“人工智慧+”的價值70％來自物聯網，DeepSeek催化“萬物智聯”

2025-05-10 16:37 物聯網智庫

作者：彭昭（智次方創始人、雲和資本聯合創始合夥人）
物聯網智庫 原創
這是我的第359篇專欄文章。
最近，全球科技行業的焦點無疑落在了DeepSeek引發的熱潮之上。幾乎在一夜之間，全球市場對中國AI大模型及其相關產業的態度發生了180度轉變——從此前的“過度悲觀”瞬間跳躍至“極度樂觀”，2025也似乎成為中美AI對決元年。
德意志銀行和高盛等國際投行更是紛紛預測，不僅僅是DeepSeek，2025年將成為中國企業在全球AI競爭中崛起的關鍵一年。然而，這並非外資投行第一次高調看好中國企業。我們需要保持清醒，避免被短期的市場情緒裹挾。
現實是，我們AI產業化的程序仍處於起步階段，距離真正的規模化落地，還有漫長的道路要走。當前的市場情緒雖然熱烈，但更重要的是探討AI如何真正推動產業升級，創造長期價值。
在這場AI產業化變革中，物聯網IoT將成為核心驅動力，引領AI技術從實驗室走向千行百業的實際應用。根據IoT Analytics預測，全球2025年物聯網連線數將超過270億，廣泛存在的物聯網終端能夠感知海量資料，為AI應用提供67%-72%的資料支撐。
可以確定的是，DeepSeek的突破將加速AIoT從1.0的“萬物互聯”邁向2.0的“萬物智聯”，進而推動AI在產業中的深度應用，實現更為徹底的智慧化變革。
AIoT 1.0的核心價值在於“連線”——即讓裝置能夠互相通訊、資料互通，AIoT 2.0的核心價值在於“智慧”——即讓裝置不僅能感知世界，還能自主決策、最佳化運營，並持續學習進化。
在這一過程中，DeepSeek及其背後的AI大模型技術將成為關鍵變數。其影響不僅僅體現在提升資料處理能力，更在於推動資料驅動的閉環智慧——即從物聯網裝置收集資料，AI模型深度挖掘價值，最終反哺物理世界的最佳化與決策。
這一閉環的實現，將帶來AI產業化應用的質變，加速朝著“人工智慧+”千行百業的方向升級。
因此在今天的文章中，我們將一起探索：
  • DeepSeek如何加速AIoT產業發展？

  • AIoT的哪些具體場景將率先實現突破？

  • 中國AIoT企業如何在全球競爭中佔據先機？

DeepSeek加速“硬體覺醒”，催化“萬物智聯”

近年來，小型、低成本、高效能的開放AI模型正在重塑人工智慧的創新格局。這一趨勢不僅降低了AI的准入門檻，也為邊緣計算場景帶來了全新的可能性。

相比依賴雲端計算的大型模型，DeepSeek能夠在本地執行，這對於資料隱私敏感的行業和對低延遲有極高要求的AIoT裝置來說，屬於重大突破。
要讓AI真正嵌入到計算和儲存資源有限的物聯網裝置中，必須對基礎模型進行最佳化。儘管AIoT產業前景廣闊，但AI在邊緣計算環境中的落地仍然存在三大核心挑戰：

1. 計算資源受限：如何讓AI在邊緣裝置上高效執行？

物聯網裝置通常算力有限，難以支援大型AI模型的推理計算。目前主流的模型最佳化方法包括：
  • 剪枝：

    刪除AI模型中的冗餘引數，提高計算效率。

  • 蒸餾：

    將大型模型的知識遷移到小型模型，使其在低算力環境下依然具備強大能力。

  • 量化：降低計算精度，以減少記憶體佔用和能耗，使AI能夠在嵌入式裝置上執行。

2. 資料隱私與安全：如何在邊緣端保護敏感資料？

在許多關鍵基礎設施（如電網、醫療裝置、智慧工廠）中，資料安全至關重要。傳統的AI依賴雲端訓練和推理，但這意味著資料需要傳輸到雲端，可能帶來隱私洩露風險。

3. 網路效率與即時性：如何減少資料傳輸的成本和延遲？

AIoT應用通常涉及海量資料的即時處理，如果所有資料都需要上傳至雲端進行分析，延遲和頻寬成本都會大幅上升。在某些場景下，例如自動駕駛、智慧製造、智慧城市等，即使毫秒級的延遲也可能導致嚴重後果。
DeepSeek初步驗證透過正確的最佳化策略，基礎模型可以被壓縮並嵌入到邊緣裝置中，從而突破計算資源的瓶頸。透過邊緣AI推理，DeepSeek讓裝置能夠在本地處理資料並作出決策，無需依賴雲端計算，從而帶來以下優勢：
  • 即時性：

    減少資料回傳雲端的延遲，提高響應速度。例如，在自動駕駛系統中，DeepSeek使AI可以在本地分析攝像頭資料，並做出即時決策。

  • 降低網路成本：減少資料傳輸量，降低頻寬消耗，使AIoT裝置能夠在低網路條件下正常執行。
在AIoT產業化程序中，DeepSeek的關鍵技術突破主要體現在以下三方面：
1. 本地化AI模型：讓AI執行在邊緣裝置上
DeepSeek採用模型提煉方法，使AI能夠在計算資源有限的裝置上執行。例如，DeepSeek-R1透過高效的模型架構，使AI能夠在智慧攝像頭、工業感測器、智慧家居裝置等場景中發揮作用，而不需要連線雲端。
2. 分散式學習：實現AIoT裝置的自我進化
DeepSeek支援邊緣端的AI訓練，讓裝置可以根據本地資料進行自我最佳化，而不必上傳資料到雲端。這對醫療、金融、工業控制等對資料隱私要求極高的行業尤為重要。
3. 專用AIoT硬體：推動AI計算能力向邊緣擴充套件
儘管DeepSeek在軟體層面進行了最佳化，但AI的計算需求仍然較高。與之配套的專用AI晶片與硬體加速器也在快速發展。隨著摩爾定律的持續演進，未來幾年，更強大的AI晶片將繼續向邊緣擴充套件，進一步推動AIoT的發展。
隨著AI成本的持續下降、硬體效能的不斷提升，AIoT的普及速度將呈指數級增長。DeepSeek作為AI產業化的推動者，正加速這一程序，使AIoT在智慧製造、智慧城市、醫療健康、自動駕駛等多個行業釋放巨大價值。

優先獲益：邊緣計算、AIoT晶片與資料管理服務

在DeepSeek加速AIoT產業發展的背景下，哪些具體環節和場景將率先迎來突破？邊緣計算、AIoT晶片和資料管理服務，有可能將成為AIoT產業化落地的三大核心驅動力。
這三個環節不僅直接受益於AI技術的進步，也將在AIoT生態中發揮核心作用。

1. AIoT晶片：構建遍佈各行業的AI計算基礎設施

AI要真正進入各行各業，必須與行業場景中的裝置深度結合，而這些裝置需要具備本地AI計算能力。相比傳統的CPU和GPU，專為端側AI計算最佳化的AIoT晶片具備以下優勢：
  • 更低功耗：

    AIoT裝置通常在低功耗環境下執行，如智慧攝像頭、工業感測器、智慧家居裝置等，因此AIoT晶片比高功耗的伺服器GPU更適合邊緣AI計算。

  • 更高效的AI推理：

    AIoT晶片專為AI計算最佳化，能在低算力環境下高效執行AI模型，提升推理速度和能效比。

  • 更低的AI部署成本：隨著DeepSeek等低成本、高效能AI大模型的普及，端側AI推理的成本正在迅速下降，使AIoT晶片的商業化前景進一步擴大。
在文章《端側AI應用提速，AIoT晶片群雄逐鹿》中，我曾經分析AIoT晶片已然進入全球範圍內群雄逐鹿的態勢，DeepSeek可能會讓企業間的角逐更加激烈。
DeepSeek的開源策略，加上其高效的推理能力和低算力適配性，將推動AIoT晶片公司迎來新一輪增長。此外，隨著本地AI部署趨勢的加速，端側AI計算需求將在2025年迎來爆發，AIoT晶片市場的增長潛力不可小覷。

2. 邊緣計算：從“雲中心優先”到“邊緣優先”

傳統AI計算依賴雲端，然而在即時性、安全性、頻寬成本等方面，邊緣計算有著天然優勢。DeepSeek透過釋出R1模型及其精簡版，使AI計算能夠被更廣泛地部署到邊緣裝置。
這不僅降低了AIoT裝置的計算門檻，也加速了企業向“邊緣優先”計算架構的轉型。正如微軟CEO薩蒂亞·納德拉曾在財報電話會議上指出，“人工智慧將更加無處不在”，因為越來越多的工作負載將在本地執行，DeepSeek的發展趨勢與這一觀點高度契合。

3. 資料管理服務：AIoT時代的“資料中樞”

AI的本質是資料驅動，AIoT裝置每天都會產生、傳輸、儲存和分析大量資料，這對資料管理能力提出了更高要求。沒有高效的資料管理，AI再強大也難以發揮作用。但是AIoT的資料管理普遍面臨諸多挑戰，包括資料分散且格式複雜、資料安全與合規性要求高、資料驅動的AI訓練需求多種多樣等。
既然AI需要大量資料進行訓練和最佳化，那麼顯而易見，資料管理服務商將成為AI產業鏈中的關鍵角色。隨著DeepSeek及類似開源AI模型的普及，越來越多企業將利用AI進行資料分析、預測和最佳化，這將極大推動資料管理市場的增長。
綜上，在AIoT產業化的過程中，邊緣計算、AIoT晶片和資料管理服務可能將率先迎來突破。接下來，我們將探討 中國 AIoT 企業如何在全球市場中佔據優勢，以及未來 AIoT 產業的長期發展趨勢。

中國AIoT企業具備先機

雖然中美AI大模型的角逐難分伯仲，但是“人工智慧+”產業化應用的勝負已分，因為在全球AIoT競爭格局中，中國企業正處於獨特且有利的競爭位置。
憑藉龐大的物聯網裝置基礎、強大的供應鏈整合能力和政府政策支援，我國AIoT企業有望在全球市場率先實現規模化商業落地，並在AI產業化浪潮中佔據主導地位。

1. 龐大的物聯網裝置基礎：資料驅動AIoT產業化

中國是全球最大的物聯網市場之一，在智慧家居、智慧製造、智慧城市、自動駕駛等領域的IoT裝置出貨量全球領先。這一優勢帶來了兩個關鍵性資源，助推AIoT產業發展：
  • 豐富的應用場景：

    海量的IoT裝置意味著AIoT在工業製造、智慧醫療、智慧交通等行業具有天然的落地環境，能夠快速實現商業化。

  • 海量的資料資源：AIoT的核心競爭力在於資料驅動的智慧化，中國市場的大規模裝置部署使企業能夠迅速積累資料，最佳化AI模型，從而形成資料閉環，加速AI產業化應用的成熟。

2. 強大的供應鏈整合能力：軟硬一體化的AIoT生態

中國企業在硬體製造、晶片設計、5G通訊等領域具備完整的產業鏈，能夠軟硬一體化推進AIoT發展，而不僅僅依賴軟體演算法。
這方面的代表性企業眾多，比如美格智慧正在加速開發DeepSeek-R1在端側的落地應用，並計劃在2025年推出100TOPS級別的AI模組，遠期規劃超200TOPS算力，為邊緣AI計算提供強勁支援。
廣和通的高算力AI模組可全面支援DeepSeek-R1小型模型，提升終端裝置的AI計算能力。
映翰通在EC5000邊緣計算機上成功部署DeepSeek-R1蒸餾模型，為工業質檢、智慧交通、遠端醫療等場景提供了高效的AI計算能力。
更能提供助力的是，中國的5G基礎設施全球領先，使AIoT裝置能夠更低延遲、更高頻寬地與雲端/邊緣AI互動，這對自動駕駛、智慧製造、遠端醫療等場景至關重要。5G的普及將進一步推動邊緣AI計算，減少裝置對雲端的依賴，使AIoT產業加速落地。
這一軟硬一體化的生態鏈，使中國AIoT企業能夠從底層晶片、裝置端到AI計算平臺全方位佈局，形成強勁的產業協同效應。

3. 政策支援與市場推動：AI與實體經濟深度融合

政府近年來大力支援AI與實體經濟的融合，透過政策扶持、產業基金、試點專案等方式推動AIoT產業化落地。許多城市已啟動智慧城市試點，例如無錫的智慧交通系統、上海的AIoT智慧社群，這些專案為AIoT規模化落地提供了真實場景和政策支援。
因此，在AIoT產業化浪潮中，中國企業憑藉龐大的IoT裝置基礎、強大的供應鏈整合能力、政策支援，有望在全球市場中率先實現規模化落地，並在AIoT競爭中佔據領先地位。儘管面臨資料合規、標準化、品牌影響力等挑戰，但中國AIoT企業正加速全球化佈局，未來將在智慧製造、智慧醫療、自動駕駛等多個行業實現全球領先。

寫在最後

在AIoT產業化浪潮中，邊緣計算、AIoT晶片和資料管理服務已成為率先突破的三大關鍵環節。DeepSeek的技術突破，使AI更高效、更低成本地部署在端側裝置，推動AIoT從“萬物互聯”邁向“萬物智聯”。
中國企業憑藉全球領先的物聯網裝置基礎、軟硬一體化的供應鏈整合能力和政府政策扶持，在AIoT賽道上具備獨特優勢。隨著端側AI推理需求的增長，AIoT企業正加速晶片、模組、計算平臺的研發，並在智慧製造、智慧醫療、智慧交通等領域實現規模化落地，定義AIoT產業的新格局。
參考資料：
1. Three Observations，作者：Sam Altman，來源：blog.samaltman.com
2. DeepSeek’s implications for edge AIoT，作者：ANDREW BROWN，來源：OMDIA

相關文章