zillionIntelligenceBuildasmarterworld2025年7月-引言3-技術(shù)特點(diǎn)4-發(fā)展態(tài)勢10-應(yīng)用場景16-技術(shù)方案23-成功案例31-未來展望40A大模型技術(shù)方案白皮書233AI大模型技術(shù)方案白皮書定領(lǐng)域具有更深的業(yè)務(wù)理解和場景應(yīng)用能力。從端側(cè)大戶體驗(yàn)到更加個(gè)性化和便捷的智能體驗(yàn)。于深度學(xué)習(xí)的人工智能模型，其包含了“預(yù)訓(xùn)練”和“定領(lǐng)域具有更深的業(yè)務(wù)理解和場景應(yīng)用能力。從端側(cè)大戶體驗(yàn)到更加個(gè)性化和便捷的智能體驗(yàn)。特征和模式，從而在處理復(fù)雜任務(wù)時(shí)展現(xiàn)強(qiáng)大的自然語44AI大模型技術(shù)方案白皮書為推動(dòng)產(chǎn)業(yè)智能化升級(jí)和社會(huì)數(shù)字化轉(zhuǎn)型的中堅(jiān)力量。其核心在于通過統(tǒng)一的深度學(xué)習(xí)架構(gòu)（如Transformer）實(shí)現(xiàn)不同模態(tài)信息的融合與推理，具備更接近人類認(rèn)知MLLMs可以分析一張圖片并生成描述性的文本，據(jù)文本描述生成相應(yīng)的圖像。這種跨模態(tài)的理解和生成55AI大模型技術(shù)方案白皮書二是攻克了高維性與冗余信息難題。多模態(tài)數(shù)據(jù)存在維三是突破了推理復(fù)雜度與實(shí)時(shí)性瓶頸?？缒B(tài)推理計(jì)算四是強(qiáng)化了數(shù)據(jù)標(biāo)注與質(zhì)量控制。高質(zhì)量多模態(tài)數(shù)據(jù)集五是加快推進(jìn)解決模型泛化與幻覺控制問題。多模態(tài)模66AI大模型技術(shù)方案白皮書77AI大模型技術(shù)方案白皮書模型會(huì)消耗大量資源，而且大型生成式AI模型的推理成本將隨著日活用戶數(shù)量及其使用頻率的增加而增加；端側(cè)大模型應(yīng)運(yùn)而生。這種技術(shù)無需將收集到的數(shù)據(jù)上傳至云端或服務(wù)器進(jìn)行處理，而是在設(shè)備本地就完成數(shù)據(jù)的了終端設(shè)備智能處理和分析數(shù)據(jù)的能力，不僅減少了云服每層包含256個(gè)路由專家和1個(gè)共享專家，每個(gè)Tok經(jīng)過“冷啟動(dòng)監(jiān)督微調(diào)-面向推理的強(qiáng)化學(xué)習(xí)-拒絕采樣與監(jiān)督微調(diào)-全場景強(qiáng)化學(xué)習(xí)”四個(gè)階段精心訓(xùn)練的基礎(chǔ)上，升級(jí)為DeepSeek-R1，目前已推出最新迭代版本Deep-基準(zhǔn)測評(píng)中取得了當(dāng)前國內(nèi)所有模型中首屈一指一突破使其小尺寸版本在保持卓越性能的同時(shí)，顯著降低了模型體積和計(jì)算資源需求，成為端側(cè)部署的理想選力分別顯著超越了原始的Qwen2.5-32B和Llama3-70B，模型LiveCodeBench(%)79.897.357.265.485.252.868.988.654.370.289.15572.690.556.172.694.357.270.893.556.855.572.64558.375.147.5隨著技術(shù)的不斷進(jìn)步與應(yīng)用的持續(xù)拓展，端側(cè)大二是推理性能高效。為了在端側(cè)設(shè)備上實(shí)現(xiàn)快速的推理例如，采用專門為端側(cè)設(shè)備優(yōu)化的神經(jīng)網(wǎng)絡(luò)架構(gòu)，如夠更深入地了解用戶的偏好和行為模式，根據(jù)用戶的數(shù)據(jù)和使用習(xí)慣進(jìn)行個(gè)性化訓(xùn)練和優(yōu)化，為用戶提供更加不斷調(diào)整和優(yōu)化自身的模型參數(shù)，提供更加符合用戶個(gè)四是實(shí)現(xiàn)響應(yīng)速度與功耗的大幅優(yōu)化。端側(cè)大模型的響五是具備隱私保護(hù)與離線能力。端側(cè)大模型還強(qiáng)化了隱減少了對網(wǎng)絡(luò)的依賴，即使在離線狀態(tài)下也能保持正常運(yùn)行，提升了設(shè)備的可用性和可靠性。通過支持離線運(yùn)88AI大模型技術(shù)方案白皮書99AI大模型技術(shù)方案白皮書隨著芯片運(yùn)算能力的持續(xù)提升、算法的不斷精進(jìn)以及軟這些改進(jìn)將進(jìn)一步深化智能設(shè)備的性能和應(yīng)用，從而為更加優(yōu)化的硬件加速技術(shù)等，這些技術(shù)的創(chuàng)新將進(jìn)一步云側(cè)大模型在處理大規(guī)模數(shù)據(jù)和復(fù)雜任務(wù)時(shí)，仍然具有三是應(yīng)用場景不斷拓展。隨著端側(cè)大模型技術(shù)的不斷了目前已經(jīng)應(yīng)用的領(lǐng)域外，端側(cè)大模型還將在更多的四是生態(tài)系統(tǒng)逐步完善。為了推動(dòng)端側(cè)AI大模型的發(fā)對端側(cè)大模型的支持，應(yīng)用開發(fā)框架將更加成熟和易AI大模型技術(shù)方案白皮書截至2024年底，我國以大模型為代表的人工智能普及率在AI大模型投融資方面，根據(jù)全球金融追蹤機(jī)構(gòu)Pitch-AI大模型技術(shù)方案白皮書場規(guī)模已達(dá)1,939億元，預(yù)計(jì)至2028年將激增至1模型名稱所屬公司claudesonnet420250514AnthropicDoubao-Seed-1.6-thinking支持更復(fù)雜的多模態(tài)支持更復(fù)雜的多模態(tài)提高模型的實(shí)時(shí)處理能力，支持實(shí)時(shí)多模倫理與安全:研究如何確保多模態(tài)大模型的安全和負(fù)責(zé)生成更高分辨率的2019-2024年H1中國多模態(tài)大模型行業(yè)市場規(guī)模40 50.932.0602019年2020年2021年2022年2023年2024年H1市場規(guī)模（億元）AI大模型技術(shù)方案白皮書AI大模型技術(shù)方案白皮書02019-2025年中國多模態(tài)大模型市場規(guī)模及增速2019202020212022202320242025E多模態(tài)大模型市場規(guī)模（億元）增速210模態(tài)大模型市場總規(guī)模將達(dá)到24億美元，而到2037年底預(yù)計(jì)將增長至989億美元。商業(yè)模式方面，多模態(tài)大模型的盈利模式目前主要有兩種：一種是向企業(yè)用戶提供API接口，以模型即服務(wù)用相應(yīng)的多模態(tài)AI模型進(jìn)行處理。另一種是將多模態(tài)AI案。這兩種方式都有著巨大的市場潛力，可以應(yīng)用于各隨著多模態(tài)大模型集成于端側(cè)設(shè)備，在端側(cè)與操作系統(tǒng)和各類App深度融合，它將可以接收用戶的自然語言指令或根據(jù)用戶所處環(huán)境即時(shí)調(diào)取合適的服務(wù)。例如，駕車時(shí)主動(dòng)開啟免提通話并打開導(dǎo)航。多模態(tài)大模型甚至測、交通導(dǎo)航和在線購物，形成一個(gè)完整的智能消費(fèi)生AI大模型技術(shù)方案白皮書大模型的蓬勃發(fā)展，促進(jìn)各行業(yè)加速進(jìn)入人工智能時(shí)物聯(lián)網(wǎng)設(shè)備數(shù)將突破640億臺(tái)，其中，中國市場規(guī)模超合將推動(dòng)物聯(lián)網(wǎng)設(shè)備在性能、應(yīng)用場景和社會(huì)價(jià)值上實(shí)現(xiàn)全面突破，從“萬物互聯(lián)”邁向“萬物智聯(lián)”。制車載娛樂系統(tǒng)以提高駕駛體驗(yàn)；輸?shù)阮I(lǐng)域也有望迎來AI賦能。AI大模型技術(shù)方案白皮書AIoT在擴(kuò)展應(yīng)用場景廣度深度的同時(shí)，通過終端—邊定制的體驗(yàn)，用戶能夠以低時(shí)延、低資源消耗的方式，輕松訪問和享受大模型服務(wù)，這也成為當(dāng)前物聯(lián)網(wǎng)產(chǎn)據(jù)的流動(dòng)。個(gè)較好的實(shí)驗(yàn)場。2025年全國數(shù)據(jù)生產(chǎn)總量有望突破50ZB，AI計(jì)算機(jī)的結(jié)構(gòu)持續(xù)優(yōu)化，計(jì)算數(shù)據(jù)、合成數(shù)據(jù)將超過影音視聽、略性新興產(chǎn)業(yè)和未來產(chǎn)業(yè)的數(shù)據(jù)資源規(guī)模將保持高速成為數(shù)據(jù)資源來源的另一主力。生成式AI和物聯(lián)網(wǎng)的結(jié)合，將重塑未來的技術(shù)并推動(dòng)前所未有的創(chuàng)新，這其中很多場景借助的是物聯(lián)網(wǎng)形成的一是創(chuàng)造新的物聯(lián)網(wǎng)設(shè)備。例如開發(fā)出新的具備更高自然語言處理能力的智能助理，這些設(shè)備將能夠理解并響二是增強(qiáng)用戶交互方式。雖然手勢識(shí)別和語音命令已經(jīng)在不少物聯(lián)網(wǎng)場景中采用，但生成式AI將驅(qū)動(dòng)這些新的三是提高安全性和可靠性。生成式AI可以協(xié)助開發(fā)物聯(lián)四是推動(dòng)物聯(lián)網(wǎng)接入更普惠化。生成式AI有望通過降低AI大模型技術(shù)方案白皮書產(chǎn)品和服務(wù)。該模式依托人工智能和大數(shù)據(jù)分析消費(fèi)隨著AI大模型應(yīng)用熱潮的興起，其正在重塑零售業(yè)生態(tài)。從精準(zhǔn)營銷到供應(yīng)鏈管理，從客戶服務(wù)到門店體智能客服與用戶體驗(yàn)：支持聊天機(jī)器人7x24小時(shí)提供視覺等AI技術(shù)，提供無需人工干預(yù)的購物或點(diǎn)單體驗(yàn)。識(shí)別秤可以快速準(zhǔn)確識(shí)別商品和稱重，解決商品代碼供應(yīng)鏈管理優(yōu)化：通過分析歷史銷售數(shù)據(jù)和市場趨勢，準(zhǔn)確預(yù)測未來的銷售需求，從而幫助零售企業(yè)優(yōu)化庫暢運(yùn)作。AI大模型技術(shù)方案白皮書控制的一種交通管理模式。隨著城市化進(jìn)程的加速和測、自適應(yīng)燈光控制等功能；通過駕駛員狀態(tài)檢測系統(tǒng)用視覺跟蹤、目標(biāo)檢測和動(dòng)作識(shí)別等技術(shù)，對駕駛員的駕駛行為及生理狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測，一旦檢測到駕駛員AI大模型技術(shù)方案白皮書AI大模型技術(shù)方案白皮書智慧園區(qū)是整合園區(qū)內(nèi)外的資源，根據(jù)園區(qū)管理規(guī)劃設(shè)高效率的智慧園區(qū)服務(wù)平臺(tái)及配套設(shè)施，幫助園區(qū)智能安全：通過智能化的門禁系統(tǒng)對進(jìn)出園區(qū)的人員過智能視頻系統(tǒng)對園區(qū)內(nèi)的各種場景進(jìn)行監(jiān)測，及時(shí)進(jìn)行預(yù)警；通過巡邏機(jī)器人和無人設(shè)備的定點(diǎn)定時(shí)巡隨著深度學(xué)習(xí)算法的成熟和計(jì)算能力的顯著提升，尤富的數(shù)據(jù)資源。傳統(tǒng)的工業(yè)生產(chǎn)方式面臨著效率瓶頸、界迫切需要智能化的解決方案，以實(shí)現(xiàn)更高效、更綠參數(shù)和優(yōu)化建議，能夠提高設(shè)計(jì)效率和設(shè)計(jì)質(zhì)量。同現(xiàn)更大的設(shè)計(jì)創(chuàng)新。濟(jì)的設(shè)備交付。波動(dòng)、市場趨勢以及相關(guān)因素如促銷活動(dòng)或經(jīng)濟(jì)指標(biāo)，AI大模型技術(shù)方案白皮書AI大模型技術(shù)方案白皮書AI大模型技術(shù)方案白皮書智能硬件是以平臺(tái)性底層軟硬件為基礎(chǔ)，以智能傳感施完善和應(yīng)用服務(wù)市場的不斷成熟，智能硬件的產(chǎn)品產(chǎn)業(yè)融合的交匯點(diǎn)。硬件不僅具備強(qiáng)大的計(jì)算能力，能夠高效執(zhí)行復(fù)雜的機(jī)器學(xué)習(xí)算法和數(shù)據(jù)處理任務(wù)，還擁有多模態(tài)交互能習(xí)與適應(yīng)能力，開始“會(huì)思考”，能夠根據(jù)用戶的使用習(xí)慣和行為模式進(jìn)行自我優(yōu)化和調(diào)整，從“被動(dòng)控制”向“主動(dòng)服務(wù)”躍遷，從而提供更加個(gè)性化、智能化的服務(wù)醫(yī)療健康領(lǐng)域：產(chǎn)品包括智能診療設(shè)備（電子顯微鏡、的準(zhǔn)確性和效率。輔助駕駛領(lǐng)域：產(chǎn)品包括芯片與計(jì)算平臺(tái)、傳感設(shè)備助駕駛。設(shè)備可以讓用戶及時(shí)掌握和管理自身健康狀況（如心玩具具備“交互能力”；LLM語音臺(tái)燈支持多種語言自由AI大模型技術(shù)方案白皮書快速實(shí)現(xiàn)端側(cè)AI從概念到商業(yè)落地轉(zhuǎn)化。功能及應(yīng)用場景簡介備實(shí)時(shí)性、隱私安全、無網(wǎng)環(huán)境運(yùn)行、推理成本低等特助駕駛等行業(yè)提質(zhì)增效。型算法，目前可賦能相關(guān)產(chǎn)品完成知識(shí)問答（公有/私語音喚醒語音播報(bào)人聲檢測意圖識(shí)別語音喚醒語音播報(bào)人聲檢測意圖識(shí)別語音識(shí)別標(biāo)準(zhǔn)問答指令控制AI大模型技術(shù)方案白皮書具及可穿戴設(shè)備等眾多領(lǐng)域。技術(shù)方案Memory記憶能力移遠(yuǎn)大模型應(yīng)用開發(fā)封裝Human-In-The-Loop用戶反饋TermuxMemory記憶能力移遠(yuǎn)大模型應(yīng)用開發(fā)封裝Human-In-The-Loop用戶反饋Termux虛擬機(jī)Android測試平臺(tái)對外接口封裝Restful接口層so庫Websocket接口層工具鏈平臺(tái)移遠(yuǎn)大模型微調(diào)服務(wù)移遠(yuǎn)大模型全鏈路監(jiān)控移遠(yuǎn)大模型底層算力封裝大模型部署模型部署性能調(diào)優(yōu)BootInit異構(gòu)計(jì)算異構(gòu)計(jì)算模型結(jié)構(gòu)模型結(jié)構(gòu)適配優(yōu)化音頻降噪音頻降噪整機(jī)產(chǎn)品公司目前在端側(cè)AI領(lǐng)域主推的一款智能模組，集成高通多模態(tài)信息融合，完成了感知維度的重大升級(jí)。這一突破，也讓移遠(yuǎn)成為業(yè)界首個(gè)提供端側(cè)全模態(tài)感知解決方戶終端能夠在復(fù)雜的實(shí)際場景中實(shí)現(xiàn)更智能、更高效的數(shù)據(jù)顯示，在完成針對性微調(diào)的基礎(chǔ)上，該方案生成AI大模型技術(shù)方案白皮書著對于算力和內(nèi)存資源有限的“小身板”終端設(shè)備，也能擁同時(shí)，移遠(yuǎn)通信構(gòu)建了強(qiáng)大的端側(cè)適配體系，率此外，移遠(yuǎn)通信也打造了有利于用戶方案實(shí)現(xiàn)的開發(fā)Device模型微調(diào)端側(cè)模型模型量化支持int4/int8等模型轉(zhuǎn)換AI大模型技術(shù)方案白皮書多平臺(tái)終端設(shè)備邊緣平臺(tái)模型轉(zhuǎn)換...用戶結(jié)果顯示推理部署：支持多種邊緣平臺(tái)BeamformingSoundlocalizationAI大模型技術(shù)方案白皮書~20db。常語速喚醒率95%，誤喚醒不超過8小時(shí)/次；資源占用方AI大模型技術(shù)方案白皮書功能及應(yīng)用場景簡介各類模組等基礎(chǔ)硬件和能力語音交互和所需的全鏈路音頻算法移遠(yuǎn)飛鳶物聯(lián)網(wǎng)平臺(tái)各類模組等基礎(chǔ)硬件和能力語音交互和所需的全鏈路音頻算法移遠(yuǎn)飛鳶物聯(lián)網(wǎng)平臺(tái)+聚合主流的云端大模型基于大模型輸出用戶想要能結(jié)合云端大模型實(shí)現(xiàn)智能應(yīng)用。操作指導(dǎo)影院購票商品查詢、菜單推語音對話、聊天基于云端或本地大模型應(yīng)用庫存管理、查詢語音交互、操作控制等薦等語音交互、家居控制輔助診斷、智能揀藥AI大模型技術(shù)方案白皮書技術(shù)方案用戶實(shí)時(shí)數(shù)據(jù)檢測用戶離線數(shù)據(jù)檢測移遠(yuǎn)飛鳶物聯(lián)網(wǎng)平臺(tái)聲音管理用戶實(shí)時(shí)數(shù)據(jù)檢測用戶離線數(shù)據(jù)檢測移遠(yuǎn)飛鳶物聯(lián)網(wǎng)平臺(tái)聲音管理對話交互應(yīng)用低功耗控制各種硬件合作方式QuecOpenorQuecPython便可輕松實(shí)現(xiàn)終端設(shè)備的聯(lián)網(wǎng)管理和便捷設(shè)置。未有的智能化服務(wù)體驗(yàn)。移遠(yuǎn)飛鳶物聯(lián)網(wǎng)平臺(tái)支持接入火山豆包、DeepSeek、端AI解決方案擁有廣泛的應(yīng)用前景。以在智能陪伴領(lǐng)域爆火的AI玩具為例，基于該方案打造可實(shí)現(xiàn)低延遲云端接入，并具備對話實(shí)時(shí)打斷、字幕實(shí)能，為用戶帶來了更低延遲的智能交互體驗(yàn)。作為該解案已全面具備市場交付能力。隨著市場對AI大模型需求的不斷增加，其應(yīng)用場景持續(xù)的智能小助手、VR眼鏡的信息及知識(shí)查詢、虛擬妝造設(shè)應(yīng)用注入強(qiáng)大的智能化能力。AI大模型技術(shù)方案白皮書AI大模型技術(shù)方案白皮書方案特點(diǎn)端云協(xié)同架構(gòu)賦能智能決策型及專業(yè)搜索工具，賦予機(jī)器人深度語義理解與推理能性算力架構(gòu)，極大提升了機(jī)器人跨場景部署的靈活性與聲源定位技術(shù)保障敏銳聽覺在機(jī)器人多模態(tài)感知與交互能力構(gòu)建上，方案實(shí)現(xiàn)了重此外，方案還支持中英文對話、自定義喚醒詞及音色定可保障聽覺信號(hào)的實(shí)時(shí)處理與反饋，推動(dòng)機(jī)器人從“被動(dòng)執(zhí)行”升級(jí)為“主動(dòng)感知交互”，顯著提升復(fù)雜環(huán)境下的交AI大模型技術(shù)方案白皮書成功案例跨領(lǐng)域的科研需求。AI大模型技術(shù)方案白皮書方案特點(diǎn)移遠(yuǎn)通信AI具身機(jī)器人解決方案集成AI高算力模組力模組，移遠(yuǎn)也可以提供對應(yīng)的端側(cè)AI解決方案，方便不同行業(yè)的客戶靈活選擇。在語音交互方面，方案在全語音鏈路上實(shí)現(xiàn)無縫銜接與別以及TTS語音播報(bào)。意圖識(shí)別時(shí)間控制在1s以內(nèi)，速約為10tokens/s可實(shí)現(xiàn)流暢自然的語音交互，輕松滿足用戶日常交流與理療咨詢需求。成功案例移遠(yuǎn)通信與德壹機(jī)器人推出全能王AI具身機(jī)器人。作為德壹全球首款端側(cè)大模型AI具身機(jī)器人，這款創(chuàng)新產(chǎn)品診療用戶發(fā)出指令、提出問題還是尋求幫助，全能王AI具身機(jī)器人在無需理療師介入、無網(wǎng)絡(luò)連接的環(huán)境下，可快速且準(zhǔn)確地理解用戶通過自然語言提出的指令和意圖，高效完成通用聊天；同時(shí)根據(jù)知識(shí)庫分析用戶需求與身體狀況，推薦個(gè)性化理療方案，并以清晰自然的穴位，結(jié)合用戶健康數(shù)據(jù)與實(shí)時(shí)體征，動(dòng)態(tài)生成個(gè)性化多場景需求。壹機(jī)器人將自動(dòng)規(guī)劃穴位按壓路徑、調(diào)節(jié)力度與溫度，并實(shí)時(shí)語音反饋進(jìn)度。其交互響應(yīng)速度接近人類水平，目前，移遠(yuǎn)端側(cè)AI解決方案已支持德壹理療大模型成功部署在德壹AI具身理療機(jī)器人上，實(shí)現(xiàn)了豐富多樣的語調(diào)節(jié)及音量溫度控制等諸多方面，后續(xù)客戶還可根據(jù)實(shí)際需求運(yùn)用移遠(yuǎn)工具鏈靈活拓展。AI大模型技術(shù)方案白皮書方案特點(diǎn)AI大模型技術(shù)方案白皮書音色切換房間管理角色管理音色切換房間管理語音轉(zhuǎn)文本語音轉(zhuǎn)文本大語言模型文本轉(zhuǎn)語音用戶上行音頻流智能體下行音頻流··點(diǎn)對點(diǎn)·低延遲本地語音喚醒Quectel模組回聲消除Quectel模組設(shè)備端音頻流麥克風(fēng)設(shè)備端音頻流說話人字幕智能體字幕說話人字幕智能體字幕支持python開發(fā)云端音頻流喇叭云端音頻流同時(shí)，方案在端側(cè)還集成了全鏈路純軟音頻算法，包括極大地節(jié)省了硬件空間，為AI玩具的設(shè)計(jì)提供了更高的移遠(yuǎn)通信飛鳶物聯(lián)網(wǎng)平臺(tái)在AI玩具整體解決方案中同樣場景創(chuàng)