#
引言
在2025年世界移动通信大会（MWC 2025）上，全球科技界见证了“端-边-云”三位一体算力网络架构的崛起。这一架构通过边缘计算模组实时处理数据、云端训练大模型反向赋能终端的动态闭环，重新定义了AIoT设备的生命周期与商业模式。本文将详细分析该架构的技术突破、商业逻辑、中国场景适配、生态协同与政策红利，以及未来的挑战与应对策略。
技术突破：从云端到终端
边缘计算的崛起
边缘计算作为“端-边-云”架构的核心，正在迅速崛起。根据联通数科的实践，通过边缘计算模组实时处理数据，可以实现毫秒级响应，满足自动驾驶、工业设备健康管理等场景的严苛需求。例如，在天津某大厦的电梯预测性维护项目中，泛在物联网网关依托DeepSeek模型定向调优与实时数据采集技术，实现故障精准预判及维保需求识别。
云端大模型的反向赋能
云端大模型通过训练和优化，反向赋能终端设备。例如，中国移动推出的端侧大模型智能手机，支持语音指令、智能识别等功能，展示了云端大模型在终端设备上的应用潜力。此外，中国电信的星辰大模型体系和中国联通的元景大模型，均显示AI正成为网络优化、终端智能化的核心驱动力。
商业逻辑：从硬件到服务
硬件迭代与服务升级
联想集团董事长兼CEO杨元庆指出，AI PC的普及不仅仅是硬件迭代，更是让PC从“个人电脑”进化为“个性化智能体”。联想对AI PC的普及持积极乐观态度，预计2025年AI PC在PC销量中的占比将升至25%，2026年突破50%，2028年预计达80%。
生态协同与商业模式创新
联通数科通过自主研发的新型物联网操作系统格物OS，与DeepSeek大模型深度融合，构建了完整的端侧AI技术栈。这一创新成果已通过电梯预测性维护场景验证，成为国内首个此融合技术落地该场景的实践案例。生态协同不仅推动了技术突破，还催生了新的商业模式。
中国场景适配：从制造到服务
智能制造的应用
“端-边-云”架构契合中国制造业智能化升级的战略需求。例如，智慧工厂中，作为枢纽的边缘网关可以协调数百个传感器，通过本地AI模型实时分析设备振动数据，预测故障并自动调度维修，帮助工厂的故障停机率大幅下降。
新型基础设施建设的推动
中国移动、中国电信和中国联通三大运营商均将AI作为核心战略，推动AI从辅助工具升级为基础设施。例如，中国移动的端侧大模型、中国电信的星辰大模型体系，以及中国联通的元景大模型，均显示AI正成为网络优化、终端智能化的核心驱动力。
生态协同与政策红利
生态协同的挑战与机遇
“端-边-云”架构的实施面临技术适配、生态协同等挑战。例如，ERP、CRM、HR系统各自为政，形成封闭的“点状智能”。联想的解法是构建“混合式人工智能”架构，通过端、边、网、云的协同，将分散数据汇聚至私有云训练模型，再部署至边缘侧推理。
政策红利的释放
中国政府在新型基础设施建设和智能制造领域的政策红利，为“端-边-云”架构的实施提供了有力支持。例如，中国移动推动“星罗算力网络”，中国电信依托天翼云，中国联通通过云数据中心，共同支撑AI应用爆发的算力需求。
未来挑战与应对策略
技术适配的挑战
“端-边-云”架构的实施需要解决技术适配问题。例如，早期的终端芯片难以承受大模型，导致性能缩水功能失真。DeepSeek的出现成功打破了云端AI的技术僵局，通过模型压缩技术，将千亿参数模型缩减至终端侧可运营的十亿级规模。
生态协同的挑战
生态协同是“端-边-云”架构实施的关键。例如，联通数科通过自主研发的新型物联网操作系统格物OS，与DeepSeek大模型深度融合，构建了完整的端侧AI技术栈。这一创新成果已通过电梯预测性维护场景验证，成为国内首个此融合技术落地该场景的实践案例。
结论
“端-边-云”三位一体算力网络架构通过边缘计算模组实时处理数据、云端训练大模型反向赋能终端的动态闭环，重新定义了AIoT设备的生命周期与商业模式。这一架构契合中国制造业智能化升级和新型基础设施建设的战略需求，但也面临技术适配、生态协同等挑战。未来，随着技术的不断成熟与应用的持续深化，这一架构有望推动更多行业向更加智能、高效、安全的数智化未来迈进。
相关文章
