今年以來，美股市值摸到3萬億美元門檻的公司一共有三家，第一名蘋果（約3.5萬億美元）、第二名微軟（約3.3萬億美元）、第三名英偉達（約3.0萬億美元）。

看似業(yè)務毫不相關，內(nèi)里實則絲絲入扣，它們登頂3萬億美元寶座，背后有一個共同的推手：AI。

AI的發(fā)展，已經(jīng)形成一個無形的三角飛輪，那就是算力、大模型和終端應用。算力是一切大力出奇跡的起點，模型在算力的加持下化腐朽的數(shù)據(jù)為神奇，然而縱使講得再天花亂墜的大模型，也需要直面消費者的AI終端應用來最后買單。

算力龍頭——英偉達，這是最好理解的，靠著壟斷AI的GPU，英偉達成為當之無愧的AI算力龍一，是最純正的賣水人；雖然老黃天花亂墜講了一大堆智能機器人、AI光刻機巴拉巴拉的，但華爾街沒人信這些，只關心它下個季度到底能出多少張卡。

大模型集大成者——微軟，則相對復雜一些，作為Open AI的最大資方身份特殊，另一方面其自己也有訓練大模型，這使得微軟成為大模型最領先的玩家，同時微軟提供的云算力服務，從這個角度來看它也是半個賣水人；此外，微軟還擁有吊打一切的辦公套裝，Copilot因此也是最被寄予厚望的AI應用，即使已經(jīng)連續(xù)幾個季度不及預期。

AI終端攪局者——蘋果，是最令人費解的，好像年初還在被詬病押寶MR和汽車，將錯過整個AI浪潮，4月份卻靠AI終端的概念，股價原地生拔30%，上演大象起舞王者歸來的故事：屬于妥妥兵馬未動，預期先行。

三家公司圍繞著AI，股價螺旋式創(chuàng)出新高，其實反映的是市場對AI飛輪不同階段的追捧。其中算力和模型，在一年多內(nèi)被反復學習，已經(jīng)沒有太多的認知差。

而拼圖的最后一塊，AI終端，雖然還在模糊中，但產(chǎn)業(yè)脈絡與財富脈絡均已逐漸清晰起來——這可能是我們研究AI，不得不更著筆墨的一大方向。

圖：近一個季度三家3萬億公司股價走勢 來源：Wind

01 AI終端不是一個偽命題

AI應用的缺失，仍在刺痛每一個科技擁躉。

從去年AI風剛開始起的時候，大家就開始暢想AI應用的遍地開花。而AI應用又可以分為兩個大類，嵌入AI功能的偏軟件類產(chǎn)品，比如微軟的Copilot，AI語音助手等；另外是嵌入AI功能的智能硬件終端。

在ChatGPT橫空出世之后，經(jīng)過一年的發(fā)展，被寄予厚望的AI應用類軟件卻始終不及預期。市場最終將其歸因于大模型還不夠強大，也正是由于這個原因，各大企業(yè)都在爭相購買云計算廠商的算力，來迭代自己的模型。其中，微軟具有 OpenAI 獨家授權的 API 接口，在AI 模型服務（AI MaaS）上明顯領先于亞馬遜和谷歌，成為意外的贏家。

但CSP算力的爆賣，也始終掩蓋不了AI應用的不及預期，可能市場期待的AI爆款應用，仍需時間等待scaling law下的新的大力出奇跡。

圖：生成式 AI MaaS 層市場占有率（2023年） 資料來源：：IoT analyst，華安證券研究所

但AI趨勢已成，創(chuàng)新的風不會消失，只會轉移。 伴隨著蘋果公司市值創(chuàng)下歷史新高，似乎昭示著智能硬件終端這個舊瓶，可以裝下AI的新酒。

從產(chǎn)業(yè)發(fā)展規(guī)律來推斷，我們認為AI終端不是一個偽命題 ，主要是基于下面兩點考量。

AI終端的產(chǎn)業(yè)邏輯是通暢的

起初大家并不看好AI終端，因為智能終端如手機、電腦，受制于功耗和體積，主芯片的算力很難像服務器集群那樣無限堆積，這也就導致終端AI的智能化程度不夠。最具代表性的案例就是已經(jīng)問世了十幾年的Siri，經(jīng)過無數(shù)版本的迭代，還跟一個傻子一樣。

但隨著大模型時代的到來，智能終端不能堆積算力的問題終于找到了解法：云側的大模型充當智慧大腦，智能終端的端側大模型充當智能交互方式，云和端相互協(xié)作。 云側大模型解決了深度智能的問題，端側大模型解決了及時智能的問題。

除了及時性和便攜性外，為什么明明有參數(shù)巨大、功能強悍的大模型了，我們還需要再購買一個搭載端側模型智能終端，而不是讓人與大模型直接對話呢？

因為這還涉及到隱私的問題。每一個個體對于AI的需求是不同的，我們的終極目標是想讓AI扮演個人的貼身秘書，這天然需要高信任度下的密集交互，隱私問題尤為突出。可以試想這樣的一個場景，處理一個私人照片，而隨意將其傳給云端大模型處理，你面臨的隱私泄露風險有多大。

所以，高通公司才發(fā)布了報告《混合AI是AI的未來》，并在報告中指出：

正如傳統(tǒng)計算從大型主機和瘦客戶端演變?yōu)楫斍霸贫撕瓦吘壗K端相結合的模式，AI處理必須分布在云端和終端進行，才能實現(xiàn)AI的規(guī)模化擴展并發(fā)揮其最大潛能。

與僅在云端進行處理不同，混合AI架構在云端和邊緣終端之間分配并協(xié)同處理AI工作負載。云端和邊緣終端（如智能手機、汽車、個人電腦和物聯(lián)網(wǎng)終端）協(xié)同工作，能夠實現(xiàn)更強大、更高效且高度優(yōu)化的AI。