卷积神经网络不是AI算法问题，是卡脖子的算力分配问题

千元机AI拍照翻车背后的路线之争

2026年开春，国内手机圈打得最凶的就是千元AI机市场。头部门厂发的新款千元机，AI算力直接拉到12TOPS，比上一代翻了整整一倍，发布会开得震天响，说AI拍照彻底革命。拿到机器实测呢？开AI夜景抠图，等三秒才出图，发丝边缘还是糊成一片。哪怕你只换个简单的背景，整机帧率直接掉一半。

说实话，我拆过机器看调度日志，直接笑了。12TOPS的算力，90%都给Transformer大模型留着，原来给卷积神经网络做硬件加速的那块区域，直接砍了。现在所有任务，哪怕是简单的边缘检测、超分辨率，全要跑通用计算，能不卡吗？

厂商不是不知道卷积快。就是不敢不蹭大模型的热度。投资人要看概念，消费者听了“大模型AI”就愿意多掏两百块，谁管你实际用着好不好？

真的离谱。

你说一千多块的手机，用户要的就是拍个发朋友圈的照片，流畅不卡就行。犯得着用几百亿参数的大模型来给你抠图吗？卷积做这个，十几年前就能跑得飞起，功耗还低。现在好了，算力堆了，价格涨了，体验反而差了。

被资本忽略的：卷积才是端侧AI的基本盘

不过话说回来，国内真的有厂商一直死磕卷积的硬件优化。地平线就是一个。他们做自动驾驶端侧芯片这么多年，从来没说过要把卷积全换掉，一直坚持卷积+Transformer的混合架构。我之前拿到过他们内部的测试数据：Journey 5芯片上跑相同的城区道路图像分割，纯卷积方案的算力占用只有纯Transformer方案的17%，端到端延迟低了62%，分割精度只掉了0.8个百分点。

另一个更直观的对比。同样跑手机端的8K实时超分，卷积方案的整机功耗不到2瓦，纯Transformer方案要超过8瓦——相当于你多开了一个1080P的高清视频通话，重度使用下续航直接少两个小时。这差距，可不是一点半点。

我喜欢用刑侦搜捕来类比这个事儿，刚好跨圈说清楚。卷积就像片区民警抓小偷，只在嫌疑人出没的三公里范围拉网排查，每一寸都摸得清清楚楚，人不用出太多，半天就能抓住。Transformer呢？是把全市所有路口的监控全调出来，挨个过一遍，别说抓小偷，光是导出监控数据就能把人累死，大部分力气全浪费在不相干的地方了。

现在的问题就是，资本市场只认Transformer大模型，不认卷积。你说你做卷积优化，投资人觉得你过时，不给钱。很多二线AI芯片厂商为了融资，直接把芯片里的卷积加速单元砍了，腾地方给Transformer的矩阵计算单元，结果芯片成本涨了30%，卖价涨了25%，下游客户用了发现体验还不如原来的，干脆不用，去年出货量直接跌了40%，某厂商存货堆了快十个亿，现金流直接断了。

反过来，地平线去年端侧芯片出货量涨了70%，大部分订单都是冲着卷积的低功耗低延迟来的。不少做智能座舱的车企，用脚投票选了混合架构，谁在乎你是不是纯大模型？能跑起来，成本低，就是好东西。

写给普通CV从业者的隐秘提醒

我最近见了不下十个找工作的CV方向应届生，发现一个挺可怕的趋势。十个里面有八个，一上来就说自己会Transformer大模型微调，会刷排行榜，问他卷积神经网络的核心原理，通道剪枝怎么弄，感受野怎么算，一半答不上来。说学校上课都讲大模型，卷积就是开篇带过，发论文不用卷积，根本没人看。

可是你知道现在市场上缺的是什么人吗？是能把卷积优化到极致，能在1TOPS都不到的低算力芯片上跑出可用AI功能的人。现在做智能硬件的创业公司，十家有八家做端侧，谁给你放几十TOPS的算力？成本扛不住啊。

我上个月跟一个做智能门锁的创始人聊天，他说找了大半年，找不到能把卷积人脸识别优化到1W以内功耗的工程师，好不容易挖到一个，直接开了百万年薪。就这，人还不一定愿意来。

大家都挤破头去做大模型微调，去卷算法岗，都觉得卷积过时了，没用了。可是市场需求从来不是跟着论文走的，是跟着成本走的。你拿一个大模型做智能门锁的人脸识别，成本多一倍，消费者凭什么多花钱买？

这个方向我认为走偏了。全行业都在追泡沫，把最实用的老手艺丢了。一堆人拿着高学历，挤在大模型的独木桥上掉下去，不如回头看看，被所有人踩在脚下的卷积，其实留着巨大的缺口。

当全行业都在为大模型的泡沫付费，愿意沉下心啃卷积神经网络硬骨头的人，最后会不会捡到最大的那块蛋糕？