曾經(jīng)，“百模大戰(zhàn)”是AI創(chuàng)業(yè)領(lǐng)域的關(guān)鍵詞，從通用大模型到行業(yè)模型，參數(shù)規(guī)模不斷突破，融資金額持續(xù)攀升，市場(chǎng)一度形成“不做大模型就會(huì)被淘汰”的強(qiáng)烈共識(shí)。然而，如今風(fēng)向已悄然轉(zhuǎn)變，無(wú)論是在硅谷還是國(guó)內(nèi)創(chuàng)投圈，單純以“打造大模型”為核心賣點(diǎn)的創(chuàng)業(yè)項(xiàng)目熱度迅速下降，輕量化小模型、AI Agent以及設(shè)備端（On-Device）AI等方向正成為新的熱門賽道。

這一轉(zhuǎn)變并非技術(shù)熱情的消退，而是成本、商業(yè)化和資本邏輯共同作用下的理性回歸。在2026年的國(guó)際消費(fèi)類電子產(chǎn)品展覽會(huì)（CES）上，這一趨勢(shì)尤為顯著。設(shè)備端AI創(chuàng)業(yè)公司Aizip的聯(lián)合創(chuàng)始人陳羽北在接受采訪時(shí)表示，設(shè)備端AI正成為創(chuàng)業(yè)公司競(jìng)相涌入的新賽道。陳羽北是典型的在美華人工程師，擁有清華大學(xué)學(xué)士和加州大學(xué)伯克利分校博士學(xué)位，目前還在加州大學(xué)戴維斯分校任教并開(kāi)展創(chuàng)業(yè)項(xiàng)目。

陳羽北介紹，設(shè)備端AI通過(guò)“用大模型生成小模型”的方式，利用收集數(shù)據(jù)、購(gòu)買數(shù)據(jù)和大模型蒸餾三種途徑獲取所需數(shù)據(jù)，讓AI能夠直接在終端設(shè)備上運(yùn)行，無(wú)需依賴云端或網(wǎng)絡(luò)。這種模式不僅降低了成本，還保障了數(shù)據(jù)隱私，使智能應(yīng)用能夠快速落地。目前，Aizip的設(shè)備端AI模型已在多個(gè)終端品牌實(shí)現(xiàn)應(yīng)用，并與軟銀、ARM、Microchip等全球多家頭部硬件廠商展開(kāi)合作。

2025年12月，OpenAI首席執(zhí)行官山姆·奧特曼發(fā)出“紅色警報(bào)”，要求公司加速推進(jìn)ChatGPT相關(guān)工作，推遲其他產(chǎn)品開(kāi)發(fā)，以應(yīng)對(duì)谷歌Gemini3等對(duì)手的競(jìng)爭(zhēng)壓力。盡管大模型領(lǐng)域的競(jìng)爭(zhēng)愈發(fā)激烈，但進(jìn)入該賽道的競(jìng)爭(zhēng)者數(shù)量卻在減少，行業(yè)逐漸形成共識(shí)：大模型之戰(zhàn)將成為資本雄厚的巨頭之間的爭(zhēng)奪。

多位參與CES的風(fēng)投圈人士和AI企業(yè)創(chuàng)業(yè)者表示，大模型已成為高度資本密集型的競(jìng)賽。千億參數(shù)模型的單次訓(xùn)練成本高達(dá)數(shù)千萬(wàn)美元，推理階段的算力消耗同樣驚人。隨著GPU價(jià)格居高不下、云算力賬單持續(xù)攀升，大模型的“邊際成本”并未如預(yù)期般快速下降。對(duì)于創(chuàng)業(yè)公司而言，這意味著資金消耗速度遠(yuǎn)超傳統(tǒng)軟件創(chuàng)業(yè)，且即便模型性能提升，商業(yè)化路徑仍充滿不確定性。多位投資人私下直言，大模型項(xiàng)目正成為“技術(shù)可行，但財(cái)務(wù)模型難以自洽”的典型案例。

在此背景下，更多資本和AI創(chuàng)業(yè)者將目光轉(zhuǎn)向輕量化模型和AI Agent，Aizip便是其中之一。盡管大模型縮放定律（即訓(xùn)練數(shù)據(jù)和模型參數(shù)越大，模型智能越強(qiáng)）仍然有效，但AI從業(yè)者也意識(shí)到，不應(yīng)盲目追求算力。陳羽北回憶，博士畢業(yè)后，他意識(shí)到自己在工程能力上存在短板，于是加入Yann LeCun的團(tuán)隊(duì)，在Facebook AI Research以及紐約大學(xué)從事博士后研究，這段經(jīng)歷幫助他補(bǔ)齊了模型工程化與規(guī)?；Ｐ陀?xùn)練的能力。

“當(dāng)時(shí)，我們能夠直接使用配備512張V100顯卡的大規(guī)模算力進(jìn)行訓(xùn)練。寫一篇論文消耗的計(jì)算資源可能就要花費(fèi)上百萬(wàn)美元。Scaling確實(shí)有效——更多的數(shù)據(jù)、更大的模型以及更直接的優(yōu)化通常能帶來(lái)性能提升，但并非總是成正比?！标愑鸨闭f(shuō)。例如，數(shù)據(jù)規(guī)模擴(kuò)大300倍，模型性能可能僅提升個(gè)位數(shù)的百分點(diǎn)。這讓他開(kāi)始反思數(shù)據(jù)質(zhì)量、模型結(jié)構(gòu)、工程嚴(yán)謹(jǐn)性等因素的實(shí)際影響。近年來(lái)，許多AI創(chuàng)業(yè)公司盲目推高模型規(guī)模，資源已用到極限，卻很難再?gòu)目s放中獲得突破。因此，陳羽北認(rèn)為，要尊重縮放定律，但不能迷信它?！疤貏e是在創(chuàng)業(yè)時(shí)，我們的思路是反向的——不是追求更大，而是打造‘全球最小、最高效’的AI系統(tǒng)。這與主流強(qiáng)調(diào)通用人工智能（AGI）、取代人的方向并不一致?！?/p>

設(shè)備端AI正是在這樣的背景下成為全球AI界熱門的新興方向。簡(jiǎn)單來(lái)說(shuō)，設(shè)備端AI直接在手機(jī)、筆記本、相機(jī)等設(shè)備上運(yùn)行，不依賴云端或互聯(lián)網(wǎng)。其特點(diǎn)在于輕量化模型適合本地處理少量數(shù)據(jù)，響應(yīng)速度快、延遲低，且數(shù)據(jù)不出設(shè)備，安全性更高。例如，手機(jī)拍照的自動(dòng)美顏和夜景增強(qiáng)功能、iPhone上的Siri或照片識(shí)別功能、智能門鎖或家用機(jī)器人的語(yǔ)音和圖像處理功能等。

陳羽北介紹，Aizip本質(zhì)上是一家純軟件公司，專注于AI模型的研發(fā)，在大模型的基礎(chǔ)上訓(xùn)練、生成適合各種垂直場(chǎng)景的小模型。同時(shí)，創(chuàng)業(yè)團(tuán)隊(duì)對(duì)硬件有深入理解，聯(lián)合創(chuàng)始人過(guò)去創(chuàng)立的公司曾服務(wù)于Apple等客戶。“設(shè)備端AI模型的訓(xùn)練主要通過(guò)收集數(shù)據(jù)、購(gòu)買數(shù)據(jù)和大模型蒸餾三種途徑，同時(shí)要評(píng)估數(shù)據(jù)合規(guī)性，使用高質(zhì)量的產(chǎn)品級(jí)數(shù)據(jù)?！彼硎?，盡管目前專注于本地化智能賽道，但也會(huì)對(duì)標(biāo)Gemini等優(yōu)秀模型，在細(xì)分應(yīng)用上追求達(dá)到或超越其性能，可利用視覺(jué)語(yǔ)言模型（VLM）。盡管縮放定律仍然有效，但在需求明確的應(yīng)用上，大模型的縮放定律可能會(huì)逐步失效。

據(jù)觀察，當(dāng)前卡拉OK聲音解決方案、智能攝像頭、智能喚醒助手三類應(yīng)用場(chǎng)景的商業(yè)化前景尤為突出。以卡拉OK聲音解決方案為例，傳統(tǒng)卡拉OK或在線唱歌應(yīng)用中，用戶只能使用原版伴奏或在線處理，而端側(cè)解決方案能夠直接在用戶設(shè)備上完成聲音分離，識(shí)別并消除歌曲中的人聲部分，只保留背景音樂(lè)，無(wú)需上傳歌曲到云端或依賴在線計(jì)算。

再以智能攝像頭為例，端側(cè)識(shí)別與安全報(bào)警功能具備商用潛力。AI解決方案使攝像頭能夠在設(shè)備端完成復(fù)雜的圖像識(shí)別任務(wù)，例如區(qū)分來(lái)訪人員身份（是快遞員還是潛在偷取快遞的陌生人），并實(shí)時(shí)提醒無(wú)法全程監(jiān)控環(huán)境的用戶。如果識(shí)別到異常行為，攝像頭能夠自動(dòng)發(fā)出報(bào)警信號(hào)，提示用戶采取措施。這種模式對(duì)家庭、社區(qū)和物流企業(yè)而言，具備實(shí)時(shí)性、安全性和隱私保護(hù)的三重優(yōu)勢(shì)，用戶無(wú)需擔(dān)心攝像頭數(shù)據(jù)被傳到云端或被第三方訪問(wèn)。

陳羽北坦言，目前真正的設(shè)備端AI革命尚未到來(lái)，但市場(chǎng)熱度比之前更高，從產(chǎn)品化、落地和客戶需求來(lái)看，進(jìn)入真實(shí)產(chǎn)品場(chǎng)景的數(shù)量正在增多。未來(lái)發(fā)展的關(guān)鍵在于更多剛需應(yīng)用的出現(xiàn)，如智能手表的語(yǔ)音能力、嬰兒監(jiān)控?cái)z像頭等，這些應(yīng)用能夠培養(yǎng)用戶習(xí)慣，且注重隱私保護(hù)，將AI能力放到本地。

他還提到，當(dāng)前行業(yè)對(duì)AI模型訓(xùn)練人才和算力的需求依然極高，華人工程師在AI浪潮中扮演了關(guān)鍵角色。這源于他們的優(yōu)勢(shì)——數(shù)理基礎(chǔ)好、工作努力、學(xué)習(xí)新技術(shù)速度快、解決工程類問(wèn)題能力強(qiáng)，在既定賽道發(fā)展較快。相比之下，美國(guó)頂尖工程師也有自己的特長(zhǎng)，他們的思想更自由，更敢于打破常規(guī)想象，在創(chuàng)造新路線方面更具創(chuàng)新思考能力。