行业趋势与核心观点 - 新一轮人工智能浪潮正从云端向终端设备加速渗透 包括AI PC AI手机和智能机器人 推动产业变革和人与机器交互方式的重塑[1] - 端侧智能的崛起并非替代云端 而是构建"云端协同"的智能模式 基于场景需求实现体验 成本与安全的最佳平衡[1] - 端侧智能面临四大核心驱动力：实时性与安全性要求 数据隐私与合规需求 成本与效率平衡 以及全局协同优化[1][2] 云端协同模式的具体实践 - 机器人 自动驾驶等领域要求毫秒级延迟 神经级别控制必须在端侧完成闭环 仅依赖云端通信存在安全风险[1] - 用户数据隐私保护要求部分数据本地化处理 需在端侧部署强大模型处理敏感信息[1] - 高频简单任务放在端侧以降低云端推理成本 复杂逻辑推理和模型迭代则交由算力更充沛的云端处理[2] - 云端作为协同管理平台 整合分散终端设备实现全局最优运行和集群调度 解决大规模设备部署管理难题[2] 企业技术路径选择 - 希沃教育采用端+云技术路径：图像识别等传统模型放在端侧 复杂非标准问题交由云端处理 最终服务于客户需求[4][5] - 银河通用构建大模型驱动的机器人 通过大模型实现任务成功率导向的智能控制 提升泛化能力和自我迭代能力[5] - 心言集团采用云边端结合策略：端侧处理多模态非结构化数据并提供实时性保障 云端使用大参数模型提供规划决策能力[6] - 阿里云提出三个结合方法论：大模型与小模型结合 云与端结合 生成式大模型与判别式模型结合[7] 技术挑战与解决方案 - 工业场景注重隐私和效率 神经级别控制需放在端侧 学习过程放在云端利用充沛算力[8] - 家庭陪伴机器人面临复杂开放式环境挑战 需通过多模态模型获取数据并抽离情感信息 要求模型稳定量化[9] - 希沃教育将课堂评价任务切分为8个分段上传云端 本地部署7B模型搭配通义千问进行意图识别 实现5分钟内生成评价报告[10] 阿里云技术支撑体系 - 通义大模型实现全尺寸 全模态 多场景开源 包含文本 图像 视频 语音 编码等多种模态[11] - 提供完整训练环境和大模型服务平台百炼 支持数据上传 混合训练及模型部署推理[11] - 通义多模态交互开发套件提供端侧SDK与算法增强 支持VAD 回声消除等本地处理 降低延迟与功耗[13] - 开发套件具备广泛硬件与系统兼容性 支持Android iOS Linux RTOS 并通过可视化配置界面实现无代码管理[13] 行业生态建设 - 智能终端发展需要硬件 云平台 算法 数据全产业链协作 开放生态系统成为行业共识[2] - 阿里云在基础设施层部署全球算力基座 在平台层提供全生命周期模型服务 在模型层打造开源模型家族 在应用层提供多模态交互开发套件[12] - 通义多模态交互开发套件提供60%-80%的通用能力基座 支持终端厂商在差异化场景下快速完成二次开发与产品化[12][13]