中经记者 谭伦 苏州报道
在生成式AI向智能体AI、物理AI进一步演进的背景下，产业关注点正在发生变化。相比模型参数、能力榜单以及单纯的算力规模，企业开始更加关心AI能否进入既有业务流程、能否控制部署和使用成本，以及最终能否形成可量化的商业价值。
“产业关注的重点，也正在从‘模型能力有多强’，转向‘AI能否真正部署’。”9月23日，2026英特尔行业解决方案大会在苏州举行，英特尔行业及解决方案业务部总经理王景佳在大会上表示，对企业客户而言，问题已经不只是能不能使用AI，而是AI能否改善效率、成本、质量和用户体验，并从一个试点向更大范围复制。与此同时，随着AI从理解信息走向现实世界中的行动，智能体AI与物理AI已经开始出现融合迹象。
这种变化也意味着，AI产业正在进入更加现实的“算账”阶段。今年9月，Gartner基于107个智能体AI部署案例分析认为，智能体AI最大的商业机会来自专业化，并预计到2028年，智能体AI产生的可量化投资回报中，80%将来自面向特定领域的专业智能体，而非通用型智能体。与此同时，Gartner此前还预测，到2027年年底，超过40%的智能体AI项目可能因成本上升、商业价值不清晰或风险控制不足而被取消。
对此，英特尔及其产业伙伴负责人在会后采访中向《中国经营报》记者表示，在AI由实验走向产业化的过程中，两条路径正在逐步清晰：一是云、边、端不再是非此即彼，而是根据实时性、成本、隐私等条件动态分配工作负载；二是AI进一步进入零售、教育、制造、医疗和EDA等垂直场景后，竞争重点正从通用模型能力转向行业知识、数据、软硬件适配以及规模交付能力。
AI部署重新计算成本账
过去两年，大模型能力持续提升、推理Token价格不断下降，一度让更多AI工作负载向云端集中成为产业讨论的重要方向。但在王景佳看来，随着产业实践深入，端侧AI是否具有价值，已经不能简单用单次推理成本衡量。
“端侧AI部署不仅是成本问题，而是需要综合考量服务器、时延、响应、成本、隐私安全等多个维度。”王景佳表示，在无网、弱网场景，以及需要实时响应的商业和工业环境中，边缘或者云边端混合部署仍具有明显需求。更重要的是，虽然模型推理单价持续下降，但AI调用量也在快速增加。“虽然单价在下降，但是账单未必会随之下降。”他指出。
这也解释了为何“混合AI”正在成为新一轮产业部署的重要关键词。以零售行业为例，商米科技执行董事、产品线总经理陈桂鸿指出，门店实时交互、点餐等业务对网络稳定性和响应速度要求较高，部分数据也需要在本地环境处理，因此更适合由端侧和边缘侧承担；但类似“AI店长”这样的经营分析任务，需要汇总大量数据且对实时性要求相对较低，仍可以在云端完成。“端、云、边这三者可能是融合的”，不同工作负载需要被重新拆解和分配。
教育行业亦是如此，据视源股份商用显示BG副总裁王玉龙介绍，在课堂观察场景中，由于涉及未成年人隐私，视频等敏感数据首先在本地处理、结构化和脱敏，再结合云端上下文生成课堂分析报告。目前这一场景使用32至48TOPS左右的端侧算力即可基本满足本地小模型处理需求。
对企业来说，推动算力向端侧和边缘侧延伸，并不意味着重新回到“本地计算取代云”的旧逻辑，而更接近一次AI基础设施的重新分工。实时性强、数据敏感、调用频率高的工作负载向本地靠近，大规模训练、复杂分析和非实时业务继续由云端承载。
从更大的市场趋势看，边缘计算投入也仍在增长。IDC此前预计，亚太地区边缘计算支出将从2024年的489亿美元增长至2028年的840亿美元，期间年复合增长率约15%。其中，中国在2024年占该地区边缘市场的比重超过60%。IDC认为，低时延、实时分析、运营效率以及AI、5G和物联网的结合，是推动企业增加边缘投入的重要因素。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
关键词：
