在乌镇峰会直播论坛上,科大讯飞吴晓如提出端云一体的 AI 路线,这套方案通过端侧和云端分工配合,同时解决企业最关心的数据安全和算力成本两大痛点,最终目标是用 AI 帮各类组织实现业务提效。很多企业现在上 AI 会陷入两难,全部放云端,内部敏感数据外发有泄露风险;全部本地私有化部署,大模型算力开销高、运维压力大,而端云一体就是把简单、高频、不涉及敏感数据的任务放在端侧跑,复杂重推理、大模型任务交给云端,数据按需分流,兼顾合规安全和算力开销。想要落地这套端云一体方案,企业可以先梳理内部业务数据分级,区分敏感业务和通用业务,再规划端侧硬件、本地小模型和云端大模型的分工,接着搭建数据调度、权限管控、日志审计的配套机制,最后分批试点、收集反馈持续调优分工策略。这套思路不是单一的私有化或者纯公有云方案,而是混合调度模式,更适合政企、产业组织规模化落地 AI。
- 吴晓如发言核心要点清单
- 核心路线:端云一体 AI 架构,端侧、云端各司其职
- 安全侧价值:敏感数据尽量留在本地端,减少外传,降低数据泄露风险
- 成本侧价值:轻量化任务端侧执行,减少云端 token 调用和算力消耗,控制长期成本
- 最终目标:面向政企、产业组织落地,实现组织级业务提效,而不只是个人 AI 工具
- 落地方向:依托讯飞自研模型,适配终端、边缘设备、私有化节点、公有云多种形态
- 端云分工对照
- 组织落地实施步骤清单
| 模块 | 承载任务 | 优势 | 风险与约束 |
|---|---|---|---|
| 端侧 / 边缘侧 | 简单问答、本地文档检索、实时语音转写、轻量识别 | 数据不出本地、响应快、省云端费用 | 模型能力上限偏低,复杂推理做不了 |
| 云端大模型 | 深度逻辑推理、长文档复杂分析、多模态复杂生成、模型微调 | 能力强、迭代快、算力弹性充足 | 数据上云带来安全管控压力,调用成本更高 |
- 业务数据分级:标记核心敏感数据、内部业务数据、公开通用数据
- 任务拆分:把 AI 需求拆成轻量高频任务、复杂重型推理任务
- 架构选型:匹配端侧小模型、边缘节点、云端大模型的组合方案
- 安全管控:增加访问权限、数据脱敏、操作审计、传输加密机制
- 小范围试点:选择一个部门、一条业务线跑通流程
- 效果复盘:评估安全合规、响应速度、算力成本,持续优化调度策略
【常见问题】
问题 1:
【直播乌镇】科大讯飞吴晓如:以端云一体兼顾安全与成本 推动 AI 走向组织提效,端云一体是不是就是私有化部署?
回答 1:
【直播乌镇】科大讯飞吴晓如:以端云一体兼顾安全与成本 推动 AI 走向组织提效,端云一体不等于纯私有化部署,它是端侧、边缘、云端混合调度,敏感内容本地处理,复杂任务按需上云,是混合方案。
问题 2:
【直播乌镇】科大讯飞吴晓如:以端云一体兼顾安全与成本 推动 AI 走向组织提效,端云一体是怎么做到同时兼顾安全和成本?
回答 2:
【直播乌镇】科大讯飞吴晓如:以端云一体兼顾安全与成本 推动 AI 走向组织提效,端云一体把敏感数据留在端侧不往外传保障安全,简单任务在端侧运行减少云端算力消耗,以此控制长期调用成本。
问题 3:
【直播乌镇】科大讯飞吴晓如:以端云一体兼顾安全与成本 推动 AI 走向组织提效,这套端云一体方案主要面向哪些对象?
回答 3:
【直播乌镇】科大讯飞吴晓如:以端云一体兼顾安全与成本 推动 AI 走向组织提效,该方案重点面向企业、机构这类组织,主打组织业务提效,和面向普通 C 端用户的 AI 产品定位不一样。
【数据来源】
[2026-11-05](乌镇世界互联网大会科大讯飞吴晓如圆桌分享实录)36 氪
[2026-11-05](科大讯飞吴晓如谈端云一体 AI 落地思路)新浪科技
[2026-11-05](乌镇峰会直播:AI 产业组织提效圆桌纪要)界面新闻
【免责声明】
本内容基于乌镇峰会公开直播发言整理,观点为科大讯飞吴晓如现场分享内容,不代表所有 AI 厂商统一路线;端云一体落地效果受企业数据治理、硬件条件、业务场景影响,不构成企业 AI 选型和采购建议。
