2025年电子行业专题报告：重构科技生态，引领智能革命

一、大模型商业生态推动端侧场景落地

（一）AI 大模型的商业生态与格局——价格下探，应用百花齐放

Chat GPT 引领 AI 产业发展进入新阶段。Chat GPT 是 Open AI 在 2022 年底推出的人机对话模 型，上线 5 天内收获 100 万用户，不到 2 个月日活量突破 1000 万，成为史上增长最快的消费级应 用，引发国内外公司竞相推出 AI 大模型，并在多模态融合、推理与逻辑能力强化和上下文理解与长 序列处理优化等多个方向上不断向前迭代。截至 2024 年 12 月 31 日，中国共有 302 款生成式人工 智能服务在国家网信办完成备案，其中 2024 年新增 238 款备案。AI 产业发展较此前明显加速，进 入繁荣发展新阶段。这一阶段全球多数公司对 AI 的投入集中在大模型的训练，从而拉动相关硬件需 求。

各参与方积极探索 AI 大模型商业化路径。中国 AI 通用大模型参与方主要包括云厂商、初创公 司、高校研究院和传统 AI 企业，在过去两年中都在积极探索 AI 通用大模型商业化路径。AI 通用大 模型的盈利方式分为 B 端和 C 端，在实际应用中，AI 通用大模型的行业参与者通常混合使用多种商 业模式。目前，国内 AI 通用大模型在 B 端的商业化模式已日渐清晰，主要以行业定制化解决方案和 Maas 模式为主。C 端的商业化，如订阅付费，尚未达成预期的稳定收益并形成清晰的发展路径。 大模型降价助推商业化进程。短期内 AI 大模型领域涌入众多参与者，行业竞争异常激烈。以阿 里云为例，2024 年 5 月阿里云率先调整降价，此后在 9 月、12 月再次降价，行业内其他参与方如百 度、字节跳动、智普也选择降价。大模型价格降低推动了 AI 技术在各行业的普及和应用，降低了企 业和个人使用 AI 技术的门槛 。

Deepseek-V3 及 R1 大模型问世有望加速 AI 大模型商业化。2024 年 12 月，DeepSeek 发布大语 言模型 V3，同时宣布开源，测试结果显示，V3 的多项评测成绩超越 Qwen2.5-72B 和 Llama-3.1-405B 等其他开源模型，甚至可以与 GPT-4o、Claude 3.5-Sonnet 等闭源模型相媲美。 DeepSeek 的模型定价显著低于 Open AI。DeepSeek-V3 及 R1 问世以来，国内 GPU 厂商如华为昇 腾、海光信息、沐曦、摩尔线程和天数智芯等国内 GPU 厂商适配其大模型，云厂商如阿里云、腾讯 云、华为云、京东云均上线 DeepSeek 模型，支持公有云和私有化部署，国内相关生态呈现百花齐放， 有望加速 AI 大模型商业化进程。

2022 年底 ChatGPT 问世至今，AI 产业发展明显加速，各参与方积极投资硬件，同时探索商业化 路径。期间，由于美国对中国技术封锁，国内 AI 产业发展略微滞后。Deepseek-V3 及 R1 大模型的 出现尽管没有打破 scaling law，但是为产业发展探索出新的路径，即在有限算力的前提下，通过 算法优化和工程创新可以得到相同效果的大模型。DeepSeek 选择开源有望加速大模型商业化进程。

（二）端侧垂直应用落地与场景需求

端侧 AI 是指在终端设备上运行 AI 模型，相较于云端大模型，端侧模型在资源有效的设备上高 效运行，需要进一步多模型进行压缩、推理加速和能耗优化。将大模型部署在端侧设备，可高效赋 能智能终端，如降低延迟，更快响应用户请求；隐私保护，减少数据传输，从而降低隐私泄露的风 险；减轻云端服务器的计算负担，降低对中心化计算资源的依赖，从而降低成本；根据用户的具体 设备和使用习惯进行定制化优化，提供更加个性化的服务；部分场景下不需要连接网络，提高了应 用的灵活性。 AI 加持下，手机将由工具升级为助手。手机的发展从早期的功能机过渡现阶段的智能机，目前 各品牌智能手机高度同质化，缺乏创新也导致消费者换机周期拉长。各品牌厂商将 AI 视为下一轮手 机升级的主要方向，苹果在 iOS 18 中引入全新的 AI 功能，全新的 Siri 采用了先进的大型语言模 型，新版本的 Siri 能够更准确理解用户的意图。华为在 HDC 2024 上提出 Harmony Intelligence，搭载了大模型的小艺，在鸿蒙原生智能框架下升级为系统级智能体，其交互和意图理解能力增强。 IDC 预计 2024 年全球生成式人工智能手机出货量为 2.34 亿部，在全球智能手机出货量占比为 19%， 2024 年至 2028 年全球 AI 手机复合增速将达到 40.5%。

AI PC 有望承载个人大模型需求。普通用户不仅需要公共的大模型服务，也需要专属的个人大 模型。个人大模型的普及，必然带来用户对大模型的专属化需求的提高，而云端公共大模型无法满 足消费者多样化的需求，专属化的成本相对较高。在众多消费电子产品中，PC 有望成为适合承载大 模型的理想平台，其主要优势包括： PC 具备全模态的人机自然交互条件。PC 拥有最多样化交互方式的终端设备，既包括相对直接触 控交互、语音交互、手势控制，也具备更加复杂的键鼠交互、数字笔交互等。多元化的交互方式使 得 PC 在承载创新的 AI 交互方式方面具备巨大潜力。 PC 是承载最多场景的个人通用设备。PC 作为一种通用生产力平台，既能够承载以消费内容为主 的生活娱乐场景，也能够承载以创作内容为主的工作、学习等场景。 PC 是迄今为止最强的个人计算平台。PC 自诞生以来始终代表了个人计算平台的能力巅峰，PC 的通用计算能力强劲，并得到长期优化，在性能、成本、体验方面达到最佳配置，是个人计算设备 中拥有最强性能的通用计算平台。 PC 是存储容量最大、最受信赖的安全终端。随着用户使用 AI 应用的频次提高，个人交互数据 量快速增加，数据安全性和隐私保护的重要性日益凸显。PC 拥有大容量的本地安全存储，用户在本 地终端设备上进行数据分析、模型推理与计算，个人数据不再需要存储在云端或远程服务器，可以 安全地保留在用户的设备，提高了数据的安全性。

AI PC 能够为用户提供通用场景下的个性化服务，提供即时、可靠的服务响应，更低的大模型 使用成本以及可信、安全的个人数据和隐私保障。针对工作、学习等场景，AI PC 可提供个性化创 作服务、设备管家服务等在内的个性化服务。响应速度慢、反馈时间长是用户对 AIGC 平台使用的主 要负面反馈，AI PC 以本地推理为主，边缘和云端推理为辅，能够在混合算力、混合模型之间智能、 合理调配任务，有效缩减响应时间，离线状态下的可操作性也是 AI PC 的优势。AI PC 的消费者一次性购买后即可享受全生命周期的本地免费推理服务，再加上有限的云端订阅，可显著降低用户使 用 AI 大模型的成本，同时也降低了带宽成本。AI PC 有专门用于存储用户的特定类型文件与数据的 安全空间，确保个人用户与企业用户的隐私与涉密信息能在本地实现安全隔离，仅在受信任的环境 下才可以被调用。 AI 大模型加持，AR 眼镜升级为智能眼镜。据 VR 陀螺不完全统计，2024 年全球已公开亮相、正 式发布的智能眼镜系列产品达到了 46 款。其中，聚焦 AI 音频、拍摄的眼镜为 9 款，AI+AR 眼镜、 AR 信息提示眼镜为 22 款，分体式 XR 眼镜、观影眼镜为 15 款。2023 年已有部分厂商为 AR 眼镜提 供基础的 AI 语音交互，2024 年部分厂商开始在 AR 眼镜上增加摄像头，以满足多模态交互的可能 性。对于传统的 AR 厂商而言，AI 大模型加持让 AR 眼镜升级为智能眼镜。以 Meta 和雷朋合作的眼 镜为例，产品虽然在 2023 年发布，但多模态的 AI 功能，从 2024 年才开始陆续推送到用户侧。RayBan Meta 的多模态 AI 功能，通过眼镜上的摄像头，可以让用户实现如翻译眼前的法语菜单、通过 语音指令查询实时信息、识别街道建筑等。

（三）端侧产业链全景图

目前，端侧 AI 芯片厂商、中游模组及软件厂商、下游终端厂商的产业链上下游正积极推动 AI 在端侧部署落地。其中，AI 手机的核心变化是 SoC 升级。 手机 SoC 厂商重点布局 AI。在功耗和散热受限的终端上使用通用 CPU 和 GPU 服务平台，难以满 足 AI 用例严苛且多样化的计算需求；同时，AI 用例在不断演进，在功能完全固定的硬件上部署这 些用例不切实际。因此，支持处理多样性的异构计算架构能够发挥每个处理器的优势，例如以 AI 为 中心的定制设计的 NPU，以及 CPU 和 GPU。每个处理器擅长处理不同的任务：CPU 擅长顺序控制和即 时性，GPU 适合并行数据流处理，NPU 擅长标量、向量和张量数学运算，可用于核心 AI 工作负载。 高通在 2015 年正式推出的骁龙 820 处理器集成首个高通 AI 引擎，支持成像、音频和传感器运算， 2018 年高通在骁龙 855 中为 Hexagon NPU 增加了 Hexagon 张量加速器。2019 年高通在骁龙 865 上 扩展了终端侧 AI 用例，包括 AI 成像、AI 视频、AI 语音和始终在线的感知功能。2020 年高通凭借 Hexagon NPU 变革型的架构更新，融合标量、向量和张量加速器，同时还为加速器打造了专用大共 享内存。2021 年推出的骁龙 8 Gen 1 AI 算力为 9 INT8 TOPS，骁龙 8 Gen2 AI 算力提升 4.35 倍； 骁龙 8 Gen3 的 NPU 算力进一步提升 98%。2017 年华为发布的麒麟 970 首次集成人工智能专用 NPU 神 经网络单元，同年苹果推出的 A11 处理器首次引入神经网络引擎（Neural Engine）。

满足 AI 需求需要升级手机内存。在手机上运行 10 亿参数的大模型至少需要 1GB 内存，运行 70 亿参数大模型需 4GB 内存，运行 130 亿参数大模型需要超过 7GB 内存。在处理数据时，需要在手机 内存中进行临时的存储和运算。AI 手机可能支持多个 AI 任务运行，需要更多内存支持多个任务同 时运行。模型存储需求、数据处理需求和多任务处理需求驱动 AI 手机内存容量提升，安卓旗舰手机 从 2023 年开始逐步淘汰 8GB 内存，以 12GB 及以上内存配置为新标配，部分高端机型已配备 24GB 内 存。此外，AI 运算需要快速读取和存储数据，对内存的读写速度要求更高；更大的内存带宽能够确 保 CPU、GPU 和 NPU 等硬件和内存之间的数据传输更加顺畅。 AI 手机对散热系统要求更高。为了保证手机在高负荷运行 AI 任务时的性能和稳定性，需要散 热系统具备更强的散热能力。传统的散热方式可能无法及时有效地将热量散发出去，因此 AI 手机通 常需要采用更先进的散热技术和材料，如更大面积的散热石墨片、散热铜管、均热板等，以提高散 热效率。

提升电池容量和发展快充技术以满足 AI 手机需求。高计算需求、多任务处理和数据传输会加快 AI 手机电量消耗，为了满足 AI 手机对电量的高需求，手机厂商会倾向于采用更大容量的电池，以 延长手机的续航时间。例如，部分高端 AI 手机的电池容量已经从过去的 3000mAh-4000mAh 提升到 4500mAh-5000mAh。碳硅电池比传统的石墨电池能实现更高的能量密度，从而实现长时间续航。同时， 为了弥补 AI 手机电量消耗快的问题，快充技术得到了更广泛的应用和发展。 综上，端侧 AI 最大的变化在于在 SoC 升级，其次存储容量的提升以及带宽、传输速率的提升也 至关重要，散热方案的升级、电池容量的提升需要同步进行。

二、全球云厂商 capex 投入稳步增长，Deepseek 让端 侧模型落地成为可能

（一）全球云厂商 Capex 投入持续攀升，算力需求呈现高速增长

国外大型云服务厂商近两年资本开支快速增长。从最近几个季度的数据能明显看出，海外四大 CSP 厂商亚马逊、微软、谷歌、Meta 的资本开支增长强劲，尤其是从 2023 年到 2024 年期间，资 本开支增速呈现出明显的上升趋势，AI 算力需求的持续紧缺是重要的驱动因素，这些公司都在加大 在 AI 领域的投入，加快部署 AI 数据中心以抢占市场，对服务器、数据中心和网络基础设施等方 面的投资成为资本开支的重点。从具体数据来看，亚马逊、微软、谷歌、Meta 的 4Q24 的资本开支 分别为 260.52、142.76、138.73、144.25 亿美元，同比分别增长 29.6%、55.1%、34.4%、88.2%，环 比分别增长 9.3%、26.7%、35.2%、74.7%。海外对于算力投入均在高速增长。

全球 AI 服务器市场规模呈现出迅猛增长的态势。根据 TrendForce 的最新研究，预计 2024 年整个服务器行业的总价值将达到 3060 亿美元。其中，与 AI 服务器相关的行业价值估计约为 2050 亿美元，与标准服务器相关的行业价值相比，增长更为强劲。展望 2025 年，由于需求持续旺 盛且产品平均售价较高，预计 AI 服务器细分市场的价值将升至 2980 亿美元。此外，预计到 2025 年，AI 服务器将占整个服务器行业总价值的 70% 以上。 从行业规模来看，2023 年中国智能算力总规模已经达到了 389.1EFlops，预计到 2027 年，规模 将会增长至 1694.9EFlops。从算力结构的视角来看，虽然目前训练算力占比仍然比较多，但随着大 模型应用的不断加深和推广，推理算力的需求正在逐步增加。智能芯片架构的快速迭代升级，单张 芯片可承载的算力快速增长；智能芯片厂商加紧增加产能，保证产量的供给，但高端算力的供给缺 口仍然严重。应用端的人工智能需求迅速爆发并向下传导，影响了各企业对于自身数智业务布局。各行业的企业都积极探索人工智能潜在应用场景。对算力资源的采购上也有所倾斜，整体算力仍处 于供不应求的状态。

在数字经济蓬勃发展的当下，政策扶持是推动中国 AI 服务器市场规模扩张的关键。国家接连 出台政策支持 AI 产业，为 AI 服务器行业的高速增长注入动力。 相关企业纷纷抢占先机，加速在 AI 服务器领域布局，从技术研发到产能扩充全方位发力。同 时，人工智能在智能安防、智慧医疗等领域的应用场景逐步落地，这使得 AI 服务器在整体服务器 市场中的占比稳步提升。 为满足不断攀升的计算和数据处理需求，中国企业与研究机构积极投身技术研发创新。在高性 能处理器、大容量内存、高速存储器和高效冷却系统等领域，全力突破技术瓶颈，探索新架构、新 材料，提升自主创新能力与核心竞争力，为产业长远发展奠定基础。

从我国 AI 服务器推理和训练工作负载情况来看，据统计，2021 年我国 AI 服务器推理负载占比 约 55.5%，未来有望持续提高，预计到 2025 年我国 AI 服务器推理负载占比达 60.8%。

（二）端侧 AI 快速发展，DeepSeek 让端侧模型低成本成为可能

AI 计算主要依赖于云端，但云端计算存在延迟和数据隐私的问题。而端侧 AI 可以在本地处理 数据和任务，实现快速响应，无需将数据传输到云端，从而提升用户体验并保护隐私。随着 NPU 的 广泛应用，端侧设备逐渐具备了处理 AI 任务的能力。NPU 是专为神经网络计算设计的加速器，与传 统 CPU 和 GPU 相比，它在执行 AI 模型时效率更高、功耗更低，适合资源受限的设备。NPU 技术的进 步推动了终端设备在语音识别、图像处理和自然语言处理等多模态任务上的性能提升。例如，现代 智能手机可以利用内置 NPU 实现实时物体识别，帮助用户管理和分类照片。

目前，端侧大模型主要发展语言模型和文生图模型，未来将向多模态领域拓展。多模态模型能 处理语言、图像、音频、视频等多种数据，满足多样应用需求。比如用户能用自然语言和图片与设 备交互，获得更智能体验。这不仅推动人机交互进步，还让终端更懂用户需求。端侧 AI 的个性化 也是未来重点。通过在设备上个性化训练，它能适应不同用户习惯，提供定制服务。像手机 AI 学 习用户拍照偏好后，能自动调参数、推荐拍摄模式。这既能提升用户依赖度，也为终端厂商带来商 业机遇。 端侧 AI 的应用场景从智能手机、PC 等拓展到可穿戴设备。随着 NPU 技术提升，可穿戴设备 虽体积小巧，却能实现语音识别、健康监测和图像处理等功能。比如搭载 NPU 的智能手表，能本地 处理语音命令，使用更便捷。新兴的智能眼镜等可穿戴设备，借助端侧 AI 实现实时翻译、情绪识 别等功能，拓宽了应用边界。在可穿戴设备中引入 AI，厂商能打造更具吸引力的产品，在市场竞争 中占据优势。像兼具实时语音翻译和心率监测功能的智能手表，在出国旅行、健康管理等场景实用 性强，提升了用户生活质量。

智算在 AI 深度学习领域发挥着举足轻重的作用，主要应用体现在以下关键方面： 加速模型训练：深度学习模型结构复杂，参数数量庞大，训练过程对计算资源需求极高。智能 算力借助 GPU（图形处理器）、TPU（张量处理单元）这类高性能计算设备，显著加快了模型训练进 程。以 GPT-4 等大型语言模型为例，训练时需要处理海量文本数据，智能算力的强大运算能力可快 速完成复杂的矩阵运算，大幅缩短训练时间。 优化推断推理：在模型推断阶段，智能算力通过高性能计算设备与专门的推理芯片，显著加速 了深度学习模型的推断过程。这使得模型能够在更短时间内处理输入数据并输出结果，大幅提升了 模型的实时性和稳定性。在智能安防领域，实时视频监控的目标检测任务需要快速响应，智能算力 可确保检测结果及时准确输出。 助力模型优化：借助智能算力，能够对模型进行自动化的超参数调优，精准找到最适配的参数 组合；开展网络结构搜索，探寻更高效的模型架构；实施模型剪枝，去除冗余连接，从而进一步提 升模型的精度和效率。

人工智能芯片的架构与应用类型存在较大区别。架构上，传统计算机架构含 GPU、FPGA、ASIC。 GPU 用于图像处理，适合数据密集计算；FPGA 可无限次编程，开发时间短；ASIC 依特定需求定制， 能效高。类脑计算架构的 NPU 模仿大脑神经结构，多为研究型芯片，商业化程度低。应用方面，训 练算力对芯片算力要求高，多为 FP32 与 FP16 精度；推理算力对芯片算力要求低，多为 FP32 与 FP64 精度，强调低延时等特性。 Deepseek 浪潮席卷 AI 领域，端侧成本逐步下降。2025 年 1 月 20 日，DeepSeek 正式发布其 DeepSeek-R1，最大的亮点：1，性能比肩 OpenAI o1 正式版。2，价格为每百万输入 tokens 1 元（缓 存命中）/4 元（缓存未命中），每百万输出 tokens 16 元。而且在开源 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。更强的性能，更低 的训练与推理成本，将加速推动 AI 应用与硬件的普及和落地。

借助算法能力，DeepSeek 降低 AI 普及成本。借助算法创新，如 FP8 低精度训练，大幅降低大 模型训练成本，减少内存占用与通信开销，让国产 GPU 在算力不足时也能高效训练。推动开源，吸 引全球开发者，降低模型使用门槛，助力 AI 技术向产业渗透。端侧应用爆发推高算力需求，其推 理端低成本优势或推动市场格局转变，让端侧模型低成本成为可能。

（三）端侧模型快速发展，端侧 SoC 未来发展呈现新趋势

LLM 单纯云端部署（例如 ChatGPT）并不广泛接受。如下图统计所示，88%的参与者倾向于边缘 -云协作架构，其中 58.33%支持本地部署，81.82%对现有的仅云端解决方案不满意。他们的主要担 忧是:1)远程大型语言模型服务的高延迟，2)将个人数据传输到云端的风险，3)云端大型语言模型服 务的成本。

2023 年边缘大型语言模型开始陆续爆发，当时出现了几个参数量低于 10B 的模型，使其能在边 缘设备上运行，包括 meta 的 LLaMA 系列，微软的 Phi 系列，智谱的 ChatGLM，阿里巴巴的 Qwen 等。 进入 2024 年创新步伐加快，边缘端部署的优势是能够缩短响应时间，并直接应用在如手机、汽车、 可穿戴设备上。2022 年至 2032 年，按终端用户划分的全球设备边缘人工智能市场规模。市场将以 25.9%的复合年增长率增长，预计 2032 年的市场规模为 1436 亿美元。 尽管在边缘端部署大模型有诸多优势，但考虑到端侧有限的计算能力、存储能力和能源限制等， 使得直接部署基于云端的 LLM 困难重重。再评估设备端大型语言模型的性能时，有几个关键指标需 要考虑：延迟、推理速度、内存使用、存储和能耗。通过优化这些性能指标，设备端大型语言模型 能够在更广泛的场景中高效运行，提供更好的用户体验。同时针对边缘设备的部署，在保持性能的 同时提高计算效率至关重要，通过量化、剪枝、知识蒸馏和低秩分解，这些方法通过平衡性能、内 存占用和推理速度来提高大语言模型的运行效率，确保其在设备端应用中的可行性。

近年来，人工智能技术的迅猛发展和移动设备硬件的不断升级，使得在边缘设备上部署大型语 言模型成为可能。作为人们日常生活中最常用的设备，智能手机上的语言模型引人注目。目前，全 球主要手机品牌已开发并发布了多款先进的模型，这些模型采用设备端部署或设备-云协同策略。

设备端语言模型正开启一个智能、响应迅速、个性化应用的新时代。通过将先进的自然语言处 理能力直接引入用户设备，这些模型正在改变人们与技术互动的方式。从即时消息建议到实时语言 翻译，从保密医疗咨询到尖端自动驾驶汽车。在资源受限设备上部署 LLM 面临独特挑战，这些挑战 与传统的基于云的实施有显著不同。这些挑战涉及多个领域，包括模型压缩、高效推理、安全性、 能源效率，以及与多样化硬件平台的无缝集成等。

随着蒸馏模型能力提升，端侧 SoC 未来发展呈现新趋势。蒸馏模型可将大型模型知识迁移至小 型模型，大幅降低对硬件资源要求，让端侧设备运行复杂 AI 模型成为现实。以 DeepSeek R1 等 模型为例，其运用强化学习和模型蒸馏技术，能在本地设备高效推理，且训练只需极少量标注数据， 既增强了模型适应性与灵活性，又降低了部署成本。在硬件方面，未来 NPU 等专用硬件加速器进一 步发展，将使端侧设备处理复杂 AI 任务的能力更高效。这些趋势将推动 AI 从云端向本地设备转 移。一方面，设备能够在离线状态下独立完成复杂 AI 任务，数据无需上传至云端处理，提高了数 据隐私保护水平，避免数据在传输与存储过程中可能面临的泄露风险。另一方面，减少了对网络连 接的依赖，无需等待云端响应，直接在本地快速处理，提升了处理效率，使 AI 应用在更多场景下 得以快速、安全地实现，为用户带来更便捷、高效且安全的体验，也为 AI 在更多领域的深入应用 拓展了空间。

三、AI 引领硬件创新，催化换机需求

（一）传统终端：催化换机需求，缩短换机周期

消费电子终端换机需求通常由三重因素催动：1）刚性需求：硬件性能瓶颈、物理损坏；2）诱 导性需求：技术革新和生态变化、功能升级；3）隐形需求：运营商补贴、以旧换新等政策刺激，消 费观念与生活方式的改变。近年来，受设备耐用性和可靠性提升、产品性能提升速度放缓、宏观经 济环境较差等因素影响，换机周期逐步放缓。我们认为，AI 的出现或将带来颠覆性的性能革命，从 而催动新一轮的换机周期加速到来。 Deepseek 的出现将再次推进这一进程。我们认为，Deepseek 的关键在于降本增效，通过更低的 训练与推理成本，实现更强的性能。此前，端侧 AI 受限于计算能力、存储能力、能源限制等，而云 端 LLM 的部署受限于高延迟、隐私风险、服务成本等，因此 AI 应用的落地仿佛镜花水月。Deepseek 通过对资源的高效利用，降低了对高端硬件的依赖，使得本地设备上中小规模 LLM 的性能得到提升， 从而推动 AI 应用从云端向端侧迁移。同时，AI 应用向端侧迁移很好的解决了用户关于隐私风险的 顾虑，进一步推动 AI 应用在端侧的落地。 Deepseek 不仅证明了通过数据蒸馏可以使大模型迁移至小型高效模型并部署在本地，同时证明 了其性能不受影响。根据 Deepseek 官方公布的了 DeepSeek-R1-Zero 与 OpenAI 的 o1-0912 模型在 各种推理相关基准上的比较分析，可以看出 DeepSeek-R1-Zero 基本达到了与 OpenAI 的 o1-0912 相 当的性能水平。这种“小而美”的模型的出现，为开发者、内容创作者乃至小型初创者提供了更多 的选择，端侧小模型或将遍地开花，从而带动 AI 消费终端的快速渗透。

1） 手机：从“有限的性能提升”到“ AI 的无限可能”

近年，智能手机同质化严重，功能创新匮乏，一众厂商主要通过堆叠手机的硬件性能来进行迭 代升级。然而，这种升级方式对于消费者的吸引力逐渐下降，用户换手机的欲望越来越低。2023 年， 全球消费者的换机周期延长至自 2008 年以来历史最长的 51 个月（换机率为 23.5%）。2024 年受经 济复苏和 5g 迁移影响，换机率略有回升但未见明显改善，为 23.8%。新一轮换机潮的来临，需要颠 覆性功能创新的推动。

我们认为在 AI 的催化下，手机即将迎来新一轮换机潮，主要有以下两个原因：1）以 AI 技术驱动的手机功能变革是新一轮手机迭代的核心推动力。AI 手机通过集成和应用人工智能技术，可以提 供更加智能化、个性化的用户体验，并在摄影、性能优化、安全、健康管理等方面展现出显著的优 势。随着 AI 技术的不断发展，这些差异可能会进一步扩大，人们的生产力和创造力将进一步释放。 2）手机厂商积极入局是手机快速革新的催化剂。今年以来，有 10 余款 AI 手机面市，年初发布的三 星 Galaxy S24 为用户带来通话实时翻译、即圈即搜、转录助手和笔记助手、浏览助手以及生成式编 辑等创新 AI 应用；荣耀 Magic6 带来包括任意门交互、智慧成片功能以及灵动胶囊等多种基于意图 识别的全新人机交互体验；华为 Pura 70 也内置盘古大模型，具备 AI 隔空操作和智感支付等功能。

手机虽然不是 AI 普惠化的唯一载体，但是其在高频、实时、个性化的 AI 服务中具有不可替代 性，是 AI 普惠化的关键载体。根据 Canalys 的数据，2024 年 AI 手机的渗透率为 16%，同比增加 11pct，到 2028 年这一比例将大幅提升至 54%。2024-2028 年间，AI 手机的市场规模将以 63%的年均 复合增长率快速扩容，手机的新一轮换机周期蓄势待发。

2）PC：从“工具”到“生产力伙伴”

在 AI 出现之前，PC 市场也堪称“无聊”，其外观形态已较为固定，厂商主要围绕性能对 PC 进 行升级。AI 的出现，也将使得 PC 具有被重新定义的机会。不同于平板、手机等智能终端设备，PC 具有强大的计算和存储能力、丰富的交互方式、广泛的应用场景、可进行多任务处理，同时还可以 通过增配硬件和预装支持 AI 开发、运行的软件环境实现定制化及功能拓展。因此，AI PC 是承载大 模型的理想载体。

通过搭载大模型，AI PC 可以实现多种形式的生产力跃迁，如：1）内容创作：通过 Notion AI 自动生成文章大纲、修正语法，提升写作者效率；2）数据分析：从手动核实分析数据到通过 AI 自 动生成可视化报告；3）编程开发：AI 辅助编码工具 GitHub Copilot 可以自动生成部分代码，帮助 程序员快速编写高质量代码等。 通过生产力的跃迁，PC 将不再是单纯的硬件设备，而是具备了训练、运营的价值，从“工具” 升级为“生产力伙伴”。因此，用户在购买 PC 产品时将不仅仅考虑硬件性能，AI PC 生态的构建和 应用都将影响用户的购买决策。

Deepseek 在端侧 AI 体现出来的优势无疑会加速 AI PC 的迭代和优化，从而加速用户的决策进 程，缩短用户换机周期。恰逢 Win10 也即将终止支持，PC 市场或将迎来今年最强换机潮。摩根士丹 利预测，AI PC 市场的渗透率将从 2024 年的 2%提升至 2028 年的 64%，出乎量将从 2024 年的 500 万 台增加至 2028 年的 1.75 亿台，CAGR 高达 36.78%。

（二）新型终端：创新产品高发区，AI 个人化的重要拼图

1）可穿戴设备：极适合 AI 个人化的产品形态

与手机、PC 等传统的计算设备通过按键、触碰等物理接触进行交互不同，可穿戴设备可以通过 语音、手势、图像、心率等方式进行交互，可以创造更直观、更自然且身临其境的用户体验。可穿 戴设备在贴身性、数据连续性、多模态感知等方面具备突出优势，因此，是极适合 AI 个人化的产品 形态。同时，新型的可穿戴设备呈现隐形、轻量、柔性的趋势，也是产品形态创新的高发区。在 2025 的 CES 大会上，联想展示了可穿戴设备 AI Travel Set，其中包含的 AI 吊坠作为新的产品形态搭载 了 AI 实时处理功能，可实现场景识别、重点事件抓取以及即拍即分享的功能，为可穿戴 AI 产品的 多样化打开了想象空间。

此前，可穿戴设备多作为手机的延伸产品出现。2024 年的 MWC 大会上，AI PIN 带着“为用户带 来没有智能手机的世界的愿景”横空出世，虽然其实际表现不及预期，存在响应速度慢、电池续航 短、设备过热、激光投影亮度不足以及 AI 功能表现不佳等多种问题，但是为可穿戴设备向着独立 AI 硬件发展提供了方向。 AI PIN 的核心功能依赖于云端大模型，通过将指令文本上传至 GPT-4 等云端模型进行推理，推 理的结果再通过设备反馈给用户，从而也带来了连接不稳定和延迟的问题。近日，Deepseek 的出现 展现了端侧大模型落地的可能，为解决此类问题带来了希望，可穿戴设备的迭代进程或将加速。

根据 Fortune Business Insights 数据，2023 年全球可穿戴人工智能市场规模为 310 亿美元。 随着人工智能的快速崛起，预计该市场将从 2024 年的 388.5 亿美元增长到 2032 年的 2602.9 亿美 元，预测期内复合年增长率为 26.8%。最有希望快速落地的 AI 眼镜出货量将在 2025 年达到 1280 万 副，同比增长 26%，其中我国 AI 眼镜出货量将同比增长 107%达到 280 万副。

2）AI 玩具等：创新产品高发区，交互体验显著提升

在 2025 年的 CES 展上，除了较为常规的手机、PC、可穿戴产品外，AI 玩具也成为一大亮点。 玩具本就是具有情绪价值属性的产品类型，AI 技术的加持使得玩具的趣味性、陪伴性进一步加强， 同时提升了用户的参与感。玩具的边界逐渐被打破，从被动的陪伴工具变成了智能伙伴，有望成为 连接现实与数字世界的桥梁。 目前，已有多家公司推出相关产品，除较早布局的 Folo Toy 基于“大模型+故事机”推出了火 火兔等 IP 合作玩具外，字节跳动、苹果等海内外大厂也纷纷入局。近日，苹果推出了一款具有表现 型的 AI 伴侣台灯，再次为 AI 伴侣型机器人的发展打开了无限可能。

相比于其他类型的产品，AI 玩具的硬件限制本就较少，成本限制是 AI 玩具发展过程中的一大 问题。DeepSeek 的出现很大程度上的解决了这一问题，更将加速 AI 玩具的快速迭代和落地。根据 Research and Markets 数据，2022-2030 年全球 AI 玩具的市场规模将从 87 亿美元提升至 351.1 亿 美元。随着承担情感需求的 AI 玩具逐渐量产，我国 AI 情感陪伴行业市场规模也将从 38.66 亿美元 增长至 595.06 亿美元，CAGR 达到 148.74%。

编辑：火腿肠