摘要：端侧模型能力平民化：DeepSeek通过RE模型对开源通用大模型进行蒸馏，得到小巧精悍且能力强的端侧模型，可放在各式终端上，使模型能力门槛降低，各大云厂已部署此类模型。硬件复杂程度与AI改造空间的关系：硬件越复杂，被AI改造的空间越大，机器人是被大模型改造空间
1、DeepSeek对端侧终端的影响
端侧模型能力平民化：DeepSeek通过RE模型对开源通用大模型进行蒸馏，得到小巧精悍且能力强的端侧模型，可放在各式终端上，使模型能力门槛降低，各大云厂已部署此类模型。硬件复杂程度与AI改造空间的关系：硬件越复杂，被AI改造的空间越大，机器人是被大模型改造空间最大的载体；结构件越简单，被大模型改造的时间越早，如玩具、耳机音箱等已被模型较早改造。手机PC等便携设备的变化：PC和手机等便携设备的核心能力是agent take action，现有的尺寸更小的端侧模型使内存和算力可能无需升级现有的模型能力也能支持，因此手机PC的变化可能比结构更简单的设备更多。硬件厂商竞争优势增强：DeepSeek模型使硬件厂商的模型能力不再是短板，硬件品牌厂商的竞争优势增强，DeepSeek成为大家的后方研发中心。2、DeepSeek对手机端侧及PC的影响
推理成本下降与新方法论：DeepSeek带来推理成本下降，符合AI进步趋势，且显示出用新方法以更低成本实现更好效果的可能性，未来可能有较大提升空间，包括算力利用率提升、大模型私有化部署门槛降低等。行业趋势与竞争情况：DeepSeek的成功并非孤立，谷歌等也在发布相关模型，推动面向C端的云服务成本大幅下降，加速AI落地，带动推理需求面向更多垂直领域模型，可能带动AI终端需求。基础大模型能力差逐渐被拉平，大模型更加商品化，To B领域看谁能更好衔接大模型和生产环境，To C领域看谁有流量入口。产品载体与用户群体的重要性：对于拥有完整生态、能获取用户多场景数据的公司，如小米、苹果，其生态和用户是AI时代最具价值的资产，可更好满足消费者需求，提升产品体验，扩大市场份额，还可能通过应用收费增厚利润。苹果的AI发展情况：苹果生态更加闭环，用户付费变现能力更强，4月有望正式发布AI加Siri版的iOS 18.4版本，其中包括多项更新，如地图翻译功能向新地区拓展、多种语言推出、Siri更加智能等。此前苹果已推出iOS 18.3更新，包含多项AI相关功能。AI与硬件创新结合的影响：AI大模型和硬件创新结合会经历自然交互、环境理解、内容生成三个阶段，从信息获取、信息显示和交互、信息处理三个维度带来硬件需求提升和升级，带动产业链公司业绩恢复，现有玩家可凭借技术和市场优势进行前瞻布局。3、DeepSeek对AI眼镜的影响
AI眼镜的产业前景：看好AI眼镜成为AI时代全新的人机交互平台，DeepSeek增强了端侧AI模型在眼镜端部署的可实现性，降低了开发者成本，利好应用生态加速形成，加速了AI眼镜产业从0到1及从1到N的趋势。2025年AI眼镜的关注变量：行业空间与竞争格局：2025年AI眼镜产业链销量有望从200万部左右上探到500 - 600万部甚至接近千万部，需关注竞争格局，DeepSeek发布可能使小厂低成本进入行业，加剧产业竞争，大厂在长期产业周期中仍具后发优势，但短期竞争格局存在不确定性。硬件发布与软件应用变化：2025年AI眼镜新品发布会贯穿全年，入局者众多，时间密集，不同产品有差异化卖点，同时应关注大模型操作系统及agents的变化，其对产业影响可能比硬件发布更大，DeepSeek降低了端侧大模型部署门槛和应用开发成本，促进agents百花齐放。AI眼镜的产品形态：AI眼镜产品形态多样，目前看好兼具音频和拍照能力的AI交互眼镜以及加了单色显示功能的AI加AR眼镜，前者市场已初步验证，后者有待市场验证。AI眼镜的市场产品力：现阶段AI眼镜上的AI能力处于早期，消费者更看重硬件水平，如拍照体验、音频功能、佩戴舒适性及续航能力。国产AI眼镜在拍照等方面已能对标Meta甚至做得更好，但AI能力仍有待提升，其调用存在功耗高、时长长、体验差的问题，DeepSeek为硬件厂在端侧部署本地模型提供便捷方案，大厂接入DeepSeek的意愿强，未来AI眼镜有望接入更多DeepSeek产品及垂类应用。4、DeepSeek对智能家居、机器人等场景的赋能
技术突破与应用场景拓展：DeepSeek通过知识蒸馏技术，实现大模型能力向轻量化模型的高效转移，降低智能产品AI功能集成门槛，为消费电子、物联网等领域智能化升级开辟新路径。智能家居的智能化升级：以涂鸦智能为例，其集成DeepSeek大模型能力的平台，使生态内的中控屏、音箱、网关等核心硬件通过自然语言精准交互、多模态场景感知等AI技术向主动智能方向升级，提升交互流畅度和场景理解精准度，开发者可在开发平台上快速部署AI能力，且涂鸦还与多顶尖大模型建立深度合作，提供多元选择，满足不同应用场景需求。此外，小爱音箱可手动外接AI大模型，硅基流动因模型免费使用受市场青睐，且其与升腾云达成协作，推出国内一体化AI赋能情况。乐鑫的ESP32开发板可实现多种AI功能，组成简单AI机器人，其硬件物料清单简单，相关方案可应用于AI陪伴、AI玩具等。机器人的发展与芯片需求：从简单AI机器人到更大型的机器狗或机器人，核心变量是SOC，英伟达系列芯片在算力、CPU主频及AI性能上处于领先位置，搭载于多种海外机器人，国内芯片公司在部分机器人领域有所应用，DeepSeek大模型与机器人结合将带动机器人场景中更多定位感知和视觉交互处理能力的提升。5、DeepSeek对支架的潜在影响
云端模型架构与数据优化：DeepSeek的模型训练采用轻量化结构和混合架构，并非依赖云端强大算力，模型架构的最优搭载对迭代速度更为重要；数据方面，筛选最优数据而非追求数量多，是影响支架快速迭代的关键。车端模型蒸馏与成本降低：过去车端模型较大，导致车端芯片算力和价值呈指数级增长，增加了智能驾驶的单车成本，DeepSeek通过多阶段蒸馏和自适应蒸馏策略，将大模型蒸馏为小模型部署到车上，降低了车端算力需求和单车成本，使自动驾驶普及成为可能。开发环境与车端芯片架构：DeepSeek在更底层的IR层开发，摆脱了对传统工具链平台的完全依赖，为车企和车端软件公司带来新思路，降低不同平台间的迁移成本；中期来看，CPU加GPU加ASIC的车端芯片架构可能胜出，因其能更好地调用GPU算力，为开发者提供服务，而CPU加ASIC或CPU加FPGA架构阶段性地被淘汰。Q&A
Q：DeepSeek对端侧有哪些影响？
A：DeepSeek带来推理成本下降，显示出用新方法以低成本实现更好效果的方法论可能性，未来提升空间大。具体方向包括提升算力利用率、大幅降低大模型私有化部署门槛。其成功并非孤立，随着模型迭代，面向C端的云服务成本大幅下降，加速AI落地，推理需求面对更多垂直领域模型，可能带动AI终端需求。
Q：联想的全栈智能布局是怎样的？
A：最上面一层是AI原生方案服务，为政府、教育、制造、金融等多个行业规划了垂直领域的AI解决方案；最底层是AIPC等智能终端布局；中间是通用中台。
Q：AIPC目前发展情况如何，未来硬件市场趋势怎样？
A：因AI相关应用发展滞后，近几年AIPC发展低于预期，AI手机进度受关注。今年拥有强大算力的超级本的PCIPC需求可能复苏，因为部署AI变得更简单便宜。DeepSeek 2.1的317B和617B模型在普通笔记本部署较慢，若25年垂直领域AI进入百行百业，大量研究人员在PC部署模型开发，高性能超级本可能首先迎来换机潮，之后其他AI终端换机也可能被带动。基础大模型能力差逐渐拉平，大模型更商品化，To B领域看谁能更好衔接大模型与生产环境提高生产效率，To C领域看谁有流量入口获取利润。
Q：完整生态对品牌厂商在AI时代有何价值？
A：对于拥有完整生态、能拿到用户各场景数据的公司，如小米、苹果，生态和用户是AI时代最具价值资产。一方面可利用数据更好满足消费者对智能产品需求，吸引用户、扩大市场份额、提升品牌影响力；另一方面，未来可能像手机厂商在互联网业务抽取费用一样，通过应用收费增厚利润。
Q：DeepSeek对小米和苹果有什么影响？
A：对小米而言，说明在低端硬件可落地高性能模型，AI全面融入业务运营可能逐渐实现，提升产品体验，如让语音助手更智能、图像识别更精准、智能家居更灵敏，推动AI生态发展，在小米汽车智能座舱和智能驾驶领域也能优化功能，提升竞争优势。对苹果来说，其生态更闭环，用户付费变现能力强，4月份可能发布AI加Siri版的iOS 18.4版本且有中文版。今年iOS 18.3更新有三项AI相关内容，iOS 18.4主打Siri和更多AI结合的更新，有地图翻译拓展地区、多语言推出、Siri功能增强等更新点。考虑安全合规及审批，国行版搭载国内大模型是较好选择，苹果传出与多家企业合作消息。
Q：AI大模型和硬件创新结合的创新点及硬件需求提升体现在哪些方面？
A：创新点会经历自然交互、环境理解、内容生成三个阶段，可从信息获取、信息显示和交互、信息处理三个维度思考。在信息获取端，AI带动手机、平板等设备上小型化、低功耗多功能摄像头及结合空间计算的3D视觉模组等硬件需求提升，机器人领域视觉需求增强。在信息显示和交互方面，视觉上需要3D图像投射模组和承接载体，交互上需要眼动识别等多种识别功能及多模态硬件交互，且对硬件分辨率、刷新率、功耗、精度有持续升级需求。在信息处理阶段，除芯片外还需要执行系统。在传统领域，AI带动终端出货量增长和零部件规格提升，带动产业链公司业绩恢复；对于新增量市场，现有玩家可凭借优势前瞻布局创造盈利增长点。
Q：为什么看好AI眼镜成为AI时代全新的人机交互平台？
A：基于眼镜终端自有的特性，包括全天候无感化佩戴、高频响应，以及同时融合声音和视觉交互，所以眼镜本身是天然适配AI交互的硬件载体。从应用场景来讲，AI眼镜一方面适用于作为个人助手处理短平快的临时任务，另一方面结合显示功能的智能眼镜未来有望充分应用于物流配送、社交办公、教育等垂直行业，进而演进成为AI时代的通用人机交互平台。
Q：DeepSeek给AI眼镜带来了哪些边际变化？
A：增强了端侧的AI模型在眼镜端部署，或者在手机上部署然后通过眼镜调用这种思路的可实现性。并且大幅降低了开发者的成本，更利好整个应用生态的加速形成。
Q：2025年AI眼镜产业有哪些需要重点关注的变量？
A：第一个变量是行业空间以及格局问题。2025年看好眼镜产业链销量从原来年销量200万部左右上探到500 - 600万部，甚至接近千万部。在竞争格局方面，长期看好大厂后发优势，但短期随着DeepSeek开源模型发布，1 - 2年内会给产业竞争格局带来不确定性，今年竞争会更激烈。第二个变量是产品形态，比较看好兼具音频和拍照能力的AI交互眼镜，以及在第一种形态上加了单色显示功能的AI加AR的眼镜成为主流产品形态。
Q：2025年AI眼镜硬件发布情况如何？
A：2025年从一月份CES大会开始，一直到三季度或四季度，AI眼镜新品发布会贯穿全年，入局者众多且时间密集。未发布的包括小米、亚马逊、Meta，以及之前已发布但未发售的Rokid等产品都会在今年二季度和三季度密集推出，不同产品会有差异化卖点，在硬件终端互联和AR显示方面会给行业打开想象力。
Q：DeepSeek对大模型操作系统以及agents有什么影响？
A：DeepSeek降低了端侧大模型部署的门槛，也降低了应用开发或基于该模型做垂直类应用开发的成本，会更好地促进agents在2025 - 2026年迎来百花齐放，加速了AI眼镜产业从0到1以及从1到N的趋势。
Q：现阶段AI眼镜消费者购买时更看重哪些方面？市场上产品在这些方面表现如何？
A：现阶段消费者购买AI眼镜更看重硬件水平，包括拍照体验、音频功能以及佩戴舒适性。在硬件方面，国产AI眼镜对标Meta在拍照上做得更好，如雷鸟V3在画幅选择、拍摄录制时长、拍照效果（地平线自动矫正、算法自动优化）上更优；音频能力方面现有的四阵列麦克风方案尚可，声像结构、自动拾音算法等后续有望改进；佩戴体验上，已发售产品重量大多在40克上下，能支撑长时间佩戴，采用充电盒充电方式比较人性化，但续航方面存在差异，Meta实际续航与纸面接近，雷鸟在深度使用AI功能时掉电速度比想象中快。
Q：现在AI眼镜上有哪些AI功能？这些功能是如何调用的？存在什么问题？
A：现在AI眼镜上典型的AI功能有AI问答、搜索、翻译、语音播报、识别。功能调用方式大多是混合式AI，根据任务属性在端侧和云端大模型上分配功能、动态调配功耗和算力，但实际使用中放在端侧的AI交互很少，绝大部分功能在云端实现。典型操作流程是用户通过语音指令调用眼镜或耳机上的小模型，将语音转文字后发送给手机上的APP，再上云操作，最后通过语音返回给用户。存在的问题是耗电，且交互时长较长，最低需要1 - 2秒，影响使用体验。目前很多AI能力无法在眼镜或手机端侧很好地运算，核心制约因素是芯片和端侧模型运算量、参数量不够，轻量化不适用于端侧部署。
Q：DeepSeek对AI眼镜产业带来了哪些具体影响？
A：DeepSeek给硬件厂低成本在端侧部署本地模型带来便捷方案，对于应用开发者也能低成本调用接口或做垂类训练，开发出更多适用于端侧的第三方应用。虽然现阶段还没有已发售的AI眼镜产品接入DeepSeek，但很快能看到更多眼镜产品接入并搭载基于DeepSeek训练出的垂类应用。长期来看AI眼镜产业趋势确定，短期硬件催化明确，之前AI能力从尝鲜到常用阶段不太确定，现在DeepSeek强化了AI应用以及端侧小模型搭载在AI眼镜上的逻辑，今年开始眼镜产业链有望从0到1成型。
Q：AI眼镜产业链哪些环节的公司可能会有估值和业绩双升？
A：重点看好量价提升逻辑的SOC板块，以及随着今年产业走量，组装环节以及摄像头和显示模组环节中龙头卡位的公司，可能会有估值和业绩的双升。
Q：DeepSeek在智能家居机器人等场景是如何赋能的？
A：DeepSeek通过知识蒸馏技术，以更低训练成本实现大模型能力向轻量化模型的高效转移，推动AI技术从云端部署向终端设备延伸突破，降低智能产品AI功能集成门槛。以涂鸦智能为例，其在云开发平台集成DeepSeek大模型能力，生态内的中控屏、音箱、网关等核心硬件，可通过自然语言精准交互、多模态场景感知等AI技术向主动智能方向升级。DeepSeek大模型因高效推理能力与低延时响应特性，能提升智能硬件交互流畅度和场景理解精准度，与涂鸦智能硬件生态结合后，开发者在涂鸦AI agent平台无需复杂算法适配，就能将DeepSeek的AI能力快速部署到中控屏、网关等设备。集成DeepSeek的涂鸦生态类智能音箱可基于用户习惯主动推荐音乐，搭配AI能力的网关可分析家庭能耗并生成优化方案。
Q：涂鸦智能在集成大模型方面有哪些举措和特点？
A：涂鸦智能不仅集成了DeepSeek的大模型，还和阿里云通义千问、OpenAI、Anthropic等顶尖大模型建立深度合作。开发者通过其AI agent开发平台，用一套SDK可自定义选择接入不同大模型，实现音视频、图片、文字等能力的一站式结合。这种开放生态模式降低了AI硬件开发门槛，提供更多元选择，满足不同应用场景需求。涂鸦还将大模型能力提炼为即插即用的标准模块，把各类AI模型的泛化AI能力转化为节能管理、环境控制等八大AI场景，通过梳理超过40项AI硬件标准能力，使硬件产品能以即插即用方案无缝集成先进AI功能。
Q：目前市场上AI硬件产品接入大模型的收费情况和发展趋势如何？
A：目前市场比较青睐硅基流动，因其模型免费使用。最近硅基流动和升腾云达成协作，推出国内本土模型、芯片、平台一体化的AI赋能方案。后续芯片、平台和垂直模型一体化将推动整体AI端向更高级别发展，用户可通过外接API的方式，将自家音箱、电脑、手机等与大模型联动。
Q：乐鑫在AI方面的做法和相关案例情况是怎样的？
A：乐鑫走平台化方案设计，让设计者能在平台上进行更多二次开发。以ESP32的开发版为例，可DIY一个AI大模型机器人。该开发板集成了语音交互、图像识别、遥控操作和多媒体等功能，能用语音助手实现大模型对话、天气查询、音乐播放等，还能用小度手机APP完成蓝牙配网、音色切换、音箱播放等智能化操作。通过接入文心一言大模型可实现对话功能，通过摄像头可进行交互手势和触控交互，开发板支持本地离线运用AI模型实现语音、猫脸、人脸、移动、行人检测等，还能通过语音或APP控制机器人运动，其硬件物料清单包括主控ESP32S3、摄像头、PCB板、显示屏、减速电机等。
Q：从简单机器人到机器狗等更大型机器人，芯片的使用情况如何？
A：机器狗芯片主要包括主控类芯片、通信感知类芯片以及伺服控制的SOC，每个关节会放置一个MCU控制电机。在机器人芯片领域，英伟达的Xavier系列、Orin系列在算力、CPU主频以及AI性能上领先，海外波士顿动力的移动机器人、大型机器人以及工业用机器人等多采用英伟达芯片。国内芯片公司如全志、瑞芯微等，目前在机器人领域应用于扫地机、语音机器人和机器狗等。
Q：机器人的复杂程度对芯片划分有什么影响，DeepSeek大模型与机器人结合会带来什么变化？
A：机器人的复杂程度会对芯片进行划分，定位、感知、视觉交互以及外界大模型等由“大脑”芯片控制，执行动作、快速响应以及与电机驱动连接部分由小芯片控制。DeepSeek等大模型与机器人结合，会带动机器人场景有更多定位感知和视觉交互的处理能力。
Q：DeepSeek对支架前端在云端、数据方面有哪些潜在影响？
A：在云端，以往支架训练闭环较简单，传统认知是云端算力足够强、收集的corner case足够多，模型迭代就快，类似AI大模型“大力出奇迹”算法。但DeepSeek采用轻量化结构、混合架构及小型Transformer模型组合，说明模型架构的最优搭载对模型成长很重要，并非云端算力越丰富迭代速度就越快。在数据方面，过去认为车企路上跑的可反馈数据的智能驾驶车越多，捕获corner case越多，模型迭代越快。而DeepSeek指出数据优比多更重要，关键是从海量数据中筛选出最优数据来迭代模型，传统认为车企越有钱云端算力和数据越多模型就越好的模式不一定成立了，后续要看车企在模型迭代的架构和有效数据回馈方面的进步速度。
Q：模型瘦身或模型蒸馏方面过去存在什么问题，DeepSeek带来了什么改变？
A：过去车端模型无法做到足够小，导致车上芯片算力呈指数级增长，从2018年的5 TOPS以下增长到现在最新一代SoC单颗达1000 TOPS，整体到2000 TOPS，单颗芯片价值也大幅增长，5 TOPS以下的芯片约150元人民币，Orin芯片已达2000元人民币左右，未来SoC极有可能超5000元人民币，这使得智能驾驶单车成本大幅增加，不利于自动驾驶普及。DeepSeek通过多阶段蒸馏和自适应蒸馏策略，可将大模型蒸馏到小模型部署到车上，未来车端算力可能在某一数值不再增长就能实现车端能力，对汽车端侧芯片需求会有影响。
Q：DeepSeek在开发环境上有什么创新及带来了哪些好处？
A：DeepSeek除在传统英伟达CUDA工具链平台开发外，还在更底层的IR层（PTX环境）开发，能将模型性能推到更高能效。过去智能驾驶企业在工具链平台开发，不能有效利用芯片算力且依赖该平台，工具链平台不佳会影响下游用户车端算法。而DeepSeek采用底层开发环境，为车企和车端软件公司带来新思路，在更底层IR层开发更容易创新，可摆脱工具链平台束缚，能更快激活计算芯片能力，且不同平台间的迁移成本可能降低。
Q：DeepSeek对车端芯片架构有什么影响？
A：从中期来看，CPU加GPU加ASIC的架构可能胜出。因为DeepSeek到更低的IR层开发，直接调用GPU算力，有GPU内核的芯片能更好为开发者服务，没有GPU内核的芯片可定制化能力弱，所以CPU加ASIC、CPU加FPGA这两种架构阶段性被淘汰。地平线征程五芯片选用CPU加ASIC架构，到征程六系列又拿回GPU模块，就是因为下游客户有很多定制化开发需求，CPU加ASIC架构给开发者提供的可选情况少。
来源：全产业链研究
