前幾天看到一個有趣的比喻——

有人將ChatGPT比作iPhone，它的出現，帶來了一種全新的概念（大模型/智能手機）。而DeepSeek，則被比作是國產安卓手機，它的作用，是讓這個概念真正走進了千家萬戶。

我個人認為，這個比喻是非常貼切的。今年以來，DeepSeek的橫空出世，掀起了一股席卷全球的AI浪潮。它憑借混合專家（MoE）架構、多頭潛在注意力（MLA）機制、低精度訓練（FP8）策略等技術創新，不僅提升了模型的性能，還大幅降低了訓練和推理成本，對AI的發展產生了深遠影響。

簡單來說，就是DeepSeek讓更多的人都能用得起大模型了。隨著DeepSeek的火爆出圈，AI落地全面提速，端側AI更是進入了爆炸式增長的階段。

█端側AI，為什么會爆發？

對AI稍有了解的讀者都知道，大模型的構建和使用，包括了訓練和推理兩個過程。訓練，是通過“投喂”數據，找到更佳的模型參數，讓大模型變成可用的狀態。推理，則是將大模型投入應用，針對新數據進行預測。

訓練與推理

大模型發展的早期階段，訓練和推理都是在云端完成的。端側AI，則是指將大模型直接部署在終端設備（例如智能手機、售貨機、POS機、汽車等）上，在端側進行推理，以此提供更好的實時響應能力和數據安全性。

端側AI相比云端AI，主要區別在于算力相對較弱，以及對功耗和成本非常敏感。DeepSeek引領的大模型“平民化”熱潮，恰逢其時地解決了這個問題，為端側AI的發展掃清了障礙。

DeepSeek通過蒸餾技術和算法優化，顯著降低了大模型的存儲需求與計算量。通過技術開源和硬件適配，端側設備的AI功能集成門檻明顯下降了。基于終端設備模組有限的算力，也能夠部署一定級別的大模型，滿足AI應用場景需求。

我們以業界知名物聯網整體解決方案供應商移遠通信的方案為例。他們針對不同場景，推出了一系列高中低端AI算力模組。

其中，旗艦邊緣計算智能模組SG885G，搭載高通? QCS8550高性能平臺，具備高達48 TOPS的綜合算力。

SG885G此前已率先成功實現了DeepSeek-R1蒸餾小模型的穩定運行。實測數據顯示，其生成tokens的速度超過每秒40個tokens，且未來隨著性能的不斷優化，速度還將進一步提升，為智能終端設備帶來更強大的AI能力。

面向高端的SG560D模組，同樣來自高通平臺（QCM6490），綜合算力可以達到14 TOPS。

移遠也有來自國產平臺的智能模組。如面向中端的SG530C，采用的就是紫光展銳的UIS7885平臺，算力達到8 TOPS。

面對低端場景，移遠也能提供對應的方案。例如SG368Z和SC362Z-AP，算力為1 TOPS，適合對成本和功耗有更高要求的場景。

模組的算力，是端側AI落地的一個前提條件。但更重要的是，需要充分了解用戶的需求，在方案設計驗證、模型微調、模型部署等方面具備工程化的能力。

移遠通信在這些方面已經積累了豐富的經驗。

在方案方面，移遠針對業界各大主流模型進行了大量驗證，摸清了模型的能力邊界和適用場景。在用戶場景中，如果直接采用現成模型構建方案，會導致嚴重的精度和準確性問題。而移遠會基于用戶場景，進行模型微調，確保模型與場景完全匹配，用戶能獲得最佳體驗。

模型部署更是移遠的強項。他們深耕行業多年，對垂直行業有非常充分的了解，能夠針對不同行業用戶的場景需求，進行從小模型到大模型的適配部署。

端側AI落地，不僅考驗硬件算力，也考驗軟件算法。而算法，是基于數據不斷磨合而成熟的。移遠通信在算力、算法和數據方面，都具有自身獨特的優勢，從而形成了強大的市場競爭力，也成為行業用戶的合作首選。

接下來，我們不妨從目前端側AI最火爆的兩個應用方向，詳細看看移遠方案究竟是如何落地的。

█機器人

先來看看現在最熱門的機器人（具身智能）賽道。

具身智能是機器人智能的理論基礎，而機器人是具身智能的物理載體。目前，業界普遍認為，機器人（具身智能）是大模型技術在端側落地的關鍵場景，已經進入了高速發展的快車道。

機器人，尤其是服務類機器人，需要與用戶進行直接交互，需要應對復雜場景下的感知、決策和控制任務，對實時數據處理有極高的要求。

通過在端側集成AI大模型，服務機器人能夠在本地進行數據處理，大幅降低數據延遲，提高響應速度。用戶可以獲得更加流暢、智能、高效的機器人服務體驗。

移遠通信的端側大模型解決方案，已經成功實現了在服務機器人領域的落地。

該方案基于SG885G模組，融合了前沿的LLM（大語言模型）、RAG（檢索增強生成）與Agent（智能體）等業界主流技術，可以實現 “情景理解、知識融合、智能交互、自主決策、任務執行”等多種功能。

在移遠端側大模型解決方案的助力下，服務機器人可實現1s以內的意圖識別，解碼速率超過15 tokens/s（人的正常語速約為10 tokens/s），語音交互更加自然。

目前，在醫療康養、智能客服、接待導覽、零售導購等多個實際場景，移遠大模型解決方案賦能的服務機器人，都展現出了強大的應用價值，也吸引了行業內外的廣泛關注。

不久前，移遠通信聯合德壹發布了全球首款搭載端側大模型的AI具身理療機器人，就非常有代表性。

這款創新產品支持8自由度3D視覺導航，融合尖端AI技術、中醫理療智慧與具身智能，可以實現“無人化、個性化、精準化”的理療體驗。

這款機器人甚至可以支持無網模式。在沒有網絡連接、沒有理療師介入的情況下，它都可以快速且準確地理解用戶的自然語言指令和意圖，高效完成通用聊天、醫療領域RAG問答、指令控制等任務。

此外，德壹機器人還具備很強的觀察能力。它借助多模態感知技術（視覺+力控+紅外熱成像），實時掃描用戶身體，精準識別人體經絡與穴位。通過結合用戶健康數據與實時體征，德壹機器人能夠動態生成個性化理療方案。

目前，在亞健康調理、慢性疼痛緩解、產后康復等多個場景，德壹機器人都已投入商用，為用戶提供服務。

█AI智能無人零售

自動售貨機是大家比較常見的一個物聯網應用場景。

在多年的發展歷程中，自動售貨行業經歷了從機械式到RFID射頻技術、重力感應、靜態視覺識別、動態視覺識別等多種商品識別方式的演變。 從靜態視覺到動態視覺，均以AI視覺識別能力為基礎，且依賴于物聯網技術的支撐。

在2025世界移動通信大會（MWC）上，移遠通信宣布推出全新AI智能無人零售解決方案，采用的就是前沿的“動態視覺+邊緣計算”技術。

該方案采用高性能5G AI算力模組SG560D（同時也兼容其它多款算力模組），依托在自研算法上的深厚技術積累，對硬件推理性能進行了深度優化，可以直接對實時動態視頻流進行計算，實現精準商品識別和秒級響應速度，帶給消費者“掃碼開門、即拿即走”的無縫購物體驗。

在SKU（庫存單位）方面，該方案經過海量數據的深度訓練，具備更強的模型泛化能力，可精準識別上千種商品。方案的模型能力還能持續在線升級，不斷拓展可識別商品的種類。

在準確率方面，方案采用“單/雙攝像頭+智能算法識別”等多重機制，并結合重量等數據進行交叉驗證，可以實現高達99%的端到端識別準確率。

在支撐客戶運營方面，方案可無縫對接客戶應用程序，為其提供全棧式技術與服務支撐，實現實時數據分析，并且能夠深度洞察消費偏好。這可以助力客戶實現數據驅動的精細化運營，進一步降本增效。

目前，移遠AI智能無人零售解決方案已經與興元科技“喵星人”智能售貨機等多家客戶產品完成系統集成，并進入實地場景測試階段。

█開發板——端側AI產品開發神器

除了豐富的AI模組及解決方案，在加速端側AI應用落地的過程中，移遠通信還打造了QuecPi Alpha智能生態開發板，以高效、靈活等優勢，推動端側AI技術不斷突破。

在2025世界移動通信大會（MWC）上，該開發板正式面向全球市場發布。

所謂開發板，就是一個開發平臺。物聯網技術應用于千行百業，每個行業都有不同的場景需求。因此，需要一個開發板平臺，進行行業場景下的物聯網終端開發技術測試和驗證。

尤其是端側AI落地，很多企業用戶都需要一個平臺，驗證大模型的能力，以及性能、功耗和兼容性表現。

QuecPi Alpha智能生態開發板基于高通躍龍? QCS6490處理器打造，配備8核CPU，8GB/4GB LPDDR4X內存，AI算力高達12 TOPS。其支持Linux、Ubuntu等多種開源操作系統，并采用高通Adreno? 642L/643 GPU，在處理圖像及視頻數據等AI計算任務時，展現出卓越的靈活性和高效性。

QuecPi Alpha可以說是端側AI產品開發的一個神器，廣泛覆蓋了AIoT行業的諸多應用場景，如AI邊緣計算、工業機器人、服務/陪伴/教育/娛樂機器人、工控、多媒體終端、數字廣告牌、智能家居等。

以智慧交通和智能安全為例，QuecPi Alpha能夠在復雜場景下快速、精準地識別并標注車輛、車牌、行人等目標物體。它在邊緣計算、低延遲處理方面的優異表現，為交通管理等領域的實時決策提供了有力支持。

█結語

根據最新數據，全球端側AI設備市場規模已超過600億美元，年復合增長率（CAGR）達到22%。預計到2030年，更將超過1500億美元。

這是一個巨大的市場機遇。想要把握這個機遇，就必須在端側算力、模型適配、模型部署等方面進行深入研究和持續投入。選擇一個好的物聯網解決方案，顯然能夠以最短的周期推出滿足用戶體驗的產品，從而在激烈的市場競爭中脫穎而出。

我們期待這個市場的進一步爆發，加速推動AI的落地和普及，將人類早日帶入真正的數智時代。