端侧AI这场仗，真正的beta在车轮上

上周三下午，我约了个做智驾域控制器的朋友在望京喝咖啡。他中途接了个电话，回来跟我说，某头部车企的智能化负责人刚在电话里拍桌子，嫌他们给的端侧模型推理时延高了两毫秒。两毫秒，人眼根本感知不到，但车企那边态度很硬，说这直接影响他们宣传的全时在线体验。我朋友挂了电话苦笑，说这行业现在卷的是每一毫秒的端侧执行效率。

这事挺有意思。行业上半场还在为云端大模型的参数规模吵得不可开交，下半场战场已经悄悄挪到了离用户最近的地方。手掌里的手机、桌面上的PC、车轮上的汽车，三块屏同时开打，端侧AI的入口之争就这么被推到了台前。

先说我感受最直观的消费电子这一侧。手机厂商把百亿参数模型塞进旗舰芯片，这个动作本身已经说明问题了。我用了1个月的GPT-4，说实话日常高频场景还是问答和写作辅助，这些在云端跑没毛病。但上周出差在高铁上信号断断续续，手机自带的端侧模型帮我做了会议纪要的摘要和重点提取，全程没联网。那一下我忽然意识到，用户要的是随时能用的模型。断网场景下，端侧就是唯一解。

但手机这侧的问题在于，入口太分散了。各家旗舰芯片的NPU算力都在涨，但底层架构和工具链不通用，模型要针对不同芯片做量化、蒸馏、裁剪，这活儿又脏又累。更麻烦的是，手机换机周期在拉长，存量用户不升级硬件，端侧能力就无从谈起。所以短期看，手机端侧AI的增量，主要靠新机型带动，渗透率爬坡会是个慢变量。

AI PC的逻辑类似，但有个特殊变量。桌面端的生产力场景比手机更重，比如本地代码补全、文档智能处理，这些对隐私和时延都敏感，端侧价值比手机更刚。不过PC的换机周期更长，而且用户对"AI PC"这个概念的付费意愿，我这边观察下来并不强，除非有杀手级应用能把体验差距拉到肉眼可见。

我更看好智能汽车。有人称它是"头号试炼场"，我完全同意。场景复杂度最高、单车价值最大、对端侧需求最刚性，这三个条件同时满足的终端，只有车。手机断网了顶多等会儿再用，车在隧道里、地库里，智驾决策不能断，端侧算力是安全冗余的底线，价值远高于体验加分项。

短期看，车端AI的竞争格局还比较散。传统Tier1在算法上积累薄，新势力自研的算法强但芯片受制于人，芯片公司算法能力又够不着场景。这个错位期会持续两三年，谁能把"算法-芯片-场景"这条链路打通，谁就能吃到最大份额。我那个做域控制器的朋友说，他们现在最头疼的是车企客户三天两头改需求，算法团队要跟着反复调，这本质上是组织效率问题。

长期看，端侧AI的胜负手在于数据闭环。谁掌握了用户场景数据，谁就能持续迭代模型，形成马太效应。手机厂有用户行为数据，车厂有驾驶场景数据，两者维度不同，但都能反哺端侧模型。这也是为什么我一直不太认同AI基建资产证券化的逻辑，算力中心是重资产，芯片落伍快、软件迭代快，现金流稳定性存疑。但端侧不一样，它是跟着设备走的，设备在用户手里，数据就在你手里，这个壁垒是资产证券化给不了的。

我用了4周的OpenAI，这几天刚上手Astra，也在琢磨端侧和云端的边界。现在的判断是，云端负责复杂推理，端侧负责实时响应，两者会长期共存，但入口的争夺会越来越激烈。因为入口意味着场景，场景意味着数据，数据意味着估值。这个逻辑在移动互联网时代被验证过一遍，端侧AI时代大概率会重演一遍，只是这次的主角从App变成了设备本身。

别光盯着谁的模型参数多，多看看谁把模型塞进了离用户最近的那个设备里。入口在谁手上，beta就在谁手上。