两年前，AI创业的关键词还是“百模大战”。从通用大模型到行业模型，参数规模不断刷新纪录，融资金额屡创新高，市场一度形成“谁不做大模型实盘配资平台，谁就会被淘汰”的共识。
但近阶段，风向正在发生明显变化。无论是在硅谷，还是在国内创投圈，纯粹以“再做一个大模型”为核心卖点的创业项目，正快速降温。取而代之的，是轻量化小模型、AI Agent以及设备端（On-Device）AI等方向。
这并非技术热情消退，而是一场由成本、商业化和资本逻辑共同驱动的理性回归。在2026年的国际消费类电子产品展览会(CES)上，这一趋势尤其明显。第一财经独家采访了设备端（On-Device）AI创业公司Aizip的联合创始人陈羽北。他是典型的在美华人工程师代表，曾于清华大学和加州大学伯克利分校分别获得学士和博士学位，如今在加州大学戴维斯分校任教并进行创业项目。
陈羽北表示，设备端AI正在成为创业公司的新赛道。通过“用大模型生成小模型”的方法，通过收集数据、购买数据和大模型蒸馏三种途径获取所需数据，使AI能够直接在终端设备上运行，无须依赖云端或网络。这种模式不仅降低了成本，也保证了数据隐私，并使智能应用能够快速落地。当前，这一设备端AI模型已经在多个终端品牌落地，与全球多家头部硬件厂商展开合作，包括软银、ARM、Microchip等知名上市公司。
不再死磕算力、效率先行
2025年12月，OpenAI的CEO山姆·奥特曼（Sam Altman）发出“红色警报”（Code Red），要求公司加速推进在ChatGPT方面的工作，推迟其他产品的开发，以应对来自谷歌Gemini3等对手的挤压。
尽管大模型之战越发白热化，但进入该赛道的竞争者不增反减，行业的共识也逐渐形成，这将成为几个资本雄厚的巨头之间的争夺。
多位参与CES的风投圈人士和AI企业创业者对第一财经表示，大模型已经成为一场高度资本密集型的竞赛。千亿参数模型的单次训练成本动辄数千万美元，而推理阶段的算力消耗同样惊人。随着GPU价格高企、云算力账单持续攀升，大模型的“边际成本”并未如预期般快速下降。
对于创业公司而言，这意味着两点现实压力：资金消耗速度远超传统软件创业；即便模型性能提升，商业化路径仍高度不确定。多位投资人私下直言，大模型项目正在变成“技术上成立，但财务模型难以自洽”的典型案例。
于是，更多资本和AI创业者将目光投向轻量化模型和AIAgent（AI智能体），Aizip也是其中之一。尽管大模型缩放定律，即scaling law，训练数据和模型参数越大，模型的智能越强，这仍然有效，但AI从业者也认识到了不死磕算力的关键性。
陈羽北表示，博士毕业后，他意识到自己在工程能力上尚有短板，于是选择加入Yann LeCun的团队，在Facebook AI Reserch以及纽约大学从事博士后研究，这段经历也帮助他补齐了模型工程化与规模化模型训练方面的能力。
“当时，我们能直接使用每次训练配备512张V100显卡的大规模算力。我们写一篇论文消耗的计算资源可能就要花上百万美元。scaling确实有效——更多的数据、更大的模型以及更直接的优化通常能带来性能提升，但并非总是成正比。”他称。
比如，数据规模扩大300倍，模型性能可能只提升个位数的百分点。这让他开始反思数据质量、模型结构、工程严谨性等因素的实际影响。换句话说，有了充足资源后，才真正知道哪些研究方向值得投入，哪些在资源有限时可以回避。
事实上，近年来，很多AI创业公司盲目推高模型规模，资源已经用到极限，却很难再从scaling中获得突破。于是，陈羽北也越发认为，要尊重scalinglaw，但不能迷信它。“特别是在创业时，我们的思路是反向而行的——不是做更大，而是做‘全球最小、最高效’的AI系统。这和主流强调通用人工智能（AGI）、取代人的方向并不一致。”他说。
设备端AI萌芽
在这一背景下，设备端AI已经成为全球AI界颇为热门的新兴方向之一。
简单来说，设备端AI直接跑在手机、笔记本、相机等设备上，不依赖云，甚至不需要互联网。其特点在于，轻量化模型适合本地处理少量数据，响应快，低延迟。数据不出设备，更安全。以我们熟悉的应用为例，手机拍照自动美颜/夜景增强。iPhone上的Siri或照片识别。智能门锁或家用机器人做语音/图像处理。
陈羽北表示，专注于设备端AI的Aizip本质上是一家纯软件公司，只做AI模型的研发，本质上是在大模型的基础上训练、生成适合于各种垂直小模型。同时，创业团队对硬件有非常深的理解，联合创始人过去创立的公司曾服务于Apple等客户。
“设备端AI模型的训练，主要通过收集数据、购买数据和大模型蒸馏三种途径，同时也要评估数据合规性，使用高质量产品级数据。”他称，尽管目前专注的是本地化智能赛道，但也会对标Gemini等最优越的模型，在细分应用上追求达到或超越其性能，可利用视觉语言模型(VLM)。尽管scalinglaw仍然有效，但在需求明确的应用上，大模型scalinglaw可能会逐步失效。
据第一财经观察，当前三类应用场景的商业化前景已经颇为突出——卡拉OK声音解决方案、智能摄像头、智能唤醒助手。
以卡拉OK声音解决方案为例，在传统的卡拉OK或在线唱歌应用中，用户往往只能使用原版伴奏或在线处理，而端侧解决方案能够直接在用户设备上完成声音分离，即识别歌曲中的人声部分，并将其消除，只保留背景音乐。无须上传歌曲到云端或依赖在线计算。
再以智能摄像头为例，端侧识别与安全报警的功能也具备商用前景。AI解决方案使得摄像头能够在设备端完成复杂的图像识别任务，例如区分来访人员身份，是快递员，还是潜在的偷取快递的陌生人，并实时提醒无法全程监控环境的用户，如果识别到异常行为，摄像头能够自动发出报警信号，提示用户采取措施。对家庭、社区和物流企业来说，这种模式具备实时性、安全性和隐私保护的三重优势。用户无须担心摄像头数据被传到云端或被第三方访问，同时能够在第一时间获得安全警示。
陈羽北表示，客观来说，目前真正的设备端AI革命尚未到来，不过市场热度比之前更高，从产品化、落地和客户需求能看出，进入真实产品场景增多。未来发展的催化剂在于，有更多刚需应用，如智能手表语音能力、婴儿监控摄像头等，能培养用户习惯，且注重隐私保护，将AI能力放到本地。
他也坦言，当前行业对AI模型训练人才和算力需求依然极高，华人工程师在AI浪潮中更是扮演了关键角色，这也源于他们本身的优势——数理基础好、工作努力，学新技术速度快，解决工程类问题能力强，在既定赛道发展较快。相比之下，美国的顶尖工程师亦有自己的特长，他们的思想则更不羁，更敢进行打破常规的想象，在创造新路线方面更有创新思考能力。
举报 第一财经广告合作，请点击这里此内容为第一财经原创，著作权归第一财经所有。未经第一财经书面授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。第一财经保留追究侵权者法律责任的权利。如需获得授权请联系第一财经版权部：banquan@yicai.com 文章作者
韦薇
相关阅读
HALO崛起，SaaS震荡：软件行业的DeepSeek时刻到了吗？SaaS必“死”，但这也意味着更多的软件将“重生”，这是一场软件行业的“文艺复兴”。
371 03-04 14:17
美股科技股大震荡，资金却逆势抢筹港股，机构认为AI投资仍是主线“AI浪潮和科技自立自强依然是时代主线”
10 162 02-06 20:29
国产大模型密集发布，“春节AI竞赛”提前开幕模型的盲目竞争阶段结束，进入以推理能力为主导的时代。
369 01-28 16:50
中国企业出海的三种制胜路径中国企业出海已成必选项，通过AI技术、爆款硬件和成熟产品三大路径实现从商品输出向服务与产业深度本地化升级，并在全球消费电子与科技舞台上占据主导地位。
10 197 01-27 14:39
推理需求爆发，国产芯片从“堆算力”转向系统协同国产算力正处于一个非常有利的位置实盘配资平台。
136 01-27 19:55 一财最热 点击关闭文章为作者独立观点，不代表免息配资网观点
