作者：彭昭（智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人）
這是我的第361篇專欄文章。
DeepSeek的熱度持續(xù)發(fā)酵，目前已有超過30家企業(yè)推出了“大模型一體機(jī)”，其中以“DeepSeek”命名的約有20家。
這一現(xiàn)象實(shí)際上反映了中國人工智能大模型從量變到質(zhì)變的演進(jìn)過程。
根據(jù)信通院發(fā)布的《全球數(shù)字經(jīng)濟(jì)白皮書》，中國擁有全球超1/3的人工智能大型語言模型（LLM）。數(shù)據(jù)顯示，全球LLM數(shù)量已達(dá)1328個，中國占比36%，僅次于美國，位居第二。
可以預(yù)見，在與LLM大模型接壤的小型語言模型SLM和AI智能代理領(lǐng)域，中國企業(yè)的崛起也指日可待。
作為制造業(yè)強(qiáng)國，中國為AI硬件的蓬勃發(fā)展提供了得天獨(dú)厚的土壤。
未來，我們將看到越來越多能夠智能響應(yīng)主人語音指令的AI家居硬件，以及與環(huán)境無縫互動的AR智能眼鏡等創(chuàng)新產(chǎn)品。這些產(chǎn)品的問世，將進(jìn)一步推動AI技術(shù)在日常生活中的普及和應(yīng)用。
值得注意的是，進(jìn)入2025年，AI智能代理的時代已經(jīng)來臨。在不久的將來，AI代理將能夠勝任許多任務(wù)，大大提高生產(chǎn)效率和生活品質(zhì)。新興的技術(shù)框架將使我們能夠更快、更高效地構(gòu)建AI代理。
目前各大科技巨頭也已經(jīng)展開了一場爭奪AI代理的關(guān)鍵競賽。
這將形成一種新的經(jīng)濟(jì)形態(tài)：AI代理經(jīng)濟(jì)的崛起，我們也將由此從AI模型進(jìn)入AI代理經(jīng)濟(jì)的發(fā)展階段。
在AIoT領(lǐng)域，尤其是SLM的發(fā)展趨勢以及AI代理經(jīng)濟(jì)的未來形態(tài)值得我們密切關(guān)注。
一方面，SLM與LLM的融合將催生出更多適用于特定場景的AI解決方案；另一方面，AI代理經(jīng)濟(jì)的崛起將重塑人機(jī)交互的方式，為各行各業(yè)帶來創(chuàng)新變革。
因此今天這篇文章，我們一起來探索更適合AIoT領(lǐng)域的SLM發(fā)展趨勢以及AI代理經(jīng)濟(jì)的未來形態(tài)。
更適合AIoT的小模型：兼顧性能與成本的最優(yōu)解
根據(jù)Gartner的預(yù)測，SLM（也被稱為輕量級LLM）的興起已經(jīng)成為確定的趨勢。小型語言模型SLM彌合了高性能人工智能系統(tǒng)與安全、經(jīng)濟(jì)高效的解決方案需求之間的差距。
這些SLM模型不僅經(jīng)濟(jì)高效，而且適應(yīng)性強(qiáng)，能夠以最少的資源需求提供高質(zhì)量的結(jié)果，因此成為企業(yè)的理想選擇。
看到了小模型的獨(dú)特機(jī)會，知名企業(yè)已經(jīng)紛紛布局。隨著技術(shù)的發(fā)展，小模型不僅發(fā)揮了低成本上的優(yōu)勢，在性能上也不遜色于大模型。
如下圖所示，通過將Llama 8B與大模型GPT-4o進(jìn)行比較，我們發(fā)現(xiàn)雖然GPT在質(zhì)量方面比小型模型高出20%以上，但在增強(qiáng)了小型Llama模型之后，它可以與LLM相媲美，并且在某些任務(wù)中表現(xiàn)優(yōu)于LLM，同時保持較低的使用成本。差異如此之大，令人難以忽視。
Llama 3.1-8B與GPT-4o的比較進(jìn)一步證明了SLM在成本和性能方面的優(yōu)勢，見下圖。首先，與LLM相比，SLM的運(yùn)行成本只是其一小部分。在零樣本設(shè)置中，Llama 3.1-8B的成本明顯低于GPT-4o。其次，只需進(jìn)行少量額外訓(xùn)練，SLM就能在特定任務(wù)（如客戶支持或法律研究）中達(dá)到接近甚至超過LLM的質(zhì)量水平。最后，Llama 3.1-8B在經(jīng)過精細(xì)調(diào)整的設(shè)置下實(shí)現(xiàn)了超過96%的任務(wù)質(zhì)量，證明了其在重點(diǎn)用例中實(shí)現(xiàn)高精度輸出的能力。
從功能定位上看，LLM更像是“云端AI操作系統(tǒng)”，吸收中間層，形成API生態(tài)；而SLM更像是“本地AI計(jì)算引擎”，嵌入終端設(shè)備，增強(qiáng)隱私與實(shí)時性。
LLM與SLM的功能定位與協(xié)同發(fā)展
未來，LLM與SLM將形成端云協(xié)同，共同推動AI的發(fā)展。
隨著技術(shù)的不斷發(fā)展，LLM和SLM的未來趨勢也呈現(xiàn)出不同的特點(diǎn)，我們不妨進(jìn)行一個對比。如上圖所示，我們先看左側(cè)的LLM部分：
首先，核心LLM將成為通用AI基礎(chǔ)設(shè)施。未來可能形成極少數(shù)頭部LLM競爭的格局，類似于Android與iOS的雙寡頭或多寡頭情形，而不是單一標(biāo)準(zhǔn)。OpenAI、Google、Anthropic、Meta、DeepSeek等都可能成為基礎(chǔ)模型提供商，并各自形成生態(tài)。這種格局可能會演化成開源vs商業(yè)閉源的兩大陣營。
其次，云服務(wù)商層將實(shí)現(xiàn)API化，但存在更多差異化競爭。大模型即服務(wù)（LLM-as-a-Service）將成為標(biāo)配，但不同云服務(wù)商可能會圍繞行業(yè)垂類優(yōu)化，形成差異化競爭。例如，金融、醫(yī)療、法律、教育等垂直行業(yè)的LLM可能會有更定制化的API，而不是直接使用通用LLM。
第三，中間層將向更專業(yè)的AI代理形態(tài)演進(jìn)。雖然一部分優(yōu)化和功能會被云服務(wù)和底層模型吸收，但插件化、代理化、模型微調(diào)等工具仍然有生存空間。例如，企業(yè)級RAG解決方案、特定行業(yè)的定制化LLM以及AI代理生態(tài)等都將得到發(fā)展。
第四，應(yīng)用層將聚焦高價值場景。AI作為增強(qiáng)人類能力的Copilot存在，我們與AI的交互方式可能發(fā)生改變，大部分企業(yè)都需要將AI作為客戶類型之一進(jìn)行考慮。例如，AI可能會在法律、醫(yī)療、教育、設(shè)計(jì)、軟件開發(fā)等領(lǐng)域提升生產(chǎn)力，而不是完全取代人類；AI可能會增強(qiáng)個性化體驗(yàn)，如AI生成的個性化教育方案、健康管理等。軟件與硬件的編寫和制造方式都將發(fā)生改變，例如前特斯拉人工智能高級總監(jiān)Andrej Karpathy提出軟件2.0就是從人工編寫代碼過渡到基于大量數(shù)據(jù)觀察自動生成代碼。
第五，零邊際成本社會可能會成真。各類AI的邊際成本確實(shí)在降低，但數(shù)據(jù)隱私、算力成本、監(jiān)管框架可能會成為影響因素。例如，歐盟、美國、中國等國家可能會對AI訓(xùn)練數(shù)據(jù)、生成內(nèi)容合規(guī)性進(jìn)行監(jiān)管，影響AI任務(wù)的自由度；個人數(shù)據(jù)安全、企業(yè)專有數(shù)據(jù)的AI處理，可能會影響AI服務(wù)的邊際成本是否真的趨近于零。
與LLM主要依賴于云端大規(guī)模算力不同，SLM更適用于邊緣計(jì)算、低功耗設(shè)備、端側(cè)智能，因此其趨勢可能與LLM不同。
首先，SLM將廣泛植入邊緣硬件，如智能家居硬件、車載設(shè)備、工業(yè)設(shè)備等。受限于設(shè)備算力、尺寸以及功耗的制約，SLM將會被進(jìn)一步針對設(shè)備“量身定制”。例如，智能門鎖的SLM可自主識別用戶，提供個性化安全管理；工業(yè)生產(chǎn)線的SLM可基于傳感器數(shù)據(jù)進(jìn)行故障預(yù)測和優(yōu)化生產(chǎn)。
其次，本地AI計(jì)算將減少對云的依賴，增強(qiáng)隱私保護(hù)。本地運(yùn)行SLM可以減少數(shù)據(jù)上傳云端的風(fēng)險，例如端側(cè)AI計(jì)算可以在智能硬件上直接完成NLP任務(wù)，而無需聯(lián)網(wǎng)。邊緣AI可以本地識別語音、圖像、手勢，減少依賴云端服務(wù)器，提高響應(yīng)速度。此外，云端算力昂貴，本地SLM可以降低AI計(jì)算的長期成本。
第三，SLM可能形成“端云協(xié)同”模式。本地SLM處理常見任務(wù)，如語音助手、圖像識別、文檔摘要、翻譯等；云端LLM處理高復(fù)雜度任務(wù)，如AI代碼生成、AI科研（如AI生成藥物）等。
第四，SLM的商業(yè)模式可能是“設(shè)備即服務(wù)”或“AI訂閱制”。未來的AI可能不再是單獨(dú)的軟件，而是硬件的一部分。訂閱模式可能包括基礎(chǔ)AI功能免費(fèi)、高級AI訂閱收費(fèi)，以及硬件+AI訂閱捆綁銷售等。
最后，所有硬件都可以使用SLM重做一遍。在SLM的視角下，硬件中的“原子”和軟件中的“比特”具有相似性，硬件可以按照軟件的邏輯重新制造，硬件制造的邊際成本也將快速下降。
小模型AI代理的兩種生態(tài)：橫向通用與縱向?qū)I(yè)
在探索了LLM與SLM的發(fā)展趨勢后，我們再來分析基于這兩類人工智能模型的AI代理經(jīng)濟(jì)。
與LLM主要依賴云端計(jì)算不同，SLM更強(qiáng)調(diào)本地計(jì)算、低功耗和隱私保護(hù)，因此基于SLM的AI代理在組織方式和商業(yè)模式上都會有所不同。
SLM將更多嵌入智能家居、智能汽車、工業(yè)物聯(lián)網(wǎng)設(shè)備等邊緣硬件，形成一個廣泛分布的AI代理網(wǎng)絡(luò)。
由此推斷，小模型AI代理可能將分為兩種模式：橫向AI代理生態(tài)和縱向AI代理生態(tài)。
橫向AI代理生態(tài)適用于大規(guī)模通用任務(wù)，如語音助手、智能翻譯、日程管理、家庭自動化等。這種模式具有低成本、高普及度的特點(diǎn)。這類AI代理的目標(biāo)是提升用戶體驗(yàn)、降低交互門檻，并通過訂閱或硬件捆綁的方式盈利。
縱向AI代理生態(tài)則適用于特定行業(yè)的專業(yè)AI任務(wù)，如智能汽車的AI駕駛助理、工業(yè)IoT設(shè)備的AI預(yù)測維護(hù)、醫(yī)療設(shè)備的AI診斷支持等。這種模式具有高附加值、深度優(yōu)化的特點(diǎn)。這類AI代理可能直接集成在終端設(shè)備中，由企業(yè)購買或訂閱。
相比LLM主要依賴云端API訪問，SLM代理經(jīng)濟(jì)的核心驅(qū)動力在于以下幾點(diǎn)：
計(jì)算本地化，減少對云的依賴。SLM運(yùn)行在本地設(shè)備上，減少云端計(jì)算成本和隱私風(fēng)險，適用于低時延任務(wù)，如智能家居控制、車載AI交互、邊緣安全監(jiān)控等。
AI代理的“隱形智能化”。未來AI代理將默認(rèn)嵌入設(shè)備，而不是單獨(dú)的SaaS訂閱模式。硬件廠商會捆綁AI代理，例如智能冰箱可以自動管理食物存儲、智能汽車可以預(yù)測駕駛行為。
端云協(xié)同，智能分工。SLM處理本地任務(wù)，減少帶寬和算力消耗，而云端LLM負(fù)責(zé)更復(fù)雜的推理任務(wù)。例如，智能眼鏡上的AI助手可以本地完成簡單任務(wù)，但更復(fù)雜的任務(wù)仍然需要云端LLM支持。
SLM代理經(jīng)濟(jì)的盈利模式也與LLM不同，更傾向于硬件+AI功能捆綁，或者采用訂閱增值模式。
硬件捆綁銷售可能將是一種主要模式，AI代理直接集成到智能設(shè)備中，成為“默認(rèn)功能”，用戶無需額外訂閱。這種模式適用于智能眼鏡（端側(cè)AI語音助手）、智能家居（AI語音控制+設(shè)備管理）、智能汽車（AI駕駛輔助）、工業(yè)IoT設(shè)備（AI預(yù)測性維護(hù)）等場景。
另一種模式是訂閱增值，部分高端AI代理功能可能會采用訂閱模式，類似于特斯拉FSD的軟件訂閱?；A(chǔ)AI代理免費(fèi)，高級AI代理訂閱收費(fèi)。企業(yè)級AI代理（如AI質(zhì)檢、AI醫(yī)療分析）可能采用SaaS訂閱模式。
未來可能會出現(xiàn)端側(cè)AI代理市場，允許用戶下載和激活不同的SLM代理，類似于APP應(yīng)用市場，但專門用于AI代理。用戶可以下載AI運(yùn)動教練、AI營養(yǎng)師、AI車載助理等不同的智能體。“AI代理即服務(wù)”的商業(yè)模式可能成為主流。
總之，SLM在邊緣計(jì)算和端側(cè)智能硬件中的AI代理經(jīng)濟(jì)，將以“隱形AI智能+端云協(xié)同”為核心，形成“硬件捆綁+訂閱增值+代理市場”的商業(yè)模式。
寫在最后
DeepSeek的持續(xù)熱度反映了中國在AI領(lǐng)域的快速崛起，這種量變到質(zhì)變的飛躍離不開中國的獨(dú)特土壤，未來的進(jìn)一步催化也離不開LLM與SLM的協(xié)同發(fā)展。
LLM作為“云端AI操作系統(tǒng)”，SLM則扮演著“本地AI計(jì)算引擎”的角色，兩者在功能定位和商業(yè)模式上各有側(cè)重。
DeepSeek現(xiàn)象的持續(xù)發(fā)酵，正是這一歷史性轉(zhuǎn)折的生動注腳。我們可能很快將會迎來一個“AI代理無處不在”的時代，AI代理將深度嵌入我們的日常生活中，成為真正的數(shù)字助手。
參考資料：
The Next 10 Years Will Be About the AI Agent Economy，來源：NFXSmall Language Models for enterprise AI: Challenges, benefits, and deployment strategies，來源：deviniti.com
