人工智能重要应用，产品落地爆发在即.pdfVIP

❀端侧智能：人与人工智能交互的更优窗口

❀政策、技术、需求多维共振叠加新品刺激，行业步入发展快车道

❀生态效应显著，把握高通、华为两大主线

❀投资建议与风险提示

P3

端侧智能是指在终端设备一侧进行的智能化处理和决策。它将人工智能算法和计算能力直接部署在边缘设备上，如智能手机、PC、智能家

居、可穿戴设备、汽车、工业传感器等，使这些设备能在本地进行数据处理和分析，无需将大量数据传输到云端进行处理。这些终端通过

语言学习平台

内置的AI算法和硬件支持，实现了语音识别、图像处理、自然语言理解、预测分析等功能，提升用户体验和设备性能。

端侧智能区别于传统AI的关键在于，AI终端采用大模型端侧部署或端侧部署与云端部署相结合的模式，而非完全依赖云端大模型。在AI终

端上，云端大模型为端侧提供支持，复杂计算任务可以在云端完成，然后将结果传输到端侧设备。而端侧大模型在本地设备上运行，负责

相对简单的任务，实现更快速的响应和更好的隐私保护。

图:云端大模型与端侧大模型对比图:AI终端的关键技术特征

云端大模型端侧大模型

运行在数据中心或云计算平台上的运行在本地设备上的模型，

大型模型，通常拥有强大的计算能通常较小，但经过优化适

力和大量的存储资源，能够处理大应设备的计算和存储限制，

规模数据，进行复杂的计算和训练，特征是能够在本地设备上

提供强大的AI服务，但存在定制化快速响应，提升隐私保护

程度低、隐私无法保证、使用必须和数据安全，减少对网络

联网等缺陷。连接的依赖。

资料来源：about云，东兴证券研究所资料来源：《华为AI终端白皮书》，东兴证券研究所

东兴科技｜端侧智能行业报告P4

端侧智能依靠技术特性在多方面具备显著优势。增效方面，低延迟使得其在自动驾驶等即时反馈场景作用明显；脱机可用确保在无网

络时也能持续提供智能化服务；分布式计算与边缘计算架构结合，实现多设备协同工作，增强系统计算能力。降本方面，节能高效可

降低能源消耗，成本效益显著是因为减少了对云端资源的依赖，降低了带宽和存储成本。安全方面，稳定的特性可避免因云端服务波

语言学习平台

动中断工作流；数据安全能降低数据泄露风险。此外，端侧智能还具有个性化优势，可本地分析用户行为，精准了解需求，提供个性

化服务，更好地满足用户独特偏好和需求。

表:端侧智能的优势

优势类型具体优势描述

低延迟AI终端设备在本地处理数据，降低处理延迟，实现更快响应时间，在自动驾驶、智能家居和工业控制等即时反馈场景作用明显。

增效脱机可用AI终端设备在无网络连接情况下仍能独立运行，确保在网络不稳定或断开时持续提供智能化服务，提高系统整体可靠性。

分布式计算与边缘计算架构结合，实现大规模分布式处理，多设备、多节点环境下协同工作，增强整体系统计算能力与效率。

节能高效本地执行计算任务，减少与云端数据交互，降低能源消耗，提升整体系统能源效率，优化资源利用，减少对外部计算资源依赖。

降本

成本效益本地处理数据，减少对云端资源依赖，降低与云计算相关的带宽和存储成本，对大规模部署企业成本效益显著。

稳定调度本地大模型，避免因云端服务波动导致工作流中断，减少对云端模型依赖，使工作流程更稳定可控。

安全

数据安全本地处理敏感数据，避免上传至云端，降低数据泄露风险，增强隐私保护，在涉及个人信息和商业机密应用中尤为重要。

个性化个性化本地对用户行为细致分析，精准了解用户需求，提供个性化服务，更好适应用户独特偏好和需求。

资料来源：东兴证券研究所制表整理