作者：彭昭（智次方创始人、云和资本联合创始合伙人）
这是我的第360篇专栏文章。
80块打造个人语音助手，358元能搭建接入大模型且具备手势识别、触摸交互的机器人…DeepSeek的开源、轻量级和低成本特征，让生成式AI进入了普惠阶段。
在这一背景下，企业再也没有不采用人工智能技术进行创新的理由。
而且DeepSeek引发的新一波生成式AI浪潮，本质上是端侧AI的红利。
正是因为DeepSeek的出现，迫使我们重新评估AI投资回报率ROI，并认识到端侧AI将成为提升ROI的新路径。
过去，生成式AI大模型一直面临着成本与价值之间的ROI困境。尽管DeepSeek等大模型的能力不断提升，但它们的训练和推理成本极高，限制了商业化落地的ROI。目前，AI的投资逻辑仍然围绕算力规模和模型能力，但这种模式的可持续性正受到挑战。
AI落地的核心问题在于如何降低计算成本。
传统云端AI计算的高昂投入，让许多企业，尤其是中小企业难以承受。如果AI模型不能在更低成本、更低功耗的环境下运行，那么它的商业应用将受限，投资回报率也难以提升。
而DeepSeek等大模型的出现，为解决这一问题提供了新的思路。
从企业参与度来看，过去只有大型企业能负担端侧AI研发，而如今，借助DeepSeek低成本推理技术，中小企业也能在AI玩具、AI眼镜等产品中融入强大的AI功能，推动端侧硬件智能化的普及。
通过端侧AI应用，DeepSeek等大模型正在以更低的计算成本，在本地部署轻量化版本，提高推理效率。结合AIoT专用芯片，可以优化推理过程，减少云端算力消耗，提高整体ROI。
这种模式特别适用于智能制造、智能硬件、自动驾驶等应用场景，有望推动AI的大规模商业落地。
因此，本文将围绕这一波由DeepSeek引发的端侧AI红利展开讨论：
AI的投资回报率正处于重新评估期：大规模的AI投资是否真正带来了生产力提升？DeepSeek等新一代AI模型又将如何影响ROI的计算方式？
从“模型能力”到“实现效率”：AI投资的重点正从“构建更强大的模型”转向“打造更高效的通感智值一体化架构”。
我们将看到，DeepSeek等大模型的投资回报率ROI评估方式亟需改变，不应再单纯依赖更大规模的算力投入，而应更加关注计算架构的优化。
端侧AI的兴起，为AI模型的商业化落地带来了全新的可能性，有望显著提升AI投资的长期价值。
既要AI创新，也要投资回报
过去一段时间，资本市场对AI的投资狂热，但实际商业落地的投资回报率ROI仍存在争议。根据波士顿咨询集团（Boston Consulting Group，BCG）的调研，75%的企业尚未从AI中看到投资回报。这背后的原因令人深思。
在2025年的最新研究中，BCG调研了全球1803名企业高管，发现三分之一的公司计划今年在升级技术方面投资至少2500万美元。
然而，只有约25%的公司看到了投资回报。BCG发现，那些成功获得出色ROI的企业，将80%以上的AI投资集中在重塑关键业务功能和开发新产品与服务上。
而DeepSeek为我们开启了以较低的试错成本，创建新产品、新服务、新业态的大门。
大量的企业或个人开发者将DeepSeek下载到任何笔记本电脑上，这意味着模型可以在端侧、边缘侧运行，而无需专门的硬件，这将大大加速边缘计算的发展。
端侧和边缘在更靠近数据来源的地方处理数据，从而减少延迟和带宽使用。这有助于物联网企业预测客户需求、代表客户采取行动，并在本地化环境中高效运营业务。
根据我们对DeepSeek-R1的了解，它可以实时处理和分析大量数据，从而实现响应更快、更智能的终端和边缘设备。
这种能力在实时决策至关重要的场景中尤其有价值，例如自动驾驶汽车、工业自动化和智慧城市。通过利用边缘的LLM，企业可以实现更快的数据处理、更高的预测准确性和增强的用户体验。
DeepSeek不仅仅是“中国ChatGPT”，它代表着全球人工智能创新的一大飞跃。通过减少构建模型的成本、时间和精力，更多的研究人员和开发人员可以进行实验、创新和尝试新模型。
DeepSeek等新模型的出现，推动了AI应用的广泛性，突破算力成本、推理效率、数据垄断等问题，化解制约ROI实际兑现的枷锁。DeepSeek在算法层面的推理成本优化，为国产算力芯片和计算集群网络等硬件端的发展争取了更多空间，而软硬件成本的减少，也将相应为国内AI应用带来机会，由此形成产业发展正向循环。
端侧AI的三角定律：算力x通信x存储的协同优化决定商业价值
我们看到，AI的投资逻辑正在从“单纯追求更强大模型”转向“如何更高效地使用AI”。
正如《美格/广和通/移远/日海…齐布局，Deepseek催化“端侧AI元年”？》文章所述，当AI大模型从云端下沉至边侧，一场“端侧AI革命”正悄然展开。在这场革命中，通信模组作为连接物理世界与数字世界的核心纽带，发挥着至关重要的作用，成为产业关注的焦点。2025年，在DeepSeek浪潮的引领下，AIoT产业或将迎来“端侧AI元年”。
为什么通信模组企业或存储硬件企业，将成为重要角色，共同参与到端侧AI的核心角逐？
因为端侧AI的计算架构正在重塑AI投资逻辑：从“更强”到“更高效”，算力、通信和存储的协同优化，决定了商业价值。
过去AI投资的核心指标是“更大参数规模+更强泛化能力”，但未来关键指标将是“更低功耗+更快推理速度”，即如何在有限算力下实现更高效的AI推理和应用落地。
未来AI领域的ROI评估，不仅要关注模型能力，还要衡量“计算成本vs商业收益”的平衡点。通信和算力的结合，或者算力与存储的结合，将成为端侧AI区别于云端AI的特征之一。
根据东吴证券的测算，端侧算力需求在 2024-2027 年间基本维持翻倍以上的增速，2027-2030 年间增速依然在高双位数水平。
在这一趋势下，端侧AI正在成为AI计算架构创新的前沿战场，它不仅代表了AI应用的下一个增长点，更是重新定义大模型商业价值的核心要素。
未来，通算一体或存算一体的方案有望成为主流。相比于多芯片方案，这种集成化的架构具备以下优势：架构简化，降低成本、更优的功耗管理、更强的集成度。新型方案减少了系统切换的延迟，使AI计算更加流畅，更适用于智能家居、可穿戴设备、工业物联网等领域。
这种架构的升级，不仅优化了端侧设备的计算能力，也进一步推动了端侧AI的普及，为AI计算的商业化提供了更优的方案。
端侧AI的商业价值重估矩阵
对于端侧AI，传统的AI商业价值评估模型已不再适用，新的评估维度和指标正在形成。
以下是一个端侧AI的商业价值重估矩阵，对比了传统模型和新一代端侧AI在不同维度上的差异：
让我们深入解析这个商业价值重估矩阵：
核心指标：从“绝对性能”到“效能密度”
传统AI模型追求绝对性能，如准确率，但端侧AI更关注效能密度，即在有限功耗下实现更高的性能。每瓦准确率成为衡量端侧AI商业价值的新指标。
价值锚点：从“规模崇拜”到“效率革命”
过去，AI模型的价值锚定在参数量上，认为更大的模型必然带来更强的性能。但端侧AI时代，推理能效比成为新的价值锚点，即在有限算力下实现更高效的推理。
竞争壁垒：从“数据垄断”到“架构创新”
传统AI竞争的壁垒在于数据规模，掌握更多数据的企业往往占据优势。但在端侧AI领域，架构创新成为新的竞争壁垒，更高效、更智能的计算架构将决定企业的市场地位。
商业模式：从“软件服务”到“硬软融合”
传统AI商业模式以云端API调用为主，用户按使用量付费。但端侧AI时代，硬件和服务的融合成为新的商业模式。企业通过销售智能硬件，并提供订阅服务，实现持续的收入。
端侧AI的ROI优化路径包括：利用低成本边缘计算芯片，减少对昂贵数据中心资源的依赖；优化推理效率，提高能效比，降低AI计算在终端设备上的成本；结合智能存储、通信技术，提升数据利用率，减少冗余计算。
过去，AI投资主要围绕提升模型能力展开，追求更大的参数规模、更复杂的神经网络架构。然而，计算成本与商业收益的平衡正在成为新时期AI投资的核心考量因素。
未来，AI投资的关键，将会从“更强的AI”，到“更高效的AI”；从“单纯软件创新”，到“软硬结合”。AIoT芯片、边缘设备、优化算法的发展，将重新定义大模型的商业价值。
因此AI的商业价值将不再由单纯的模型能力决定，而是由计算成本与商业收益的平衡来定义。只有那些能够在算力、功耗、存储、通信等多个维度平衡商业价值的AI架构，才能真正实现可持续增长。端侧AI的崛起，将推动整个产业走向更加务实、可持续的发展之路。
写在最后
端侧AI正在重塑AI的投资逻辑和价值评估体系。企业需要从单纯追求模型性能，转向更加全面、平衡的AI效能评估。算力、通信、存储的协同优化，将成为决定AI商业价值的关键因素。
DeepSeek为我们展现了端侧AI的巨大潜力，它有望显著降低AI应用的门槛，让更多中小企业和创新者参与到AI浪潮中来。与此同时，端侧AI也对芯片、通信、存储等产业链环节提出了新的要求，驱动产业链的协同升级。
目前我们正在征集和编写《中国端侧AI全景图谱报告》，欢迎感兴趣的朋友扫描下方二维码参与合作。
参考资料：
美格/广和通/移远/日海…齐布局，Deepseek催化“端侧AI元年”？来源：物联网智库Why 75% Of Businesses Aren’t Seeing ROI From AI Yet，作者：Megan Poinski，来源：Forbes“80元部署个人语音助手”！DeepSeek开启AI普惠时代 端侧应用打开想象空间，来源：财联社
