長期以來，邊緣計算領域面臨“硬件定制化周期長、算法開發成本高、場景適配難度大”三重壁壘，導致其落地應用呈現碎片化特點。

但隨著DeepSeek大模型的開源，將重構邊緣計算生態，以“低成本、快部署、強適配”的特性，為邊緣計算在政務、能源、生產安全、民生和農業等場景的規?；涞亻_辟新路徑。

01

算法革新

從定制開發到普惠的范式突破

在邊緣計算領域，傳統AI模型落地依賴“芯片-算法-方案”三位一體的硬件定制化路徑，不僅面臨長達數月的開發周期，其中算法環節更是需砸數百萬甚至千萬級的研發投入。

DeepSeek的開源徹底顛覆了這一格局，其底層算法框架的開放，使開發者可直接基于開源代碼進行本地化調優，如今企業僅需數十萬級投入，即可在開源算法基礎上完成行業應用延伸。

以工業質檢場景為例，以往需定制化開發的CV模型，如今可通過DeepSeek的大模型普適性能力快速遷移，避免了傳統CV模型“一場景一訓練”的高成本困局。

但從應用端來看，目前邊緣計算產品出貨量仍以CV算法為主。業內人士表示，大模型開源不過短短數月，基于大模型的開源算法目前還沒有真正需求和訂單落地，預測今年下半年會有零散訂單，真正大批量估計要到明年。

02

算力優化

架構創新與效率提升驅動算力下沉

相比于傳統大模型，DeepSeek通過架構創新降低必要算力、算法優化提升算力效率和場景定制減少冗余算力，使得同等效果下算力需求銳減，將大模型部署的算力門檻從天價拉低至消費級水平。

業內人士表示，邊緣端運行大模型的算力一般在20T-100T之間，主要看運行的模型大?。?.5b、7b、8b、14b、32b、70b、671b），32b基本可以滿足大部分需求。

雖然運行DeepSeek模型對算力的要求不高，但其對顯存有特定要求；比如運行DeepSeek-r132b-qwen-distill-q8_0模型，顯存占用在40G左右。

目前，邊緣計算領域適配大模型應用的芯片廠家主要以英偉達為主，國產芯片則主要以瑞芯微RK3588、算能BM1684X和BM1688、愛芯元智AX630C和AX650N、后摩等企業為主。

但根據調研了解，當前在邊緣計算領域，大模型應用仍然聚焦于單點應用，并未形成規?；?，大部分應用仍然以小模型為主。未來，小模型應用將長期存在，大模型將補充小模型的精確度，兩者應用形成互補關系。

03

場景落地

政務民生多領域突破

對中小企業和邊緣場景而言，硬件成本的大幅降低將帶來更多的場景應用。

在政府辦公領域，基于DeepSeek構建的本地化問答系統，可直接調用內部法規數據庫，避免互聯網數據的“幻覺”問題，準確率接近100%。

這種“數據不出域”的特性，既滿足了政務場景的保密需求，又將咨詢響應效率提升5倍以上，目前已在多地政務大廳試點部署。

在居家養老、智慧社區等場景，輕量化模型正實現“最后一米”的智能覆蓋。場景集成跌倒檢測、用藥提醒等功能，單設備成本控制在千元級，已進入上海、北京等地的社區試點。這種“低門檻、高剛需”的模式，也標志著邊緣計算從B端向C端的滲透加速。

04

現實挑戰

開源模型需深度調優，本地化適配成關鍵

盡管前景廣闊，邊緣計算領域仍面臨多重挑戰。

因DeepSeek的技術特性與訓練機制共同作用的原因，導致其幻覺率顯著高于行業水平。在VectaraHHEM權威測試中，DeepSeek-R1的幻覺率高達14.3%，即使經過優化，2025年5月的 SuperCLUE測評顯示，R1幻覺率仍為21%。

在實際應用中，企業需要采取交叉驗證、提示詞優化和行業數據注入等方式，將幻覺率從開源狀態的15%-20%降至5%以下，才能最大化利用AI能力。

多位業內人士表示，雖然DeepSeek開源了，但是客戶直接拿過去是不會用的，需要包一個UI界面才能使用；另外，直接用開源的量化模型做部署是沒有意義的，還是要根據場景去調優測試。

小結

展望未來，隨著DeepSeek與千問3等開源模型的迭代，邊緣計算將呈現“算力下沉、智能上移”的新趨勢。

當“大模型開源+國產芯片崛起+行業場景爆發”形成共振，邊緣計算市場將迎來繼云計算之后又一次產業革命，而這場革命的核心驅動力，正是開源精神帶來的技術民主化浪潮。

近日，視覺物聯聯合AIoT星圖研究院正式啟動《2025邊緣計算市場調研報告》，將從技術發展與落地應用等方面展開深度調研，揭示行業基本面，洞察競爭格局，為企業戰略制定、投資決策、市場拓展等提供結構化的參考依據。

我們擬將調研更多深耕邊緣AI發展方向的企業，并從中總結行業發展現狀以及未來發展趨勢，供其他企業參考，歡迎企業踴躍報名參加。