

作者:彭昭(智次方創始人、雲和資本聯合創始合夥人)
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
2. DeepSeek’s implications for edge AIoT,作者:ANDREW BROWN,來源:OMDIA



