行业趋势：从“百模大战”到理性回归 - 两年前AI创业关键词是“百模大战”，市场共识为“谁不做大模型，谁就会被淘汰” [1] - 近期风向明显变化，纯粹以“再做一个大模型”为核心的创业项目快速降温 [1] - 行业焦点转向轻量化小模型、AI Agent以及设备端（On-Device）AI等方向 [1] - 这一转变是由成本、商业化和资本逻辑共同驱动的理性回归，而非技术热情消退 [1] 大模型赛道面临的挑战 - 大模型已成为高度资本密集型竞赛，千亿参数模型的单次训练成本动辄数千万美元 [3] - 推理阶段的算力消耗同样惊人，GPU价格高企、云算力账单持续攀升 [3] - 对于创业公司而言，面临资金消耗速度远超传统软件创业、商业化路径高度不确定的现实压力 [3] - 多位投资人认为大模型项目是“技术上成立，但财务模型难以自洽”的典型案例 [3] - 行业共识逐渐形成，大模型将成为几个资本雄厚巨头之间的争夺，赛道竞争者不增反减 [3] 设备端AI的兴起与优势 - 设备端AI正在成为创业公司的新赛道，其模型直接在终端设备上运行，无须依赖云端或网络 [2] - 这种模式降低了成本，保证了数据隐私，并使智能应用能够快速落地 [2] - 设备端AI的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 [7] - 应用场景包括手机拍照自动美颜、iPhone上的Siri或照片识别、智能门锁或家用机器人的语音/图像处理等 [7] Aizip公司的业务模式与技术路径 - Aizip是一家专注于设备端AI的纯软件公司，只做AI模型的研发 [7] - 公司通过“用大模型生成小模型”的方法，在大型模型基础上训练、生成适合各种垂直场景的小模型 [2][7] - 模型训练数据主要通过收集数据、购买数据和大模型蒸馏三种途径获取 [2][7] - 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 [7] - 公司已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 [2] 技术发展思路的转变 - AI从业者认识到不再死磕算力的关键性，尽管大模型缩放定律（scaling law）仍然有效 [4] - 数据规模扩大300倍，模型性能可能只提升个位数的百分点，促使行业反思数据质量、模型结构等因素的实际影响 [4] - 很多AI创业公司盲目推高模型规模，资源已用到极限，却很难再从scaling中获得突破 [5] - Aizip的思路是反向而行——不做更大，而是做“全球最小、最高效”的AI系统，这与主流强调通用人工智能（AGI）的方向不一致 [6] 明确的商业化应用场景 - 当前三类设备端AI应用场景的商业化前景突出：卡拉OK声音解决方案、智能摄像头、智能唤醒助手 [8] - 卡拉OK声音解决方案能在用户设备端完成声音分离，识别并消除歌曲中人声，只保留背景音乐，无须上传云端 [8] - 智能摄像头能在设备端完成复杂图像识别，如区分来访人员身份并实时报警，具备实时性、安全性和隐私保护三重优势 [8] 市场现状与未来展望 - 真正的设备端AI革命尚未到来，但市场热度比之前更高，进入真实产品场景增多 [9] - 未来发展的催化剂在于更多刚需应用，如智能手表语音能力、婴儿监控摄像头等，能培养用户习惯并注重隐私保护 [9] - 行业对AI模型训练人才和算力需求依然极高 [9]