MWC2025：端侧AI站上风口，手机厂商不谈DeepSeek|界面新闻 · 科技

界面新闻记者 | 伍洋宇 陆柯言

界面新闻编辑 | 文姝琪

无论是手机厂商 、运营商
、云计算厂商、通信设备服务商 ，还是刚刚孵化不久的创业公司。只要来到MWC（世界移动通信大会）2025
，每个人都得谈点AI 。 

终端厂商拥抱AI最为积极，落地也更加容易
。例如在智能硬件上迅速添加一些AI功能 ，让消费者先体验，利用这个周期将AI手机 、AI PC的用户心智培养起来。

另一个吸引终端厂商的点是
，相比起互联网公司在各种高性能云端大模型上的比拼，他们更擅长的区域在于端侧 。 

端侧AI无需依赖云端算力 ，成本更低
，更能保证响应速度，生成质量的稳定 ，以及消费者用户格外在意的个人隐私安全。由于产品更贴近消费者
，终端厂商也更有机会在端侧AI上做出差异化，例如结合用户行为提供更具个性化的服务
。 

正因如此 ，今年MWC期间
，端侧AI成为了各大终端厂商展示的一项重点。

积极拥抱端侧AI

荣耀是拥抱AI最坚定的厂商之一 。

在MWC2025
，借着新任CEO李健首次公开亮相的时机，荣耀发布了“阿尔法战略 ” ，强调要从智能手机制造商向AI终端生态公司实现转型
。李健反复提及的关键词，就是AI终端。

荣耀发布了基于GUI（Graphic User Interface/图形用户界面）的个人移动AI智能体、全生态文件共享技术AI Connection以及AiMAGE影像技术
，均集中在用户最容易感知的层面 。例如，AI智能体能够从日历中理解用户行程 ，并根据用户习惯选择适合的餐厅
，并结合地理距离和交通状况来决定晚餐时间
。

另一家同样“All in AI
”的手机厂商是三星。在MWC展台，“Galaxy AI”的标识存在感极强 ，甚至一度会让你忽略“SAMSUNG ”这个品牌本身 。除了着重展示Galaxy S25系列的AI体验之外
，三星还展出了不少端侧AI能力，例如在设备端AI实时语言翻译功能 ，无需互联网连接即可直接翻译口语
。 

联想也是端侧AI的坚定响应者。联想集团董事长兼CEO杨元庆在接受媒体采访时表示
，算力增强和模型优化两者带来的叠加效应，有望在未来12个月让端侧AI实现3倍的整体性能提升 。

为此 ，联想正在大力推行能够在本地部署大模型的AI PC
。一名联想展台员工向界面新闻介绍
，新款联想ThinkBook 16P集成了一枚可单独运行本地大语言模型的NPU，相当于将高计算量的任务从GPU转移出去 ，提高本地运行效率。联想还为其外接了一块小显示屏，用于呈现当模型运行时
，NPU用量提升，但GPU毫无变化 。

杨元庆认为 ，今天最好的端侧AI能力承载在个人电脑上
，产生最多数据的终端则是每个人的智能手机。联想现阶段到计划是为二者做好连接和数据统一管理，未来用户可以用个人AI PC的算力来处理自己的全部数据
。他还预告 ，联想下一代AI PC水平可媲美OpenAI o1-mini
，而成本却大幅降低。

小米同样在全面拥抱AI 。小米合伙人
、集团总裁卢伟冰在MWC现场告诉界面新闻，AI正在全面参与小米众多业务线 ，包括影像AI、通信AI 、大家电AI（例如空调的智能风感检测技术）
，以及汽车的智驾和智舱功能
。今年MWC期间重点展示的小米15 Ultra，其中一大卖点是小米与徕卡合作的“小米模块光学系统” ，同样来自于端侧AI能力创新。

但卢伟冰对手机AI的发展并不过分乐观 。他认为
，现阶段仅加入AI功能的产品还很难称之为真正的AI手机，AI手机仍然处于早期 ，其概念的成立取决于AI OS的成型
。也就是说，只有从系统层重构用户体验才能够实现从智能手机向AI手机的跨越——这还需要两到三年的时间。

终端厂商的共识

今年以来
，推动端侧AI进步的一个重要指征是DeepSeek-R1 。它打破了高性能推理模型的成本桎梏，且开源 ，使得这类模型也能够部署在像手机这样的消费电子产品上
，并且成本大幅降低
。

国内主流手机厂商对接入DeepSeek-R1的响应都颇为积极，也开始尝试将DeepSeek-R1部署在本地。不过 ，当前的手机芯片配置还难以支持满血版DeepSeek-R1（670B）的本地部署
，仅能够支持10B（10亿参数）以下的蒸馏版本 。这显然不是最佳方案，因为蒸馏也会在很大程度上损失推理能力
。

无论从手机芯片算力水平还是端侧模型性能来看 ，端侧AI都还有很大的提升空间。杨元庆的观点是
，“端侧智能绝对取代不了云上的智能
” 。他认为，基础模型打底追求AGI ，需要基于全网数据预训练
，还涉及后训练阶段以及种种工程优化，其中对算力的巨大需求 ，是端侧难以实现的。

手机厂商正在尝试的一个方向是，开发精品小模型
，或针对主流功能做定向优化，从而减轻算力负载
。 

例如在通话总结
、文档概要等高频场景中 ，vivo蓝心3B端侧模型（30亿参数）通过模型压缩和精度恢复技术
，实现了端侧运行且功耗降低46%。

荣耀则在去年推出了两项端侧AI功能尝试：AI离焦护眼技术和AI换脸检测技术 。通过端侧AI能力，AI换脸检测可自主识别用户视频通话中的画面要素 ，如果检测到视频内容存在AI换脸
，将向用户发出风险提醒
。

在MWC上，主动谈论DeepSeek的厂商并不多。相比起纷繁复杂的第三方大模型 ，终端厂商更愿意强调自身的模型能力 。他们的共识是
，对第三方模型抱有欢迎态度，但底层还是要坚持自研 ，这也是未来手机厂商在AI上做出差异化体验的关键
。

背后有三个原因。一方面
，云端算力成本过高，自研模型能够承接部分高频次用户场景 ，缓解成本压力；另一方面，厂商自研模型主要聚焦用户意图理解与多模态场景串联
，例如通过传感器数据预判需求，这正是DeepSeek-R1这类通用推理模型的盲区；第三 ，保护用户隐私
，承载健康监测、支付验证等敏感数据 。

更确定的未来趋势是，终端厂商通过自研模型实现实时场景感知与交互设计 ，复杂计算则交由专业大模型处理
，核心竞争力在于芯片-模型-传感器的全链路整合
。至此，端侧AI的竞争方向也更加明确：终端厂商要想争夺这片新战场的主导权 ，需要做的不仅是单点突破
，而是构建软硬件一体的全链路生态体系，实现真正的系统重构。