行业与公司 行业：端侧AI大模型发展（手机、PC、边缘设备等硬件载体）[1][2][3] 涉及公司： - 海外：Meta（LAMA系列）、微软（Phi-3系列）、谷歌（Gemini/Gamma）、苹果（A18芯片）、高通（骁龙8G3/8G4芯片）[1][3][15][16][17] - 国内：腾讯（混元模型）、阿里（通义千问）、字节（豆包）、DeepSeek（征流技术）[22][23][25][26][27] --- 核心观点与论据 1 端侧AI的驱动因素 - 硬件升级：芯片NPU算力提升（如苹果A18、高通骁龙8G4支持7B至100亿参数模型运行，算力达35-50 TPS）[1][3][13] - 架构优化：MOE（混合专家）和分组查询注意力技术降低内存占用（如微软Phi-3.5仅调用1-2个专家而非全部16个）[5][6][7][20] - 知识密度提升：模型量化（高精度浮点数转低精度整数）、动态剪枝（适配数据集剪枝冗余参数）[8][9][11][12] 2 国内外技术路径对比 - 海外领先：Meta LAMA系列为端侧模型底座，微软Phi-3.5擅长多语言任务，谷歌Gamma基于Gemini优化部署安卓设备[15][16][20][21] - 国内跟随与细分突破： - 腾讯混元13B支持快慢思考模式（算力自适应），阿里通义千问205在演讲稿生成媲美人类[25][26] - DeepSeek通过征流技术压缩模型（小模型性能接近大模型）[10][22] 3 应用场景与商业化 - 硬件载体：AI手机（Pixel集成Gamma）、AI PC（微软Windows平台）、AI眼镜（Meta）[17] - 国内落地：字节豆包支持浏览器自动化（订酒店、票据识别），腾讯小程序为入口场景[27] --- 其他重要内容 - 隐私与协同：端云协同弥补端侧算力限制，同时保障数据隐私[13] - 性能对比：谷歌Gamma 7B模型评测优于LAMA2同参数模型[21] - 开源影响：Meta LAMA免费开源推动行业标准建立[15][18] （注：原文未提及具体财务数据或百分比变化，故未引用）