端侧AI从技术偏好走向供应链现实
2026/08/14 07:24阅读量 2
端侧AI正从少数技术试验进入手机、汽车等量产硬件供应链。小型高效模型成为设备厂商降低延迟、实现离线能力和控制功耗的关键选择；MiniCPM等开源模型已进入量产车型，并传出将用于旗舰手机。行业竞争重点也从参数规模转向芯片适配、训练效率和长期维护能力，价值分配与客户集中度将成为后续看点。
事件概述
过去三年大模型竞赛聚焦参数规模、数据量和云端算力；另一条路线则研究如何在消费设备的存储、功耗和散热限制内提供可用能力。手机、汽车等终端越来越需要在有限或没有云连接的环境下运行 AI，本地执行可降低延迟、保护数据，并将推理成本转移到用户已购买的硬件上。市场对体积小、能连续运行、可支撑多年产品生命周期的模型需求正在上升。
案例：MiniCPM 与 ModelBest
- ModelBest 位于北京，2022 年由清华大学实验室孵化，早期聚焦效率而非参数规模。
- 相关研究者提出“密度定律”：在其测量中，每单位参数可提取的能力约每几个月翻一番。
- 其座舱软件已进入多家中国车企的量产车型，管理层预计今年底前装车量达数十万辆；报道还称该模型与即将发布的旗舰手机有关联。
商业结构与风险
- 端侧AI收入不像云API那样随token消耗线性增长。模型需要针对特定SoC平台适配，经历汽车或消费电子长期开发周期验证，并维持多年软件更新支持。
- 一旦完成集成与认证，OEM更换供应商的成本较高，形成黏性；但OEM掌握最终产品、用户关系和大部分定价权，模型供应商能分得多少价值取决于谈判，而非自动按比例放大。
- 客户集中风险明显：少数大客户项目能带来快速放量，但任一合作关系变动或下一代硬件转向其他技术栈，都会让供应商承压。
竞争与监管
- 2024年专用端侧模型仍较少，到2026年主要设备厂商和云厂商都已推出或准备推出本地优化的小型模型，“模型小”本身不再是稀缺能力。
- 差异化更可能来自训练效率、运行时软件、芯片级优化，以及量产支撑和长期维护能力。
- 中国科创板更新指引允许部分AI模型公司在未达到常规营收门槛时申请上市，前提是至少有一个模型实现规模化商业使用；这承认了技术成熟与商业规模不一定同步。
值得关注
端侧智能的经济价值如何分配是行业核心问题。芯片厂商、操作系统所有者、设备厂商和模型公司均有贡献，最终由用户买单。早期出货量证明小型模型能进入大众硬件，但尚不能确定哪一层能获得长期利润。私募市场已给模型层公司高估值；公开市场将要求更明确的定价权、首次集成后的经常性软件收入，以及对客户集中度的抗风险能力。