當谷歌在Pixel 10上演示“實時AI摳圖”功能，以及蘋果預告將在2025秋季發(fā)布會推出“重新定義的AI手機”時，從供應鏈傳出的每一個風聲，到華爾街連夜上調(diào)的出貨量預測，一個近乎完美的劇本已經(jīng)寫好：

一個由端側(cè)AI驅(qū)動的、史詩級的消費電子“超級升級周期”，即將到來。

但當市場的喧囂散去，一個更冷靜、也更致命的問題浮現(xiàn)出來：

當一個機會變得如此確定無疑，如果所有人都在談論端側(cè)AI、所有芯片財報都在重復“On-Device AI”、所有品牌都在預告“革命性體驗”，它會不會已經(jīng)變成了一個“共識陷阱”？

今天，硅兔君結(jié)合近期與其專家團隊的交流成果就來聊聊共識之外，那三個決定未來勝負的“非共識”。

共識告訴你： 硬件環(huán)節(jié)確定性最高，是肉眼可見的紅利。

這個邏輯非常清晰。高通的驍龍8 Gen 3集成了Hexagon NPU，AI性能提升98%；聯(lián)發(fā)科的天璣9300號稱擁有330億參數(shù)大模型處理能力；蘋果的A17 Pro神經(jīng)引擎速度翻倍。

這場算力軍備競賽，直接體現(xiàn)在了產(chǎn)業(yè)鏈的財報上：瑞芯微、恒玄科技等公司的業(yè)績增長曲線，陡峭得讓人心動。

這塊蜜糖，真實而甜美。但這會是常態(tài)嗎？

你需要追問的第一個非共識是：這場“算力內(nèi)卷”的盡頭是什么？

我們都經(jīng)歷過PC時代的CPU主頻大戰(zhàn)，和智能手機早期的核戰(zhàn)。歷史一再證明，當硬件性能超越了主流應用的需求，就會出現(xiàn)“性能過剩”，硬件溢價隨之消失，行業(yè)進入殘酷的存量搏殺。

今天手機NPU算力從50 TOPS卷到100 TOPS，除了讓AI修圖更快零點幾秒，對絕大多數(shù)用戶的體驗改善，是否正在邊際遞減？一旦體驗改善的曲線被算力增長的曲線追上，高昂的硬件溢價還能維持多久？

第二個更致命的問題是：誰在定義“有效算力”？

讓我們回顧一下NVIDIA是如何封神的。它的護城河，從來都不是GPU那塊芯片本身，而是CUDA——那個讓開發(fā)者欲罷不能的軟件開發(fā)生態(tài)。CUDA用十余年的時間，統(tǒng)一了AI開發(fā)的“語言”，讓數(shù)百萬開發(fā)者為NVIDIA的硬件“鎖定”。

真正的護城河，不是參數(shù)表上那個冷冰冰的TOPS數(shù)字，而是能讓開發(fā)者低成本、高性能地將算法跑起來的、充滿活力的軟件生態(tài)。

最后，別忘了手機之外的廣闊戰(zhàn)場。在智能汽車領(lǐng)域，Ambarella、瑞薩電子這類廠商，正通過高度定制化的AI視覺芯片（ASIC）搶占市場，它們不追求通用算力，而是在特定場景（如ADAS）下把能效比做到極致。這種“專用化”的降維打擊，是否會對手機芯片廠商“一芯多用”的平臺化策略構(gòu)成威脅？

硬件的戰(zhàn)爭，上半場是參數(shù)，下半場是生態(tài)。當你還在為那20%的溢價歡呼時，真正聰明的錢，已經(jīng)在思考那個未來的生態(tài)霸主會是誰。

共識告訴你： 模型輕量化技術(shù)，是讓大模型在終端設備運行的關(guān)鍵。

沒錯。通過模型剪枝、量化、知識蒸餾等一系列“手術(shù)”，百億參數(shù)的模型可以被壓縮到原來的十分之一，同時保持可接受的性能。我們已經(jīng)看到了Google的Gemini Nano被塞進Pixel手機，Meta的Llama 3也推出了適合端側(cè)運行的小參數(shù)版本。

但這個過程，遠比聽上去要復雜。

第一個被忽略的現(xiàn)實是：目前的模型壓縮，很大程度上還是個“手工作坊”。

它高度依賴頂尖AI科學家和工程師的經(jīng)驗、直覺和反復試錯，俗稱“煉丹”。這個過程成本高昂、周期漫長，且結(jié)果難以保證。這極大地限制了端側(cè)AI應用的創(chuàng)新速度和普及廣度。

真正的行業(yè)爆發(fā)點，在于“自動化模型壓縮”（AutoML for Compression）工具鏈的成熟。

想象一下，開發(fā)者不再需要是算法專家，只需將自己的大模型上傳到一個平臺，平臺就能自動嘗試數(shù)千種壓縮方案，并找到那個在特定硬件上（比如某款手機芯片）性能和精度的最佳平衡點。這才是“工業(yè)化”的革命。

一些嗅覺敏銳的初創(chuàng)公司，如Deci AI（被英偉達收購）、Neural Magic（被 RedHat收購），已經(jīng)在嘗試將這個過程產(chǎn)品化。這才是AI時代的未來，他們不生產(chǎn)模型，但他們讓所有模型都能更便宜、更高效地運行在你的設備上。

第二個深水區(qū)，是開源與閉源的路線之爭。以llama.cpp為代表的開源社區(qū)，用驚人的速度，讓各種開源大模型在Mac、PC甚至手機上跑了起來，極大推動了技術(shù)的普及。

但另一邊，蘋果和谷歌則在自己的操作系統(tǒng)里，內(nèi)置了高度優(yōu)化的、不對外的模型和推理引擎。

這像極了移動互聯(lián)網(wǎng)的開端。未來，是安卓當年對iOS的“開放戰(zhàn)勝封閉”重演，讓百花齊放的開源方案占領(lǐng)市場？還是巨頭憑借軟硬一體的極致體驗和隱私保護，牢牢守住高端生態(tài)位，賺取最高的利潤？這兩種路徑，指向了完全不同的產(chǎn)業(yè)鏈投資機會。

最后，是數(shù)據(jù)的“隱形戰(zhàn)爭”。 輕量化后的模型，性能或多或少會有損失。如何彌補？答案是“端側(cè)微調(diào)”（On-device Fine-tuning）。利用你在設備上的個人數(shù)據(jù)，讓模型變得更懂你。

但這又引出了終極難題：如何在利用數(shù)據(jù)的同時，絕對保護用戶隱私？聯(lián)邦學習（Federated Learning）等技術(shù)雖然被寄予厚望，但成熟度依然面臨挑戰(zhàn)。誰能率先解決“自動化工具鏈”、“生態(tài)路線”和“隱私數(shù)據(jù)”這三個問題，誰就掌握了端側(cè)AI軟件的“命脈”。

共識告訴你： 手機、汽車、IoT是三大落地場景，前景無限。

這當然是對的。但“場景”這個詞，最容易滋生泡沫。

第一個需要警惕的陷阱，就是“為了AI而AI”的功能堆砌。

還記得之前的Humane AI Pin和Rabbit R1嗎？它們被譽為“后智能手機時代”的硬件，但上市后的市場反應卻相當冷淡。

為什么？因為它們沒有找到一個無可替代的“殺手級應用”。用戶不會為炫酷的技術(shù)概念買單，只會為它實實在在解決的問題付費。

現(xiàn)在手機上的AI消除路人、AI生成壁紙，汽車里的語音助手，是很好，但它們是能讓你下定決心多花2000塊錢的理由嗎？恐怕還不夠。

第二個需要建立的認知框架是：“殺手級應用”的三個演進層次。

層次1 - 增強（Co-pilot）： 這是目前的主流。無論是幫你潤色郵件，還是實時翻譯，AI的角色是你的“副駕駛”，提升現(xiàn)有任務的效率。這個層次的應用價值在于“更好”，而非“從無到有”。

層次2 - 代理（Agent）： 這才是未來的趨勢。當你能對手機說，“幫我訂一張明晚去上海的機票，找一家徐家匯附近評分4.5以上的酒店，然后把行程發(fā)給我老婆”，而它能自主調(diào)用航旅App、地圖App、微信來完成這一切時，革命才真正發(fā)生。這是對現(xiàn)有App孤島生態(tài)的徹底顛覆，也是對操作系統(tǒng)入口的終極爭奪。

層次3 - 預判（Guardian）： 這是AI與個人數(shù)據(jù)深度結(jié)合的終極形態(tài)。它不再是被動響應，而是主動服務。比如你的智能手表在你心臟出現(xiàn)異常搏動前幾小時發(fā)出預警，你的智能家居在你回家前就調(diào)節(jié)到你最舒服的狀態(tài)。這個層次的應用，壁壘最高，用戶粘性也最強。

由此，引出了那個價值萬億的終極拷問：價值最終歸屬于誰？

如果一個AI Agent幫你完成了所有事，那么，是這個Agent的開發(fā)者（比如一家新的超級App公司）賺走了大部分利潤？還是提供底層能力和分發(fā)渠道的操作系統(tǒng)（蘋果/谷歌）來“收稅”？那些被它調(diào)用的傳統(tǒng)App，又將淪為“管道”還是能分一杯羹？

這將是科技史上規(guī)模空前的一場“價值重分配”。投資端側(cè)AI，你本質(zhì)上是在對未來的人機交互形態(tài)，以及這場價值分配的最終格局下注。

你看，從共識到非共識，我們只多問了三個問題。

但這三個問題，恰恰是區(qū)分平庸和卓越的試金石。

       原文標題 : 一份端側(cè)AI的內(nèi)部紀要：投資人應真正關(guān)心的3個被忽略的問題！