摘要：近年来，人工智能技术突飞猛进，大模型的快速迭代不仅推动了AI在云端的发展，也加速了AI在终端设备的落地。陕西电信发布家庭桌面AI机器人，上海电信创新推出“AI家智屏”，OpenAI计划推出1亿台“伴侣”设备……从智能手机到智能家居，终端设备的AI化趋势愈发明显

（记者 杜峰）近年来，人工智能技术突飞猛进，大模型的快速迭代不仅推动了AI在云端的发展，也加速了AI在终端设备的落地。陕西电信发布家庭桌面AI机器人，上海电信创新推出“AI家智屏”，OpenAI计划推出1亿台“伴侣”设备……从智能手机到智能家居，终端设备的AI化趋势愈发明显。端侧AI模型也从能用到好用，开启了轻量化进阶之路。

智能终端加速AI化

随着人工智能技术的快速发展，越来越多的传统终端设备正被赋予AI能力，AI技术在智能终端中的应用已经渗透到多个方面。

在拍照方面，手机AI算法可以自动识别场景并优化拍摄参数，提升照片质量。在健康监测方面，智能手表和手环可以通过传感器收集数据，结合AI算法分析用户的健康状况。在智能家居方面，智能音箱和智能摄像头可以通过语音控制和图像识别技术，实现家庭自动化和安全监控。

AI化的智能终端不仅提升了功能的多样性和便捷性，还显著改善了用户体验。通过苹果的Siri、小米的小爱同学等语音助手，用户可以无需手动操作即可完成查询信息、设置提醒、播放音乐等任务。在智能驾驶领域，AI技术的应用使得车辆能够自动识别路况并做出安全驾驶决策，提升了驾驶的安全性和舒适性。

据Counterpoint&和联发科发布的《生成式AI手机产业白皮书 》，预计AI手机将会从 2023 年的只有百万级别增长至2027年的12.3亿部，AI手机端侧整体AI算力将会达到 50000EOPS以上，未来AI手机将会成为不可忽视的AI计算资源池。Canalys预测到2027年AI PC全球出货量预计超过1.7亿台，在个人电脑出货量的占比超60%。

智研咨询发布的《中国AI智能终端行业市场全景调研及未来前景研判报告》显示，2024年中国AI智能终端市场规模从2021年的36.66亿元增长至2207.85亿元，预计2025年中国AI智能终端市场规模有望达到5347.9亿元。未来，AI技术将深入到几乎所有智能终端设备中，不仅限于智能手机和PC，还将涵盖智能家居、汽车、可穿戴设备等更多领域。随着AI算法的不断升级和芯片性能的提升，终端设备将变得更加智能化与场景化、生态化。

端侧AI模型加速到来

（图片来源：摄图网）

仅仅在一年以前，“端侧AI是否真能落地？”仍在不少人心中存疑，然而随着AI应用的广泛渗透，端侧AI模型加速到来。端侧AI的崛起并非偶然，而是由技术、市场和用户需求共同推动的结果。

一方面，端侧是AI落地的一个重要窗口。随着AI应用场景的多样化，云端AI的局限性逐渐显现，如网络延迟、数据隐私问题等。相比之下，端侧AI能够提供更快的响应速度、更低的带宽消耗和更高的隐私安全性，使其在智能终端中占据重要地位。此外，当模型能力渐趋同质化，“谁更贴近用户”则成为差异化竞争的关键，手机厂商通过优化端侧AI模型，提供更个性化的服务（如智能相册分类、本地语音助手），从而增强用户体验。

另一方面，AI资源的开放降低了技术门槛，使得更多企业和开发者能够参与到AI应用的开发中。例如，OpenAI等公司提供了强大的AI模型和开发工具，使得开发者可以快速构建AI应用。同时，小模型性能的增强和算力平台的完善也为端侧AI的落地提供了技术支持。例如，一些轻量级的AI模型可以在低功耗设备上运行，满足了端侧AI的需求。

端侧AI模型的轻量化是未来的重要趋势。通过优化模型结构和算法，轻量级AI模型可以在保持较高性能的同时，减少计算资源的消耗。高通、联发科、苹果正在优化硬件架构，以支持端侧AI计算，NPU（神经网络处理单元）的普及使终端设备能够高效运行AI模型。此外，边缘计算的发展也为端侧AI提供了更强的算力支持。这不仅使得AI技术能够在更多类型的终端设备上应用，还为AI技术的普及和推广提供了可能。

天翼云在业内率先发布AI云电脑，通过构建开放平台，汇聚多模态AI大模型应用，降低了大众使用AI的门槛，加速推进AI普惠化。目前，天翼AI云电脑已汇集多个主流通用大模型以及教育、医疗、法律等多个行业大模型，打造AI应用中心，推出一系列场景化标杆应用，显著提升用户办公和生产效率。

加强端云协同

尽管端侧AI优势明显，但仍面临诸多挑战。一是AI模型轻量化，由于终端设备的算力和存储有限，AI模型必须进行轻量化处理。二是端侧AI的持续进化能力，传统端侧AI模型一旦部署，便难以更新。然而，用户需求和数据分布可能随时间变化，因此端侧AI需要具备持续学习能力。三是产业场景深度渗透，端侧AI的最终目标是深度融入行业应用，例如医疗领域，AI可穿戴设备可实时监测健康数据，并在本地进行初步分析，减少云端依赖；工业领域，AI摄像头可在工厂端进行缺陷检测，提高生产效率；自动驾驶领域，车载AI需在本地处理传感器数据，以确保低延迟和高安全性。

纯粹的端侧AI或云端AI均无法满足所有需求，因此端云协同成为主流方案。通过端云协同，终端设备可以将部分计算任务卸载到云端，利用云端的强大算力进行复杂计算，同时在本地进行实时处理，实现功能增强和体验优化。例如，智能摄像头可以在本地进行简单的图像识别，将复杂的数据处理任务上传到云端，从而实现高效的监控和分析。陕西电信发布的家庭桌面AI机器人就是一个典型的端云协同应用。该机器人通过本地的AI芯片实现语音识别和简单交互，同时将复杂的数据处理任务上传到云端，利用云端的AI模型进行深度分析和决策。这种端云协同的方式不仅提升了机器人的智能水平，还为用户提供了更加便捷和高效的服务。

通过加强端云协同，解决端侧AI的关键挑战，未来AI终端将更加智能和多样化，为人们的生活和工作带来更多的便利和创新。企业需加强端云协同，推动AI在终端侧的深度渗透，从而真正实现“AI无处不在”的愿景。

本文来自【通信信息报社】，仅代表作者观点。全国党媒信息公共平台提供信息发布传播服务。

ID：jrtt

来源：全国党媒信息公共平台