【导语】2023年，边缘计算领域迎来新变革，大模型的开源化为规模化应用提供了重要支撑。视觉物联在《2025边缘计算市场调研报告》中发现，大模型一体机成为热门产品，但边缘设备算力等限制使得纯大模型部署面临挑战。业内共识是大小模型结合，以实现成本与效率的平衡。本次调研将深入探讨边缘计算的技术发展与落地应用，为企业战略决策提供参考。欢迎相关企业报名参加，共同探索边缘计算的未来趋势(shì)。

　　如(rú)果(guǒ)说(shuō)今(jīn)年(nián)边(biān)缘(yuán)计(jì)算(suàn)有(yǒu)什(shén)么(me)新(xīn)变(biàn)化(huà)，那(nà)无(wú)疑(yí)是(shì)大(dà)模(mó)型(xíng)的(de)开(kāi)源(yuán)化(huà)，为(wèi)规(guī)模(mó)化(huà)落(luò)地(de)提(tí)供(gōng)重(zhòng)要(yào)支(zhī)撑(chēng)。

　　视(shì)觉(jué)物(wù)联(lián)在(zài)《2025边(biān)缘(yuán)计(jì)算(suàn)市(shì)场(chǎng)调(diào)研(yán)报(bào)告(gào)》的(de)企(qǐ)业(yè)走(zǒu)访(fǎng)中(zhōng)发(fā)现(xiàn)，大(dà)模(mó)型(xíng)一(yī)体(tǐ)机(jī)成(chéng)为(wèi)了(le)今(jīn)年(nián)炙(zhì)手(shǒu)可(kě)热(rè)的(de)明(míng)星(xīng)产(chǎn)品(pǐn)，各(gè)大(dà)企(qǐ)业(yè)纷(fēn)纷(fēn)推(tuī)出(chū)用(yòng)于(yú)本(běn)地(de)端(duān)的(de)大(dà)模(mó)型(xíng)一(yī)体(tǐ)机(jī)。

　　凭(píng)借(jiè)强(qiáng)大(dà)的(de)泛(fàn)化(huà)能(néng)力(lì)与(yǔ)语(yǔ)义(yì)理(lǐ)解(jiě)优(yōu)势(shì)，大(dà)模(mó)型(xíng)在(zài)众(zhòng)多(duō)领(lǐng)域展(zhǎn)现(xiàn)出(chū)独(dú)特(tè)价(jià)值(zhí)。例(lì)如(rú)在(zài)安(ān)防(fáng)行(xíng)业(yè)，它(tā)能(néng)够(gòu)精(jīng)准(zhǔn)理(lǐ)解(jiě)“可(kě)疑(yí)人(rén)员(yuán)徘(pái)徊(huái)”等(děng)复(fù)杂(zá)语(yǔ)义(yì)，无(wú)需依赖大量人工标注样本。

　　然而，边缘设备自身存在的算力、存储及实时性等方面的限制，使得纯大模型部署困难重重，面临着算力成本高昂、实时性欠佳以及数据适配性差三大严峻挑战。

　　例如，一个7b参数的大模型在边缘端运行时，处理单路视频就需要数秒时间，难以满足多路并发处理的需求；在工业质检等对响应速度要求极高的场景中，大模型每秒仅能处理1帧的速度，远远无法达到毫秒级响应的标准；此外，边缘场景数据呈现碎片化特点，通用大模型的准确度仅为75%，需针对性优化。

　　小模型则凭借“小而精”的特性，在边缘端占据着传统优势，其训练数据量需求少、推理速度快（可达毫秒级）、硬件兼容性强。

　　但小模型也存在明显的短板，其语义理解能力相对薄弱，面对未训练过的复杂场景，如“识别戴安全帽且携带工具的工人”时往往束手无策；而且不同行业需求差异巨大，针对不同场景开发小模型需要重复投入，开发成本高达数十万级门槛。

　　业内的普遍共识是大小模型结合，小模型用于前置过滤，大模型进行深度理解，二者相辅相成，实现成本与效率的平衡。

　　例如，小模型先对视频流进行初筛，过滤99%的常规画面，大模型则补充小模型算法精度问题。以烟火检测为例，大模型可以将误报从15次降至1次，将95%的误报过滤掉。

　　对于无历史数据的新场景，如宠物行为识别，大模型可基于少量样本快速生成1.0版本算法，再通过小模型持续数据投喂提升精度，形成“0到1快速验证+1到100持续迭代”的闭环。

　　与过去传统方案动辄50万开发费及大量标注数据的投入相比，大小模型结合后，5万元即可启动项目，极大地降低了开发门槛；同时，小模型运行于低功耗边缘盒子，大模型部署于算力稍强的边缘服务器，避免“杀鸡用牛刀”的资源浪费。

　　以智慧交通应用场景为例，小模型实时抓拍车牌、车型，大模型分析“多车连续变道”、“行人横穿马路”等复杂事件，为交通调度提供决策支持。

　　但不容忽视的是，目前国产化芯片还无法支持大模型运行，企业需通过模型轻量化（如量化、剪枝）与异构计算（CPU+NPU协同）缓解；在实际应用中，大部分企业仍不得不选择英伟达芯片。

　　小结

　　边缘计算的智能化变革，绝非大模型对小模型的替代，而是二者在算力、成本、精度间寻找最优解的过程。对于企业而言，需以场景需求为导向，若追求极致实时性与成本控制，小模型仍是首选；若面临复杂语义理解与创新场景开拓，大模型则是破局关键。

　　视觉物联联合AIoT星图研究院已经启动《2025边缘计算市场调研报告》，将从技术发展与落地应用等方面展开深度调研，揭示行业基本面，洞察竞争格局，为企业战略制定、投资决策、市场拓展等提供结构化的参考依据。

　　我们拟将调研更多深耕边缘计算领域发展方向的企业，并从中总结行业发展现状以及未来发展趋势，供其他企业参考，欢迎企业踊跃报名参加。