科技 | 当AI走下云端：为何它先钻进了你的手机、汽车和眼镜？

　　AI正在离人越来越近

　　这两年，人工智能最明显的变化，不只是模型规模更大、响应速度提升，更关键的是，它开始从云端向终端设备延伸，使设备本地可以完成感知、理解和推理任务，提升即时响应能力。手机能够概括录音、整理通知、辅助写作；汽车能够理解语音指令，并结合路况、车况和出行目标完成交互；智能眼镜则尝试将识别、翻译、提醒和导航直接呈现在用户视野中。AI不再只是依赖云端服务器运行的系统，它正逐渐具备端侧处理能力，能够在本地完成感知、理解和推理，实现即时响应和隐私可控。

　　一个很典型的国内案例，是荣耀在2024年10月23日发布MagicOS9.0时，提出“开启手机‘自动驾驶’新时代”，并发布搭载智能体的个人化全场景AI操作系统。官方同时提到魔法大模型家族采用端云协同部署：部分任务在本地终端完成，复杂计算在云端执行，同时个人知识库数据可在端侧存储、可查可删。这个案例很能说明趋势：手机正在从“运行App的工具”变成“能够理解场景、调度服务的终端”。

　　什么叫“从云端到端侧”

　　所谓“从云端到端侧”，即端侧AI在终端本地处理任务，同时与云端协同完成复杂运算，从而提升响应速度和隐私可控。过去，许多AI功能主要依赖云端完成：用户在本地发出请求，数据上传到云端，由云端模型处理后返回设备。这样的模式有优势，算力集中、模型更大、升级也更方便；但这种模式存在短板：网络不稳定时会导致响应延迟增加；数据频繁上传云端可能带来隐私泄露风险，尤其涉及个人信息和使用习惯。

　　端侧AI并不是完全替代云端，而是让终端具备处理能力，使高频、低延迟任务可以直接在本地完成，例如语音识别、图像理解、实时翻译、内容总结等。未来更常见的模式是端侧与云端协同：端侧处理高频、低延迟任务，云端负责复杂计算和模型训练，从而实现更高效的端云协作。

　　百度智能云对“边缘计算”的解释非常具有代表性：它将计算、存储和网络能力下沉到数据生成和消费的物理位置，使终端能够在本地快速处理信息，同时与云端协同，形成“云-边-端一体”的分布式架构，为端云协同提供技术支撑。换言之，AI的处理能力并非简单地从云端迁移到端侧，而是通过云-边-端协同实现灵活分工：终端设备处理本地高频、低延迟任务，边缘节点在靠近数据生成的位置提供计算和存储支持，云端负责复杂计算和大规模模型管理。边缘计算正是这一协同架构的核心，使AI既能保障响应速度和隐私安全，又能实现高效端云协作。

　　为什么手机、汽车和眼镜先成了AI落地重点

　　原因并不复杂：很多场景需要即时响应，云端无法满足；很多数据频繁上传可能导致隐私泄露；完全依赖云端计算会产生高昂算力成本，平台难以承受。谁离人更近，谁就更有动力优先部署端侧AI能力。

　　手机最先落地并不意外。它始终是人与数字世界连接最紧密的设备，集成了摄像头、麦克风、定位、相册、通讯记录和使用习惯等信息。这些数据支持端侧AI实现高频、碎片化任务处理。荣耀MagicOS9.0之所以强调智能体、端云协同和端侧知识库，是因为手机最容易承接这种贴近用户场景的本地AI服务，能够理解用户场景并调度服务，实现个性化、本地化AI体验。

　　汽车代表了更高要求的智能化场景。导航、环境感知、语音控制、驾驶辅助等功能要求端侧AI在本地快速完成感知和决策，实现低延迟和高安全性。小鹏MONAM03是一个具体案例。小鹏在2024年8月发布信息中，将其描述为“智能时代的新3系”，意味着智能化水平高于传统汽车，尤其在驾驶辅助和交互体验上满足端侧AI的高要求。官方介绍指出，它配备15.6英寸中控屏、8155车规级芯片，并搭载20多项智能感知硬件，提供LCC车道居中辅助、ACC自适应巡航和全场景智能泊车功能。这些硬件与算法结合，使端侧AI在感知、决策和执行上形成本地闭环，而不仅仅是语音交互助手。这个案例说明，汽车端AI已经不只是“会聊天的车机”，而是从云端迁移到端侧，实现感知、决策和执行的一体化。

　　眼镜则更接近未来伴随式AI交互。手机需要手持，汽车局限于出行场景，而眼镜贴近用户第一视角。一旦具备稳定的识别、翻译、提醒和导航能力，AI就能持续伴随用户视野。Rokid官网展示的产品列出了“AI识物”“实时交流无障碍”“实时消息提醒”“随时导航”“会议记录”等能力，并明确指出眼镜搭载多模态AI大模型，能够同时处理图像、语音、文字等数据，实现综合分析和决策，同时保障隐私安全。

　　端侧AI的机会与边界

　　端侧AI并不意味着问题已经解决。模型部署到终端后会面临算力、功耗、散热、续航、体积、成本等现实约束。手机可以通过芯片和系统优化承载部分能力，汽车拥有更大的电力和空间，而眼镜在轻量化与高性能之间面临矛盾：既要轻便，又要承载复杂AI功能；既要实时响应，又不能明显发热。

　　更关键的是，当AI不只是“回答”，而开始“看见”“听见”“执行”时，权限边界就会变得格外重要。它能读取多少数据？能调用哪些功能？能在多大范围内替用户作出判断？这些问题，并不会因为AI进入端侧就自动消失，反而会因为设备更贴身而更加尖锐。荣耀在官方介绍中强调端侧知识库“可控、可查、可删”，就是应对端侧AI隐私和可信度挑战的重要尝试。可信度包括隐私保护、判断精准和权限可控。

　　从“部署变化”到“交互变化”

　　AI进入手机、汽车和眼镜，不只是部署位置变化，更是智能能力在寻找离人最近入口：手机对应高频、碎片化个人生活；汽车对应实时、安全性要求更高的移动空间；眼镜对应伴随式交互的未来边界。未来AI不会只存在于云端，也不会只停留在单一应用界面，它将越来越多地进入被人持续携带、反复使用、时时接触的终端设备，成为不显眼但常用的基础能力。与此同时，如何平衡效率、成本、隐私和权限边界，将决定端侧AI能走多远。