“人工智能 DeepSeek催化“万物智联”的价值70%来自物联网。

最近，全球科技产业的焦点无疑落在了DeepSeek引发的热潮之上。几乎一夜之间，全球市场对中国AI模型及其相关产业的态度发生了180度的变化——2025年似乎已经成为中美AI对战的第一年，从之前的“过度悲观”瞬间跳到了“极其乐观”。

德意志银行和高盛等国际投资银行甚至预测，2025年将成为中国公司在全球AI竞争中崛起的关键一年，而不仅仅是DeepSeek。然而，这并不是外资投资银行第一次高调看好中国公司。我们应该保持清醒，防止被短期市场情绪所驱使。

现实是，我们的AI产业化进程还处于起步阶段，距离真正的大规模落地还有很长的路要走。虽然目前的市场情绪比较热烈，但更重要的是探讨AI如何真正推动产业升级，创造长期价值。

物联网IoT将成为AI产业化转型的核心推动力，推动AI技术从实验室向千行百业的实际应用。根据IoT Analytics预测，2025年全球物联网连接将超过270亿，广泛存在的物联网终端能够感知到大量数据，为AI应用提供67%-72%的数据支持。

可以肯定的是，DeepSeek的突破将加速AIoT从1.0的“万物互联”向2.0的“万物智联”迈进，进而推动AI在行业中的深度应用，实现更彻底的智能化转型。

AIoT 1.0的核心价值在于“连接”——即设备可以相互通信，数据可以相互通信，AIoT 2.0的核心价值在于“智能”——即让设备不仅能感知世界，还能独立决策，优化运行，不断学习进化。

在这个过程中，DeepSeek及其背后的AI模型技术将成为一个关键的变量。它的影响不仅体现在提高数据处理能力上，还体现在推动数据驱动的闭环智能——即从物联网设备中收集数据，深入挖掘AI模型的价值，最终反馈物理世界的优化和决策。

这个闭环的实现，将带来AI产业化应用的质变，加速向“人工智能”发展 “千行百业方向升级。

因此，在今天的文章中，我们将共同探索：

如何加快DeepSeekAIoT产业的发展？

AIoT的哪些具体场景将首先实现突破？

如何在全球竞争中占据中国AIoT企业的先机？

DeepSeek加速了“硬件觉醒”，催化了“万物智联”

近年来，小型、低成本、高效率的开放AI模型正在重塑人工智能的创新模式。这种趋势不仅降低了AI的访问条件，也给边缘计算场景带来了新的概率。

DeepSeek与依赖云计算的大型模型相比，可以在当地运行，这对于对数据隐私敏感的行业和对低延迟要求极高的AIoT设备来说是一个很大的进步。

为了让AI真正嵌入有限的计算和存储资源的物联网设备中，必须优化基本模型。虽然AIoT行业前景广阔，但在边缘计算环境下，AI的落地仍然存在三个核心挑战:

1. 计算资源有限：如何使AI在边缘设备上高效运行？

一般来说，物联网设备的计算率是有限的，很难支持大型AI模型的推理计算。当前主流的模型优化方法包括：

修枝：在AI模型中删除冗余参数，提高计算效率。

蒸馏：将大型模型的知识转移到小型模型中，然后在低算率环境中仍然具有强大的能力。

量化：为了减少内存占用和能耗，降低计算精度，使AI能够在嵌入式设备上运行。

2. 数据隐私与安全：如何在边缘端保护敏感数据？

数据安全在很多关键基础设施(如电网、医疗器械、智能工厂)中尤为重要。传统的AI依赖于云的实践和推理，但这意味着数据需要传输到云中，可能会带来隐私泄露的风险。

3. 网络效率和实时性：如何降低数据传输的成本和延迟？

AIoT应用一般涉及大量数据的实时处理。如果所有数据都需要上传到云中进行分析，延迟和带宽的成本会大大增加。在一些场景中，如自动驾驶、智能制造、智能城市等。，即使毫秒的延迟也会导致严重的后果。

通过正确的优化措施，DeepSeek初步验证了基础模型可以被压缩并嵌入边缘设备中，从而突破了计算资源的瓶颈。DeepSeek通过边缘AI推理，使设备能够在不依赖云计算的情况下处理数据并做出决定，从而带来以下优点：

实时性：减少数据返回云的延迟，提高响应速度。例如，在自动驾驶系统中，DeepSeek使AI能够在当地分析摄像机数据，并做出即时决策。

降低网络成本：减少数据传输，减少带宽消耗，使AIoT设备能在低网络环境下正常工作。

DeepSeek在AIoT产业化过程中的核心技术突破主要表现在以下三个方面：

1. 本地化AI模型：让AI在边缘设备上运行

DeepSeek选择模型提炼方法，使AI能够在计算资源有限的设备中运行。例如，DeepSeek-R1通过高效的模型架构，使AI能够在不连接云的情况下，在智能摄像头、工业传感器、智能家居设备等场景中发挥作用。

2. 分布式学习：实现AIoT设备的自我进化

DeepSeek支持边缘AI训练，这样设备就可以在不上传数据到云的情况下，根据当地数据进行自我提升。这对于医疗、金融、工业控制等对数据隐私要求极高的行业非常重要。

3. AIoT专用硬件：推动AI计算能力向边缘扩展

尽管DeepSeek在软件方面进行了优化，但是AI的计算需求仍然很高。配套的AI芯片和硬件加速器也在迅速发展。伴随着摩尔定律的不断演变，在不久的将来，更强大的AI芯片将继续向边缘扩展，进一步推动AIoT的发展。

AIoT的普及率将随着AI成本的持续下降和硬件性能的不断提高而呈指数级增长。作为AI产业化的推动者，DeepSeek正在加快这一进程，使AIoT能够在智能制造、智慧城市、医疗卫生、自动驾驶等许多行业发挥巨大的价值。

优先收益：边缘计算，AIoT芯片和数据管理服务

在DeepSeek加速AIoT产业发展的背景下，哪些具体阶段和场景将首先迎来突破？边缘计算、AIoT芯片和数据管理服务可能是AIoT产业化的三大核心驱动力。

这三个环节不仅直接受益于AI技术的发展，而且在AIoT生态中起着核心作用。

1. AIoT芯片：构建全行业AI计算基础设施。

为了真正进入各行各业，AI必须与行业场景中的设备深度结合，这些设备需要具备当地的AI计算能力。与传统的CPU和GPU相比，专门为终端AI计算优化而设计的AIoT芯片具有以下优点:

更低功耗：AIoT设备通常在智能摄像机、工业传感器、智能家居设备等低功耗环境下运行，因此AIoT芯片比高功耗服务器GPU更适合边缘AI计算。

AI推理更加有效：AIoT芯片是专门为AI计算提升而设计的，可以在低算率环境下高效运行AI模型，提高推理速度和能效比。

AI部署成本较低：伴随着DeepSeek等低成本、高性能AI模型的普及，端侧AI推理的成本迅速下降，进一步扩大了AIoT芯片的商业化前景。

在文章《端边AI应用加速，AIoT芯片竞争》中，我分析了AIoT芯片已经进入全球三国争霸的趋势，DeepSeek可能会让企业之间的竞争更加激烈。

DeepSeek的开源策略，加上其高效的推理能力和低算率适应性，将推动AIoT芯片公司迎来新一轮的发展。另外，随着当地AI部署趋势的加快，2025年终端AI计算需求将会爆发，AIoT芯片市场的增长潜力不容小觑。

2. 边缘计算：从“云中心优先”到“边缘优先”

传统的AI计算依赖于云，但边缘计算在实时性、安全性、带宽成本等方面具有天然优势。DeepSeek可以通过发布R1模型及其简化版本来更广泛地将AI计算部署到边缘设备上。

它不仅降低了AIoT设备的计算门槛，而且加速了企业向“边缘优先”计算架构的转变。正如微软CEO萨蒂亚·纳德拉曾在财务报告电话会议上指出的那样，“人工智能将更加无处不在”，DeepSeek的发展方向与这一观点高度契合，因为越来越多的工作负荷将在当地运行。

3. 数据管理服务：AIoT时代的“数据中心”

AI的本质是数据驱动，AIoT设备每天都会产生、传输、存储和分析大量数据，这对数据管理能力提出了更高的要求。没有高效的数据管理，无论AI有多强大，都很难发挥作用。然而，AIoT的数据管理一般面临许多挑战，包括数据分散、格式复杂、数据安全和合规性要求高、AI培训对数据驱动的需求多种多样等。

由于AI需要大量的数据来实践和优化，数据管理服务提供商将成为AI产业链中的一个关键角色。随着DeepSeek和类似开源AI模型的普及，越来越多的企业使用AI来分析、预测和优化数据，这将极大地促进数据管理市场的增长。

综上所述，边缘计算、AIoT芯片和数据管理服务可能是AIoT产业化过程中的第一个突破。接下来，我们将讨论 中国 AIoT 如何在全球市场中占有优势，以及未来？ AIoT 产业的长期发展趋势。

拥有先机的中国AIoT公司

虽然中美AI模型的竞争并不分伯仲，但“人工智能” 由于中国公司在全球AIoT竞争格局中处于独特而有益的竞争地位，所以产业化应用的胜负已经得分。

在庞大的物联网设备基础、强大的供应链整合能力和政府政策支持下，中国AIoT公司有望率先在全球市场实现大规模商业化，并在AI产业化浪潮中占据主导地位。

1. 庞大的物联网设备基础：数据驱动AIoT产业化

中国是世界上最大的物联网市场之一，IoT设备在智能家居、智能制造、智能城市、自动驾驶等方面的出货量处于世界领先地位。这一优势带来了两个关键资源，促进了AIoT产业的发展:

使用场景丰富：大量的IoT设备代表了AIoT在工业制造、智能医疗、智能交通等领域的自然落地环境，能迅速实现商业化。

大量数据资源：AIoT的核心竞争优势在于数据驱动的智能化。中国市场的大规模设备部署使企业能够快速积累数据，提高AI模型，最终形成数据闭环，加速AI产业化应用的成熟。

2. 强大的供应链整合能力：AIoT生态系统软硬一体化

在硬件制造、ic设计、5G通信等领域，中国公司拥有完整的产业链，不仅依靠软件算法，还能软硬一体化推动AIoT的发展。

这个领域有很多代表性公司，比如美格智能DeepSeek-R1在端侧的落地应用正在加速开发，并计划在2025年推出100TOPS级AI模块，远期规划超过200TOPS计算率，为边缘AI计算提供强有力的支持。

广和通可以全面支持DeepSeek-R1小型模型的高计算能力AI模块，提高智能终端的AI计算能力。

映翰通DeepSeek-R1蒸馏模型在EC5000边缘计算机上成功部署，为工业质量检验、智能交通、远程医疗等场景提供了高效的AI计算能力。

更有帮助的是，中国的5G基础设施处于世界领先地位，这使得AIoT设备能够以更低的延迟和更高的带宽与云/边缘的AI互动，这对于自动驾驶、智能制造、远程医疗等场景尤为重要。5G的普及将进一步推动边缘AI计算，减少设备对云的依赖，加速AIoT产业的落地。

这种软硬一体化的生态链，使得中国AIoT企业能够全面布局从底层芯片、设备到AI计算平台，形成强大的产业协同作用。

3. 政策支持与市场推动：AI与实体经济深度融合

近年来，政府全力支持AI与实体经济的结合，通过政策支持、产业基金、试点项目等方式推动AIoT产业化。无锡智能交通系统、上海AIoT智能社区等多个城市都启动了智能城市试点，为AIoT的大规模实施提供了真实的场景和政策支持。

因此，在AIoT产业化浪潮中，中国公司有望率先在全球市场实现规模化落地，拥有庞大的IoT设备基础、强大的供应链整合能力和政策支持，并在AIoT竞争中占据领先地位。尽管面临数据合规、标准化、品牌知名度等挑战，但中国AIoT公司正在加快全球布局，未来将在智能制造、智能医疗、自动驾驶等多个行业领先世界。

写在最后

边缘计算、AIoT芯片和数据管理服务已经成为AIoT产业化的三个重要环节。DeepSeek的技术突破，使AI能够更高效、更低成本地部署在端边设备上，推动AIoT从“万物互联”向“万物智联”迈进。

中国公司在AIoT跑道上有着独特的优势，拥有世界领先的物联网设备基础、软硬一体化供应链整合能力和政府政策支持。随着端侧AI推理需求的增加，AIoT公司正在加快芯片、模块和计算平台的研发，并在智能制造、智能医疗和智能交通领域实现规模化，定义AIoT行业的新格局。

参考资料：

1. Three Observations，作者：Sam Altman，来源：blog.samaltman.com

2. DeepSeek’s implications for edge AIoT，作者：ANDREW BROWN，来源：OMDIA

本文来自微信公众号“物联网智库”（ID：作者：彭昭，36氪经授权发布，iot101)。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com