界面新闻记者 |
界面新闻编辑 | 文姝琪
无论是手机厂商、运营商、云计算厂商、通信设备服务商，还是刚刚孵化不久的创业公司。只要来到MWC（世界移动通信大会）2025，每个人都得谈点AI。
终端厂商拥抱AI最为积极，落地也更加容易。例如在智能硬件上迅速添加一些AI功能，让消费者先体验，利用这个周期将AI手机、AI PC的用户心智培养起来。
另一个吸引终端厂商的点是，相比起互联网公司在各种高性能云端大模型上的比拼，他们更擅长的区域在于端侧。
端侧AI无需依赖云端算力，成本更低，更能保证响应速度，生成质量的稳定，以及消费者用户格外在意的个人隐私安全。由于产品更贴近消费者，终端厂商也更有机会在端侧AI上做出差异化，例如结合用户行为提供更具个性化的服务。
正因如此，今年MWC期间，端侧AI成为了各大终端厂商展示的一项重点。
积极拥抱端侧AI
荣耀是拥抱AI最坚定的厂商之一。
在MWC2025，借着新任CEO李健首次公开亮相的时机，荣耀发布了“阿尔法战略”，强调要从智能手机制造商向AI终端生态公司实现转型。李健反复提及的关键词，就是AI终端。
荣耀发布了基于GUI（Graphic User Interface/图形用户界面）的个人移动AI智能体、全生态文件共享技术AI Connection以及AiMAGE影像技术，均集中在用户最容易感知的层面。例如，AI智能体能够从日历中理解用户行程，并根据用户习惯选择适合的餐厅，并结合地理距离和交通状况来决定晚餐时间。
另一家同样“All in AI”的手机厂商是三星。在MWC展台，“Galaxy AI”的标识存在感极强，甚至一度会让你忽略“SAMSUNG”这个品牌本身。除了着重展示Galaxy S25系列的AI体验之外，三星还展出了不少端侧AI能力，例如在设备端AI实时语言翻译功能，无需互联网连接即可直接翻译口语。
联想也是端侧AI的坚定响应者。联想集团董事长兼CEO杨元庆在接受媒体采访时表示，算力增强和模型优化两者带来的叠加效应，有望在未来12个月让端侧AI实现3倍的整体性能提升。
为此，联想正在大力推行能够在本地部署大模型的AI PC。一名联想展台员工向界面新闻介绍，新款联想ThinkBook 16P集成了一枚可单独运行本地大语言模型的NPU，相当于将高计算量的任务从GPU转移出去，提高本地运行效率。联想还为其外接了一块小显示屏，用于呈现当模型运行时，NPU用量提升，但GPU毫无变化。
杨元庆认为，今天最好的端侧AI能力承载在个人电脑上，产生最多数据的终端则是每个人的智能手机。联想现阶段到计划是为二者做好连接和数据统一管理，未来用户可以用个人AI PC的算力来处理自己的全部数据。他还预告，联想下一代AI PC水平可媲美OpenAI o1-mini，而成本却大幅降低。
小米同样在全面拥抱AI。小米合伙人、集团总裁卢伟冰在MWC现场告诉界面新闻，AI正在全面参与小米众多业务线，包括影像AI、通信AI、大家电AI（例如空调的智能风感检测技术），以及汽车的智驾和智舱功能。今年MWC期间重点展示的小米15 Ultra，其中一大卖点是小米与徕卡合作的“小米模块光学系统”，同样来自于端侧AI能力创新。
但卢伟冰对手机AI的发展并不过分乐观。他认为，现阶段仅加入AI功能的产品还很难称之为真正的AI手机，AI手机仍然处于早期，其概念的成立取决于AI OS的成型。也就是说，只有从系统层重构用户体验才能够实现从智能手机向AI手机的跨越——这还需要两到三年的时间。
终端厂商的共识
今年以来，推动端侧AI进步的一个重要指征是DeepSeek-R1。它打破了高性能推理模型的成本桎梏，且开源，使得这类模型也能够部署在像手机这样的消费电子产品上，并且成本大幅降低。
国内主流手机厂商对接入DeepSeek-R1的响应都颇为积极，也开始尝试将DeepSeek-R1部署在本地。不过，当前的手机芯片配置还难以支持满血版DeepSeek-R1（670B）的本地部署，仅能够支持10B（10亿参数）以下的蒸馏版本。这显然不是最佳方案，因为蒸馏也会在很大程度上损失推理能力。
无论从手机芯片算力水平还是端侧模型性能来看，端侧AI都还有很大的提升空间。杨元庆的观点是，“端侧智能绝对取代不了云上的智能”。他认为，基础模型打底追求AGI，需要基于全网数据预训练，还涉及后训练阶段以及种种工程优化，其中对算力的巨大需求，是端侧难以实现的。
手机厂商正在尝试的一个方向是，开发精品小模型，或针对主流功能做定向优化，从而减轻算力负载。
例如在通话总结、文档概要等高频场景中，vivo蓝心3B端侧模型（30亿参数）通过模型压缩和精度恢复技术，实现了端侧运行且功耗降低46%。
荣耀则在去年推出了两项端侧AI功能尝试：AI离焦护眼技术和AI换脸检测技术。通过端侧AI能力，AI换脸检测可自主识别用户视频通话中的画面要素，如果检测到视频内容存在AI换脸，将向用户发出风险提醒。
在MWC上，主动谈论DeepSeek的厂商并不多。相比起纷繁复杂的第三方大模型，终端厂商更愿意强调自身的模型能力。他们的共识是，对第三方模型抱有欢迎态度，但底层还是要坚持自研，这也是未来手机厂商在AI上做出差异化体验的关键。
背后有三个原因。一方面，云端算力成本过高，自研模型能够承接部分高频次用户场景，缓解成本压力；另一方面，厂商自研模型主要聚焦用户意图理解与多模态场景串联，例如通过传感器数据预判需求，这正是DeepSeek-R1这类通用推理模型的盲区；第三，保护用户隐私，承载健康监测、支付验证等敏感数据。
更确定的未来趋势是，终端厂商通过自研模型实现实时场景感知与交互设计，复杂计算则交由专业大模型处理，核心竞争力在于芯片-模型-传感器的全链路整合。至此，端侧AI的竞争方向也更加明确：终端厂商要想争夺这片新战场的主导权，需要做的不仅是单点突破，而是构建软硬件一体的全链路生态体系，实现真正的系统重构。
47847
26
47847
26
48158
46
18095
59
76276
17
65573
36
63128
4
86478
85
30367
78
63524
2
62738
4
31856
47
71272
50
83067
20
99712
97
54978
31
63720
90
94331
53
29063
54
68942
21
89181
94
23218
58
28745
52
81201
44
17391
69
29549
6
17480
70
89028
4
98746
88
79267
68
83517
27017
78
54410
77
62398
1
63428
58
63473
31
47199
19
84052
15
46245
22
19684
80
22271
49
94874
50
36152
35
45060
29
74946
99
90160
42
41857
2
66369
8
47534
52
61701
41
52980
33
50061
60
68054
69
93840
53
92885
11