AI创业投资趋势转变 - 纯粹以“再做一个大模型”为核心卖点的创业项目正快速降温，行业共识从“百模大战”转向轻量化小模型、AI Agent以及设备端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] - 在2026年国际消费电子展上，设备端AI的趋势尤为明显 [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，推理阶段算力消耗同样惊人 [6] - 随着GPU价格高企、云算力账单攀升，大模型的“边际成本”并未如预期快速下降 [6] - 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，大模型项目正变成“技术上成立，但财务模型难以自洽”的典型案例 [6] - 尽管缩放定律仍然有效，但数据规模扩大300倍，模型性能可能只提升个位数的百分点，资源用到极限后很难再从scaling中获得突破 [7] 设备端AI的兴起与优势 - 设备端AI模型直接在终端设备上运行，无须依赖云端或网络，通过“用大模型生成小模型”的方法实现 [2] - 该模式降低了成本，保证了数据隐私，并使智能应用能够快速落地 [2] - 其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 [8] - 当前三类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 [9] - 以智能摄像头为例，端侧解决方案具备实时性、安全性和隐私保护三重优势，用户无须担心数据被传到云端 [9][10] 代表性公司Aizip的业务模式 - Aizip是一家专注于设备端AI的纯软件公司，只做AI模型研发，在大模型基础上训练生成适合各种垂直场景的小模型 [8] - 公司通过收集数据、购买数据和大模型蒸馏三种途径获取训练所需数据，并评估数据合规性 [2][8] - 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 [8] - 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] - 公司的思路是反向而行，目标是做“全球最小、最高效”的AI系统，而非追求更大规模的通用人工智能 [7] 行业现状与未来展望 - 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 [10] - 未来发展的催化剂在于出现更多刚需应用，如智能手表语音能力、婴儿监控摄像头等，这些应用能培养用户习惯且注重隐私保护 [10] - 行业对AI模型训练人才和算力需求依然极高 [10] - 华人工程师在AI浪潮中扮演关键角色，优势在于数理基础好、工作努力、学新技术速度快、解决工程类问题能力强 [10]