曾經，“百模大戰”是AI創業領域的關鍵詞，從通用大模型到行業模型，參數規模不斷突破，融資金額持續攀升，市場一度形成“不做大模型就會被淘汰”的強烈共識。然而，如今風向已悄然轉變，無論是在硅谷還是國內創投圈，單純以“打造大模型”為核心賣點的創業項目熱度迅速下降，輕量化小模型、AI Agent以及設備端（On-Device）AI等方向正成為新的熱門賽道。
這一轉變并非技術熱情的消退，而是成本、商業化和資本邏輯共同作用下的理性回歸。在2026年的國際消費類電子產品展覽會（CES）上，這一趨勢尤為顯著。設備端AI創業公司Aizip的聯合創始人陳羽北在接受采訪時表示，設備端AI正成為創業公司競相涌入的新賽道。陳羽北是典型的在美華人工程師，擁有清華大學學士和加州大學伯克利分校博士學位，目前還在加州大學戴維斯分校任教并開展創業項目。
陳羽北介紹，設備端AI通過“用大模型生成小模型”的方式，利用收集數據、購買數據和大模型蒸餾三種途徑獲取所需數據，讓AI能夠直接在終端設備上運行，無需依賴云端或網絡。這種模式不僅降低了成本，還保障了數據隱私，使智能應用能夠快速落地。目前，Aizip的設備端AI模型已在多個終端品牌實現應用，并與軟銀、ARM、Microchip等全球多家頭部硬件廠商展開合作。
2025年12月，OpenAI首席執行官山姆·奧特曼發出“紅色警報”，要求公司加速推進ChatGPT相關工作，推遲其他產品開發，以應對谷歌Gemini3等對手的競爭壓力。盡管大模型領域的競爭愈發激烈，但進入該賽道的競爭者數量卻在減少，行業逐漸形成共識：大模型之戰將成為資本雄厚的巨頭之間的爭奪。
多位參與CES的風投圈人士和AI企業創業者表示，大模型已成為高度資本密集型的競賽。千億參數模型的單次訓練成本高達數千萬美元，推理階段的算力消耗同樣驚人。隨著GPU價格居高不下、云算力賬單持續攀升，大模型的“邊際成本”并未如預期般快速下降。對于創業公司而言，這意味著資金消耗速度遠超傳統軟件創業，且即便模型性能提升，商業化路徑仍充滿不確定性。多位投資人私下直言，大模型項目正成為“技術可行，但財務模型難以自洽”的典型案例。
在此背景下，更多資本和AI創業者將目光轉向輕量化模型和AI Agent，Aizip便是其中之一。盡管大模型縮放定律（即訓練數據和模型參數越大，模型智能越強）仍然有效，但AI從業者也意識到，不應盲目追求算力。陳羽北回憶，博士畢業后，他意識到自己在工程能力上存在短板，于是加入Yann LeCun的團隊，在Facebook AI Research以及紐約大學從事博士后研究，這段經歷幫助他補齊了模型工程化與規模化模型訓練的能力。
“當時，我們能夠直接使用配備512張V100顯卡的大規模算力進行訓練。寫一篇論文消耗的計算資源可能就要花費上百萬美元。Scaling確實有效——更多的數據、更大的模型以及更直接的優化通常能帶來性能提升，但并非總是成正比。”陳羽北說。例如，數據規模擴大300倍，模型性能可能僅提升個位數的百分點。這讓他開始反思數據質量、模型結構、工程嚴謹性等因素的實際影響。近年來，許多AI創業公司盲目推高模型規模，資源已用到極限，卻很難再從縮放中獲得突破。因此，陳羽北認為，要尊重縮放定律，但不能迷信它。“特別是在創業時，我們的思路是反向的——不是追求更大，而是打造‘全球最小、最高效’的AI系統。這與主流強調通用人工智能（AGI）、取代人的方向并不一致。”
設備端AI正是在這樣的背景下成為全球AI界熱門的新興方向。簡單來說，設備端AI直接在手機、筆記本、相機等設備上運行，不依賴云端或互聯網。其特點在于輕量化模型適合本地處理少量數據，響應速度快、延遲低，且數據不出設備，安全性更高。例如，手機拍照的自動美顏和夜景增強功能、iPhone上的Siri或照片識別功能、智能門鎖或家用機器人的語音和圖像處理功能等。
陳羽北介紹，Aizip本質上是一家純軟件公司，專注于AI模型的研發，在大模型的基礎上訓練、生成適合各種垂直場景的小模型。同時，創業團隊對硬件有深入理解，聯合創始人過去創立的公司曾服務于Apple等客戶。“設備端AI模型的訓練主要通過收集數據、購買數據和大模型蒸餾三種途徑，同時要評估數據合規性，使用高質量的產品級數據。”他表示，盡管目前專注于本地化智能賽道，但也會對標Gemini等優秀模型，在細分應用上追求達到或超越其性能，可利用視覺語言模型（VLM）。盡管縮放定律仍然有效，但在需求明確的應用上，大模型的縮放定律可能會逐步失效。
據觀察，當前卡拉OK聲音解決方案、智能攝像頭、智能喚醒助手三類應用場景的商業化前景尤為突出。以卡拉OK聲音解決方案為例，傳統卡拉OK或在線唱歌應用中，用戶只能使用原版伴奏或在線處理，而端側解決方案能夠直接在用戶設備上完成聲音分離，識別并消除歌曲中的人聲部分，只保留背景音樂，無需上傳歌曲到云端或依賴在線計算。
再以智能攝像頭為例，端側識別與安全報警功能具備商用潛力。AI解決方案使攝像頭能夠在設備端完成復雜的圖像識別任務，例如區分來訪人員身份（是快遞員還是潛在偷取快遞的陌生人），并實時提醒無法全程監控環境的用戶。如果識別到異常行為，攝像頭能夠自動發出報警信號，提示用戶采取措施。這種模式對家庭、社區和物流企業而言，具備實時性、安全性和隱私保護的三重優勢，用戶無需擔心攝像頭數據被傳到云端或被第三方訪問。
陳羽北坦言，目前真正的設備端AI革命尚未到來，但市場熱度比之前更高，從產品化、落地和客戶需求來看，進入真實產品場景的數量正在增多。未來發展的關鍵在于更多剛需應用的出現，如智能手表的語音能力、嬰兒監控攝像頭等，這些應用能夠培養用戶習慣，且注重隱私保護，將AI能力放到本地。
他還提到，當前行業對AI模型訓練人才和算力的需求依然極高，華人工程師在AI浪潮中扮演了關鍵角色。這源于他們的優勢——數理基礎好、工作努力、學習新技術速度快、解決工程類問題能力強，在既定賽道發展較快。相比之下，美國頂尖工程師也有自己的特長，他們的思想更自由，更敢于打破常規想象，在創造新路線方面更具創新思考能力。
