钉钉重返“无招”时代：分分合合背后的新机遇与挑战
根据电子发热友网报道，随着2025年春节前后DeepSeek的问世，全球AI产业的市场格局和发展模式发生了重大变化。DeepSeek的迅猛发展进一步推动了“边缘 + AI”的市场需求，显著降低了大型模型在边缘计算的部署和运营成本。各类应用相继接入DeepSeek，包括搜索引擎、汽车、智能手机等，显示出广泛的市场适应性。
## DeepSeek与主动智能的新时代产品总监王韬在“开放通信之好—预测端侧AI未来”的直播中表示，DeepSeek将端侧AI从被动智能提升到主动智能，这也引发了关于算力、算法和应用的新思考与挑战。移动通信提供的端侧大型模型方案，深入结合LLM（大型语言模型）、RAG（检索增强生成）和Agent（智能体）等前沿技术，赋能端侧AI的创新。
### 端侧AI的崛起端侧AI并非新兴概念。最初，行业利用DSP等专用芯片处理语音识别、图像处理等任务。随着芯片算力的提升，行业开始探讨如何将复杂算法融入终端设备。2021年前后，AI大型模型的引入标志着端侧AI进入认知智能阶段。根据头豹研究院发布的《2024年中国端侧AI场景应用研究报告》，2023年中国端侧AI市场规模已达1939亿元，预计到2028年将增至19071亿元，年均复合增长率为58%。
从千亿迈向万亿，端侧AI的增长主要来自端侧应用与边缘计算的深度融合。这种融合将自然架构、场景创新和产业生态三个维度重新构建端侧AI的市场格局。王柯指出，相较于云端AI，端侧AI在时效性、推理成本等方面表现更优，同时也保护用户的隐私安全。此外，端侧AI的特点是能够减少对网络的依赖，即便在信号不良或无网络环境下也能继续提供推理功能。
## DeepSeek的技术优势与挑战然而，将云端AI大型模型部署到端侧仍面临诸多挑战。例如，如何保障端侧推理效率与模型性能的稳定、如何实现硬件、软件与商业模式的协同发展等。在DeepSeek出现之前，端侧AI的发展面临云计算依赖与端侧计算的共存难题。由于端侧设备受到算力、存储和功耗的限制，难以承载超过10B参数的大型模型，只能依赖云端来完成复杂任务，从而导致延迟和隐私安全的顾虑。同时，模型的简化也限制了多模态交互或主动决策的能力。
DeepSeek的出现对端侧AI的发展具有变革性意义。它采用了创新的MoE（混合专家）架构，例如在DeepSeek-V3模型中，每一层包括256个专家和1个共享专家，每个Token仅激活8个专家，大幅降低了训练和推理成本；通过高效的蒸馏技术，将大型模型的推理能力转化为更小、更高效的版本，弥补了小型推理模型自我训练的不足；此外，DeepSeek-R1-Zero的验证版表明，仅需经过强化训练，便可获得显著的推理能力。
## 端侧AI应用场景的多样性DeepSeek的创新使端侧AI有可能独立完成复杂任务，从而将决策权从云端实际转移至边缘设备。王柯认为，DeepSeek展现了一种“少即是多”的AI大型模型部署理念，进一步推动了模型的紧凑化发展。目前，3B或4B参数级的模型已能相当于此前的7B参数模型。
从硬件角度来看，移动通信的DeepSeek技术使得以较小体量的模型实现更强的算力，这意味着小算力芯片、小容量存储和小BOM即可实现高效的端侧AI方案。目前，端侧AI大型模型的主要落地场景包括AI PC、AI手机、AI可穿戴设备、AI智能家居和AI智能汽车等。特别是在机器人应用领域，尤其是类人机器人，正是端侧AI的蓝海市场。通过技术架构的优化与场景的适配，端侧AI大型模型将推动机器人产业转向更高级别的自动化与智能化。
### 移远通信的全方位解决方案正如多位产品经理在直播中提到的，移动通信为端侧AI的落地提供了包括智能硬件、算力、算法和应用的完整解决方案，助力用户快速实现端侧AI从理念到落地的商业转型。
## 对主流AI大型模型的有效支持AI大型模型是AI智能体的核心。目前，移动通信的模型解决方案可以实现AI模型的端侧部署，支持通义千问、DeepSeek等主流AI大型模型。
针对当前热门的DeepSeek，DeepSeek-R1版本注重强化训练过程，其蒸馏版本参数范围为1.5B至70B。得益于蒸馏过程，这些小型模型虽然体量较小，但性能强劲，非常适合端侧AI的应用。目前，移动通信的高算力AI智能模块SG885G已经能够稳定运行DeepSeek-R1的蒸馏小模型，并完成针对性的微调。
实测数据表明，移动通信SG885G模块运行DeepSeek-R1蒸馏小模型的生成Token速度超每秒40个Token。按照人类的语速换算，人类每分钟能说300-400个字，约500-600个Token。因此，能支持每秒准确输入10个Token的AI模型便已经能够满足商业落地的需求。
未来，随着性能的持续优化，该方案的速度还将进一步提升，为智能终端设备赋予更强大的AI能力。该方案适用于智能机器人、智能座舱、机器视觉、智能虚拟助手、机器人电脑、老年监护、智能家居、AI玩具及可穿戴设备等多元化场景。
## 移远通信的智能模块产品矩阵边缘计算智能模块是AI智能体的基础。移动通信面向端侧AI应用提供了丰富的模块产品，SG885G-WF是该公司当前在端侧AI领域主推的一款智能模块，集成高通QCS8550芯片，综合算力高达48 TOPS，且提供LCM、摄像头、触摸屏、I2S、PCIe、UART、USB、I2C等全方位接口资源。为满足端侧AI在算力、成本、功耗等方面的需求，移动通信还推出了包括但不限于以下产品系列：
- 基于高通QCS8250的SG865W系列，算力为15 TOPS； - 基于高通QCM6490的SG560D系列，算力为12 TOPS； - 基于锐讯UIS7885的SG530C系列，算力为8 TOPS； - 基于RK3568的SG368Z系列，算力为1 TOPS。
罗铮介绍，整体而言，移动通信的智能模块可以覆盖1 TOPS到48 TOPS的算力需求，公司还在规划80-100 TOPS甚至更高算力的产品，以满足客户在端侧AI不断增长的算力需求。
同时，移动通信还开发了有助于用户方案实现的开发板，如在MWC 2025上发布的QuecPi Alpha智能生态开发板，基于高通跃龙QCS6490处理器，AI算力高达12 TOPS，能够满足多种AIoT应用场景中对物体识别、图像处理等功能的多样化需求。这些硬件方案都能灵活支持安卓、Linux和Ubuntu等操作系统，充分满足客户在高端机器人和端侧AI方面的开发需求。
### 智能模块与AI大型模型的协同应用
如前所述，移动通信的智能模块和大型模型解决方案具有广泛的应用场景。以下通过一些案例，展示移动通信如何利用智能模块和AI大型模型赋能端侧AI应用。
#### AI机器人应用案例第一个案例是当前热门的AI机器人。基于移动通信端侧大型模型解决方案中的SG885G-WF智能模块和完整语音链路架构，服务机器人能够快速响应指令、问题或紧急情况，准确理解用户意图，并以自然的语音反馈，真正实现无感交互。值得指出的是，得益于SG885G-WF的高算力，移动通信的“大模型+AI机器人”解决方案即便在离线状态下也能提供完整的AI能力。
这一解决方案使得服务机器人在末端市场具备强大的应用价值，涵盖养老护理、智能客服、导览讲解和零售导购等多个领域。在整个落地过程中，移动通信的技术团队提供了高效、全面的工程化支持，助力客户产品快速进入市场，并获得竞争优势。例如，在医疗护理领域，德壹机器人基于移动通信集成的SG885G-WF模块推出了“全能王”AI具身机器人，具备3D视觉导航能力，结合高端AI技术与中医理疗能力，重新定义了智能疗养的工作范畴。
沈锋认为，DeepSeek等AI大型模型的推出为机器人行业的发展注入了新活力，重塑了机器人的“脑”。目前，机器人仅具备一些基础能力，在交互方面存在较大短板，而引入AI大型模型将改善这一局面。未来，更多端侧AI机器人将会应用于各个场景，这将是未来五年增长率极高的领域。
#### AI智能无人零售方案第二个案例是AI智能无人零售解决方案，移动通信通过大型模型重新定义了无人零售的交互体验。在MWC 2025上，移动通信发布了围绕“动静视觉 + 边缘计算”构建的全新AI智能无人零售解决方案。该解决方案基于移动通信高性能5G AI算力模块SG560D，支持先进的全链路商品识别算法，识别准确率高达99%，同时具备创新的上新平台等软硬件功能，可以无缝对接客户的应用需求。除了SG560D模块搭载的QCM6490平台之外，移动通信的这一方案还能兼容更多算力平台，以满足无人售卖机厂商的多样化竞争需求。
目前，移动通信的AI智能无人零售解决方案已与兴元科技的“喵星人”智能售货机等多家客户的产品达成系统集成，并进入了实际场景的试验阶段。
## 结语作为端侧AI生态的重要构建者，移动通信正通过“智能模块 + AI大型模型”的双轮驱动，重塑端侧AI的产业格局。其一站式大型模型解决方案深度结合DeepSeek等前沿AI模型，结合SG885G-WF等高性能AI模块，成功突破了端侧部署的算力瓶颈和工程困境。在机器人、智能零售、汽车电子等场景中，建立起“原地决策 - 实时交互 - 隐私保护”的闭环能力。
未来，移动通信将持续深耕算力平台迭代，推出80至100 TOPS甚至更高算力的智能模块，结合场景化算法优化，将AI大型模型的能力扩展至更广泛的端侧AI场景。
