為用戶每天都能觸達的存在。端側 AI 設備就是這個―落地‖的物理載體。在各類 AI 硬件設備產品中， AIPC/手機等消費類產品在較短的時間內放量，并形成對生成式 AI 技術投入回報的機會更大?；谧?動駕駛的汽車產品出于對安全、可靠性、響應速度等方面的高要求，在 AIGC 技術應用方面有較大限制， 且價格更高，用戶更換周期更長；而機器人產品尚未形成銷售規模，處于商業化探索階段。