1. 定义设备上交易主题
设备上的 AI 收购应该解决特定的战略问题。买方可能需要更低的云暴露、更快的交互、离线弹性、本地数据处理、设备生态系统的访问、差异化的硬件利用率或将智能置于用户附近的分销渠道。每篇论文都会产生不同的尽职负担和评估逻辑。
卖方的主张应表达为可衡量的链:兼容设备、安装的软件、激活的功能、合格的任务、接受的结果、客户价值、实现的价格和保留的现金贡献。链条断裂限制了价值。模型可以在设备上运行,而无需用户激活它。激活的功能可能会导致质量下降或消耗过多的电池。有价值的结果可能会被困在固定价格内。
Apple 的 Core ML 文档指出,设备上执行可以消除对网络连接的需求,支持隐私和响应能力,并使用 CPU、GPU 和神经引擎资源。[1] Google 的 AI 边缘材料围绕低延迟和本地数据定位设备上模型。[2] 这些都是平台能力。交易团队仍然需要所支持的资产中特定于公司的证据。

作者框架。分配遵循任务能力、结果、连通性、数据和经济性。
2、选择路线前先对工作量进行分类
相关问题不在于该产品是否在设备上。这是哪些任务属于哪条路线。有界分类、本地转录或传感器检测任务可以适合设备外壳。大型多源调查可能需要云模型、搜索和扩展上下文。后续行动可能需要中央控制或授权审查。
任务分类应记录输入类型、模型要求、内存、能量、延迟、连接性、数据敏感性、工具访问、结果和质量阈值。然后,产品可以定义批准的路线和后备。同一应用程序可以使用图 1 中的所有四个位置。
| 工作负载等级 | 主要价值 | 典型约束 | 候选人安置 | 交易证据 |
|---|---|---|---|---|
| 日常个性化 | 私人适应和即时性 | 设备兼容性和型号尺寸 | 设备 | 激活、接受和电池影响 |
| 互动协助 | 低响应时间和连续性 | 环境、热包络线和质量 | 设备或混合 | 尾部延迟、回退和用户保留 |
| 敏感企业任务 | 本地数据控制 | 策略、审计和工具权限 | 设备、本地边缘或私有云 | 数据流、契约和控制证据 |
| 复杂合成 | 前沿品质和大背景 | 网络、云成本和数据传输 | 混合或云 | 质量响应曲线和总成本 |
| 产业感知 | 持续的本地决策支持 | 可靠性、安全性和硬件生命周期 | 设备或站点边缘 | 在操作条件下验证的性能 |
| 相应的执行 | 有副作用的受控行动 | 授权、验证、回滚 | 强制控制混合动力 | 批准的工作流程、日志记录和事件证据 |
公司特定的评估确定哪条路线符合批准的结果标准。
分类法应该进行版本控制。适用于当前旗舰处理器的路由可能会在较旧的设备上或操作系统更改后失败。卖家应说明每种材料功能支持的最低硬件和软件。
3. 构建硬件覆盖范围分母
安装基础经常被视为战略覆盖范围。经济分母更窄。它从技术上与模型和运行时兼容的设备开始。然后,它会删除不支持的操作系统、内存或存储空间不足、不可用的加速器、排除的区域、已卸载的应用程序、禁用的权限、不活动的帐户以及未激活该功能的用户。
剩余的活跃支持资产应按群组进行衡量。设备老化、电池老化、操作系统碎片以及供应商改变访问权限。买方应了解更换周期以及卖方在不放弃客户的情况下保持绩效的能力。

每个计数都是用于方法说明的假设管理假设。
| 到达层数 | 定义 | 证据 | 估价用途 |
|---|---|---|---|
| 可寻址硬件 | 所主张的类别或生态系统中的设备 | 平台和市场记录 | 仅限高端市场边界 |
| 兼容硬件 | 满足处理器、内存、存储和加速器要求的设备 | 兼容性测试和设备矩阵 | 技术范围 |
| 支持的遗产 | 具有支持的操作系统、区域和应用程序版本的兼容设备 | 发布和支持记录 | 可用范围 |
| 已安装的活跃房地产 | 具有活跃应用程序或服务使用的受支持设备 | 产品遥测 | 当前分配访问 |
| 激活的功能 | 用户启用并使用 AI 功能的活动设备 | 同意和产品事件 | 采用分母 |
| 接受结果用户 | 用户以认可的质量和服务接收定义的结果 | 评估和工作流程证据 | 经济影响力分母 |
| 向留存用户付费 | 与已实现价格和续订相关的接受结果用户 | 计费、收集和队列数据 | 贡献和估值基础 |
买方应将每一层与记录系统和规定的测量日期进行核对。
4. 将隐私变成有证据的产品声明
本地加工可以减少合格原始投入的传输。它并不能证明所有数据都保留在设备上。遥测、崩溃日志、检索、模型更新、云回退、支持、广告、分析和帐户系统仍然可以移动数据。买方应该为每项实质性任务和后备计划绘制实际路径。
隐私声明应具体说明哪些输入保留在本地、哪些派生数据离开设备、数据保留多长时间、提供商是否可以将其用于模型改进、处理发生在何处以及删除如何进行。用户控制和合同语言应与实现相匹配。
Apple 的私有云计算材料描述了当请求需要更大模型时使用的云处理安全架构,包括可验证的软件和隐私保护。[8] 面向隐私的云设计的存在强化了检查混合路径的需要,而不是假设二进制设备或云架构。
| 宣称 | 技术证明 | 商业证明 | 失效模式 |
|---|---|---|---|
| 数据保留在本地 | 数据包、日志、代码和配置审查 | 客户条款和隐私声明 | 隐藏遥测或云回退 |
| 离线可用性 | 跨受支持的设备进行断开连接的功能测试 | 观察到相关人群的使用和保留情况 | 无网络时部分功能失效 |
| 响应速度更快 | 代表性负载下的百分位端到端测量 | 任务完成情况和用户偏好 | 没有工作流程增益的基准增益 |
| 更低的运输成本 | 设备和云成本分类账,包括工程和支持 | 群组贡献 | 成本转化为支持或硬件负担 |
| 更强的信任 | 同意、控制和事件证据 | 愿意采用、更新或付费 | 没有行为反应的营销主张 |
| 更广泛的影响范围 | 支持有效的遗产和分配权 | 激活、接受结果和收集 | 资格较低的主要安装基数 |
仅当技术、合同和客户证据一致时,索赔才会进入评估。
5. 价格延迟和线下弹性
延迟是一种端到端服务衡量标准。模型执行时间只是其中一个组成部分。模型加载、提示构建、检索、工具使用、热节流、内存压力、操作系统调度和用户界面渲染都会影响结果。产品应按设备类别和任务测量中值和尾部延迟。
MLCommons 定义移动推理场景并报告百分比延迟、吞吐量和质量目标。[3] 标准化结果可以为硬件比较提供信息,而产品调查则需要实际应用、模型和设备资产。可用旗舰系统的基准测试结果并不能确定卖方完整安装基础的性能。
离线弹性可以在旅行、现场工作、工业运营和受限网络中带来价值。产品应说明哪些功能可以离线工作、它们保持可用的时间、更新和凭据的行为方式以及连接恢复时状态如何同步。客户证据应表明弹性会影响采用、保留或价格。
6. 重建完整的装置经济性
设备上执行可以减少符合条件的任务的计量云推理。它引入了另一个成本堆栈:模型转换和压缩、特定于设备的优化、应用程序大小、下载带宽、存储、评估、操作系统认证、遥测、支持、网络安全、模型更新、回滚和更广泛的兼容性矩阵。
能源和电池的使用会影响客户体验,并可能产生支持或采用成本。内存压力会限制并发功能。热节流会改变持续性能。硬件供应商可能会在设备价格中包含加速器,而应用程序公司仍然需要承担工程和分销成本。
经济分类账应该在可接受的结果水平上比较路线。云路由每个请求的成本可能更高,并支持更广泛的功能。设备路由可能具有较低的可变提供商成本和较高的固定工程成本。盈亏平衡取决于合格的数量、覆盖范围、质量、生命周期和客户价格。
7. 控制模型大小、压缩和质量
设备部署通常使用较小的模型、量化、修剪、蒸馏或专门的架构。这些技术可以减少内存、能源和延迟。它们还可以改变质量、稳健性和行为。每个材料变体都需要对代表性任务和设备进行评估。
Apple 发布了示例模型信息,其中包含特定于设备的推理时间和模型变体。[4] Google 通过其边缘工具记录了 Gemma 的移动部署路径。[5] 这些来源表明,性能取决于模型、精度、设备和软件堆栈。目标公司的测量结果仍然是交易的真实来源。
模型注册表应记录来源、许可证、培训和微调权限、架构、精度、支持的设备、运行时间、质量阈值、发布日期、回滚和支持终止。交易应确定关键优化是否取决于创始人、不可转让的工具或机密平台访问。
8.使用混合路由作为控制平面
混合路由决定是在本地、站点边缘、私有云还是公共云中执行。它可以保留敏感或交互式任务的本地处理,并将复杂的工作升级为更强大的模型。路由器应评估设备功能、任务类别、结果、连接性、数据策略、质量、延迟、成本和服务可用性。

作者框架。每条路线均须遵守批准的任务、数据、质量和服务范围。
后备经济学属于分类账。由于模型不可用、硬件不受支持、资源受限或质量低于阈值,设备路由可能会失败。云回退可能会保护结果,同时增加成本并改变数据路径。产品应根据需要向客户披露该路径。
9. 承销分销和平台控制
设备上的价值通常取决于平台所有者、半导体供应商、操作系统、应用商店、原始设备制造商或企业设备管理者。目标可能具有合同访问权限、技术集成、首选分发位置或仅具有发布应用程序的能力。这些位置具有不同的耐久性。
买方应检查批准权、API、权利、商店规则、收入分成、排名、预安装、默认状态、更新控制、安全要求和终止。分销协议可能会过期。操作系统所有者可以复制某个功能。硬件路线图可能会否决目标的优化。
战略范围还取决于企业部署。移动设备管理、安全审查、采购、模型更新和数据政策可以决定采用情况。消费者下载计数不应被视为企业分发证据。
10. 保护模型、软件和数据权利
该交易需要对每个材料模型、权重、数据集、运行时、编译器、库和优化的可转让权利。开源标签并不消除许可义务。模型许可证可以限制使用、再分发、托管服务、品牌或规模。第三方代码可以施加通知、来源或专利条件。
培训和评估数据需要出处、许可和保留记录。设备遥测可能包含个人或商业敏感信息。买方应了解客户合同是否允许预期的集成、模型改进和跨产品使用。
员工和承包商的任务应涵盖发明、代码、模型、数据管道和文档。联合开发和大学安排可以创造背景和前景权利。无法迁移的关键模型优化可能会削弱习得论点。
11.将网络安全视为边缘经济的一部分
将模型分发到设备会改变攻击面。攻击者可以检查应用程序包、提取权重、操纵输入、篡改运行时状态或利用更新通道。公司应评估模型机密性、代码签名、安全启动、硬件支持的密钥、证明、沙箱、更新完整性和回滚。
设备泄露可能会产生错误输出或不安全操作。后续工作流程需要验证、权限、速率限制和确认。遥测应该在不损害隐私主张的情况下检测异常行为。
安全成本属于产品模型。更大的资产需要漏洞响应、支持版本管理和事件通信。不受支持的设备可能会成为安全风险和客户保留问题。 NIST 的安全软件开发框架提供了相关的开发指导,而其 AI 风险管理框架和生成 AI 配置文件支持更广泛的治理。[31][32][33]
12. 绘制监管和出口限制
隐私、AI、消费者、网络安全、产品安全、就业和部门规则可以根据使用和管辖范围适用。本地处理可以减少一些传输。它不会消除透明度、合法基础、安全性、准确性、歧视、人工监督或记录义务。
欧盟 AI 法案使用基于风险的义务,并包括适用时间表下与提供商、部署者和通用 AI 相关的规则。[34] 《通用数据保护条例》和监管指南仍然与个人数据处理相关。[35] 交易团队应获取有关实际产品和地理位置的最新建议。
出口管制和制裁可能会影响先进的硬件、软件、加密和技术支持。硬件覆盖范围应排除无法合法服务的司法管辖区或客户。买方不应看重合同或法律上无法实现的理论影响力。
13. 定义M&A基本原理和反事实
收购案例应确定买方比通过合作伙伴关系或内部发展更快或更可靠地获得什么。可能的资产包括边缘优化模型、编译器、运行时软件、设备遥测、分销权、活跃安装基础、企业合同、专业工程师或硬件关系。
反事实应该估计构建成本、时间、平台访问、机会成本和失败风险。拥有大量安装基础的买家可能会看重目标的型号和运行时间。模范公司可能会重视买方的分配。半导体公司可能会重视提高加速器利用率的工作负载。协同模型应该遵循相关方的资产,而不是假设每个买家都能实现相同的价值。
竞争审查可以检查市场定义、取消抵押品赎回权、数据、生态系统、互操作性和创新。美国司法部和联邦贸易委员会发布合并指南;欧盟委员会和英国竞争与市场管理局发布合并审查指南。[36][37][38] 实际交易需要当前的法律建议。
14. 构建收购运营模式
买方应决定哪些组件保持独立,哪些组件集成。模型开发、设备优化、应用程序体验、分发、云回退、客户合同和治理可以有不同的所有者。集中每个决策的集成可能会减慢产品的速度,而该产品的优势在于快速特定于设备的迭代。
架构和商业治理应该一致。产品团队可以选择路线。财务部门应协调成本和客户价格。安全和隐私团队应批准数据路径。销售人员应避免承诺不支持的设备或无限昂贵的后备方案。董事会应该看到一份范围和贡献分类账。
保留专业工程人才非常重要。尽职调查团队应绘制关键知识、文件、继任者、激励措施和工作授权。交易应避免将技术价值归因于知识尚未制度化的个人。
15. 假设收购案例
考虑假设的收购方正在评估具有设备端和混合功能的企业生产力应用程序 AI。本节中的每个数字都是仅为了演示该方法而创建的管理假设。它没有描述指定的公司或市场预测。
卖家提到有 8000 万个可寻址设备。技术和支持审查确定了 5200 万种兼容设备和 4100 万种受支持设备。该应用程序在 1400 万台受支持的设备上处于活动状态。 400 万用户激活了 AI 功能,280 万用户在当月产生了至少一个可接受的结果。在这些用户中,有 120 万关联到付费企业或高级帐户。
该产品处理 4800 万个符合条件的任务。 58% 在设备上执行,12% 在本地或私有边缘执行,30% 在公共云或云回退中执行。分配给启用 AI 的优惠的每月确认收入为 AED 8.4 million。完整的直接成本为 AED 3.36 million,产生 AED 5.04 million 的贡献,即 60.0%。
| 公制 | 基准月 | 二年级案例 | 证据门 |
|---|---|---|---|
| 支持的有源设备 | 14.0m | 22.0m | 兼容的硬件、软件支持和主动遥测 |
| 接受结果用户 | 2.8m | 6.2m | 任务评估和用户事件 |
| 向接受结果的用户付费 | 1.2m | 3.0m | 计费、收款和账户关联 |
| 合格的每月任务 | 48.0m | 118.0m | 分类任务遥测 |
| 设备和本地边缘共享 | 70% | 78% | 路由跟踪和回退协调 |
| 确认每月收入 | AED 8.40m | AED 18.60m | 合同、计费和收入政策 |
| 完整的直接成本 | AED 3.36m | AED 6.70m | 设备、云、工程、控制和支持分类账 |
| 边际贡献 | 60.0% | 64.0% | 一致的完全成本政策 |
| 每月云回退率 | 14% | 8% | 失败路由和升级记录 |
每个值都是说明性的管理假设,需要公司特定的证据。
第二年的案例假设支持范围更广、激活率更高、付费用户更多、设备执行能力得到改善以及回退率更低。它还资助模型更新、安全和支持。每一次改变都需要操作证据。买方应将不受支持的覆盖范围和未经测试的路由节省保留在基本案例之外。

所有值均为说明性管理假设,单位为 AED 百万。
16. 强调覆盖范围、路线和客户价格
缺点应该从触及范围开始。兼容性问题可能会减少符合条件的设备。操作系统的更改可能会增加支持成本。质量差距可能会增加云回退。隐私问题可能会减少激活。平台变更可能会削弱分销。这些影响可以同时发生。
| 设想 | 付费范围 | 设备路由共享 | 实现价格 | 完整的直接成本 | 边际贡献 | 解释 |
|---|---|---|---|---|---|---|
| 根据 | 指数100 | 70% | 指数100 | AED 3.36m | 60.0% | 当前案例说明 |
| 强大的隐私采用 | 索引 118 | 74% | 索引 106 | AED 3.74m | 64.0% | 客户反应支持溢价 |
| 硬件碎片化 | 索引 78 | 55% | 索引 98 | AED 3.62m | 50.5% | 到达率下降,云回落上升 |
| 平台访问丢失 | 索引 64 | 63% | 索引 95 | AED 3.20m | 45.1% | 分布和激活减弱 |
| 质量回归 | 索引 85 | 48% | 索引 94 | AED 3.88m | 39.8% | 重试、回退和支撑上升 |
| 受控混合路由 | 索引 108 | 79% | 索引 101 | AED 3.08m | 66.2% | 需要经过验证的质量和遗产范围 |
| 综合缺点 | 索引 58 | 42% | 索引 88 | AED 4.10m | 28.0% | 需要流动性和估值保护 |
每个值都是方法演示的说明性管理假设。
敏感性应该流入现金、整合资金和交易结构。买方应该对整个硬件生命周期的更新和支持成本进行建模,而不是使用一个稳态百分比。设备更换可以扩展功能,同时让部分客户继续使用旧硬件。
17. 价值支持范围和保留贡献
设备上 AI 估值应从受支持的经济产业开始,而不是从已安装的标题开始。开分母是满足所需处理器、内存、存储、操作系统、安全和应用条件的设备数量。接下来的关卡是主动使用、功能激活、接受的结果、支付帐户和保留贡献。每个门应该有一个可重复的来源和一个周期定义。
收入法可以对来自付费使用、更新、扩展和经验证的成本避免的现金流进行建模。收入应反映合同和收入确认政策。直接成本应包括设备测试、模型优化、软件更新、云回退、遥测、评估、安全、支持和平台费用。然后,营运资本、资本支出、税收和整合支出将运营贡献转化为现金。 IFRS 13和国际估值准则提供了相关的公允价值和估值原则; IFRS 3、IAS 36 和 IAS 38 管辖企业合并后的重要会计问题。[40][41][42][43][45]
市场方法需要谨慎的正常化。当目标公司承担设备认证成本、硬件碎片化和长期支持尾数时,云软件公司的收入倍数可能会误报价值。当目标公司既不控制芯片经济也不控制分销时,半导体市盈率可能会误报价值。应根据支持范围、支付渗透率、路线组合、利润政策、客户集中度、经常性收入、知识产权控制和运营证据的成熟度来调整可比交易。
成本方法可以帮助测试模型、运行时、编译器、数据、集成和专家团队的替换成本。它很少单独捕获分销、客户合同或上市时间。分析还应该认识到过时的情况。如果平台所有者提供替代品、硬件世代发生变化或者目标缺乏维护和商业化堆栈的权利,那么技术上令人印象深刻的模型可能会失去经济价值。
| 层 | 所需证据 | 超值待遇 | 常见的夸大其辞 |
|---|---|---|---|
| 安装基础 | 平台和设备记录 | 仅上下文 | 将每个已发货的设备视为可访问 |
| 兼容地产 | 最低限度的硬件和软件测试 | 场景分母 | 忽略内存、热量和操作系统限制 |
| 支持的活跃资产 | 发布矩阵、遥测和支持政策 | 操作分母 | 计算过时或不受支持的设备 |
| 激活使用 | 同意的功能事件 | 收养证据 | 将可用性与使用等同起来 |
| 接受的结果 | 任务评估和用户接受度 | 产品价值证据 | 将通话或代币计为客户价值 |
| 付费接受使用 | 合同、账单和账户关联 | 收入驱动因素 | 将免费使用归因于付费需求 |
| 保留贡献 | 完整成本队列分类账 | 现金流基础 | 不包括设备和控制成本 |
| 买家特定的协同效应 | 可执行的整合计划 | 单独的概率加权案例 | 向卖方支付买方自己的资产 |
这座桥是一个勤勉的结构。公司特定的价值需要经过验证的记录和批准的估值方法。

该矩阵是一个交易筛选框架。它并不代表观察到的市场数据。
18. 将买家协同效应与目标独立价值分开
协同分析应命名资源、所有者、行动、时间安排、成本和依赖性。手机制造商可以贡献分销和硬件集成。软件平台可以提供帐户、开发人员访问权限和计费方式。模型提供者可以贡献研究能力。半导体公司可能会提供优化工具和加速器访问。目标应该获得其控制的资源的独立价值。买方拥有的分销或采购权属于单独的协同案例。
收入协同效应需要一条通往客户的途径。该模型应识别合格的帐户、销售动议、激活、实现价格、续订和蚕食。成本协同效应需要完整的基线和可靠的实施计划。云成本的降低应该扣除设备工程、资产测试、可观察性和支持的额外成本。人员节省应考虑保留、遣散费、知识转移以及维持已获得能力的需要。
重复计算是一种反复出现的风险。更高的收入、更高的利润率和更高的倍数可能都反映了同样的改善。评估委员会应显示因果关系并使用一种处理方法。它还应该将几个看似合理的买家可获得的协同效应与所选收购方独有的协同效应区分开来。竞争紧张会影响价格,而投资案例仍然需要可执行的现金流基础。
19. 建立可重复的勤勉室
尽职调查室应将产品声明与记录联系起来。买家应该能够选择设备组、重现资格、通过路由和质量控制跟踪任务、将接受的结果链接到帐户、核对发票并确定直接成本。抽样应涵盖重要的设备系列、操作系统版本、地理位置、客户群、工作负载和故障状态。
技术证据包括模型卡、评估集、发布历史记录、运行时依赖性、设备矩阵、功率和热测试、回退日志、更新机制、安全架构和事件记录。商业证据包括合同、价格表、权利、使用群体、续订、支持票证、渠道条款和平台依赖性。财务证据包括收入政策、云发票、设备实验室支出、工程分配、保修或支持条款、资本化开发和现金收集。
法律尽职调查应涵盖所有权、开源义务、模型和数据许可、员工和承包商分配、隐私声明、同意、处理器条款、出口管制、客户限制和控制权变更条款。安全尽职调查应测试更新链、密钥管理、本地数据保护、模型提取、恶意输入处理和车队响应。 NIST 的 AI 风险管理框架、网络安全框架和安全软件开发框架可以支持结构化审查。[29][30][31][33]
| 工作流程 | 最低限度的证据 | 决策输出 |
|---|---|---|
| 硬件覆盖范围 | 设备矩阵、基准测试结果、主动遥测 | 支持的支付分母 |
| 产品质量 | 任务分类、评估集、接受结果率 | 路线和产品范围 |
| 经济学 | 合同到现金追踪,完整的直接成本账本 | 队列贡献和现金 |
| 隐私 | 数据图、同意、本地/云路径、删除测试 | 索赔边界和补救措施 |
| 安全 | 威胁模型、签名、更新、事件和车队控制 | 风险登记册和资助计划 |
| 技术权利 | 代码、模型、数据和依赖来源 | 所有权和许可时间表 |
| 平台曝光 | 发行、操作系统、商店和硬件术语 | 集中和连续性计划 |
| 规定 | 产品,AI,隐私、出口和行业分析 | 管辖条件 |
| 组织 | 关键角色、记录和保留 | 整合和保留计划 |
| 估值 | 独立案例、敏感性和协同效应 | 价格及保护范围 |
该清单需要根据产品、交易和司法管辖区进行定制。
20.通过交易条款分配风险
价格结构可以反映证据质量。考虑因素可能包括交割时的现金、延期付款、托管、扣留、盈利或与可衡量结果相关的或有价值。指标应在运营团队的影响范围内、一致定义且可审核。安装量或推理量指标可以奖励不经济的活动。支付接受使用、保留供款、续订和支持的遗产质量通常更接近耐用价值,具体取决于实际交易。
陈述和保证可以涉及知识产权所有权、许可、隐私、安全、合规性、合同和财务信息。契约可能要求在签署和成交之间维护文档、访问、安全响应或监管合作。具体赔偿可以解决已确定的问题。保修和赔偿保险可以改变追索权,但不能取代尽职调查。法律顾问应针对交易和司法管辖区设计一揽子方案。
整合资金应该放在购买价格旁边。买方可能需要设备实验室、模型优化、安全修复、合同迁移、平台认证、保留和云容量。如果缺乏实施预算,较低的购买价格不会创造价值。董事会应批准收购对价、所需投资和下行流动性作为一项资本决策。
21. 进行为期 180 天的循证整合
前三十天应该保存服务、人员和证据。买方确认所有权,保护关键员工,冻结不受支持的产品承诺,建立覆盖范围和贡献基线,并任命负责产品、财务、隐私、安全和平台关系的领导者。重大事件和合同期限立即受到关注。
第 31 至 90 天建立共同的测量和控制。该团队协调设备矩阵、路线遥测、评估方法、完整成本政策和客户权利。它可以修复关键的安全或隐私漏洞,调整发布治理并测试选定群体的投资案例。商业团队收到经过批准的索赔和定价框架。
第 91 天到第 180 天仅验证了改进。该团队在质量和贡献通过大门的情况下扩展支持的硬件,在可行的情况下重新谈判材料平台或供应商条款,并通过受控测量推出交叉销售或溢价优惠。投资委员会收到独立案例,实现协同效应、补救支出和修正的缺点。

该序列是一个通用的操作框架,需要针对具体事务进行调整。
22. 明确交易决策
最终决策备忘录应用一句话陈述交易论点,找出支持该论点的证据,并说明可以使其无效的条件。它应该呈现独立价值、买方特定的协同效应、整合成本、下行流动性和建议的风险分配。公开调查结果需要所有者、截止日期以及价格、条款或成交条件的处理。
当目标公司控制重要的技术或分配、支持的支付范围是可重复的、可接受的结果是强有力的、完整的贡献是持久的、权利是明确的以及整合是可执行的时,继续决策可能是适当的。有条件的决定可能需要补救、分阶段投资、商业合作、许可、资产购买或或有对价。当覆盖范围取决于不受支持的设备、质量需要持续昂贵的回退、权利不确定、平台集中度不受控制或卖方的估值依赖于买方拥有的协同效应时,拒绝决策可能是理性的。
批准后继续治理。每月运营审查应遵循支持的覆盖范围、激活、可接受的结果、路线组合、后备、完整成本、收入、保留、事件和集成支出。季度投资审查应将已实现的现金和协同效应与批准的案例进行核对。硬件、操作系统、模型、法规或平台术语的变化应该会引发刷新的观点。
董事会包应保留技术、客户和财务证据之间的关系。硬件覆盖时间表应协调开放和关闭支持的资产、添加、删除、软件更改和不活动设备。产品计划应协调激活的用户、任务尝试、接受的结果、失败、后备和客户支持。商业时间表应协调权利、实现价格、已确认收入、发票和现金。成本计划应协调设备执行、云执行、工程、测试、安全、平台、支持和事件成本。这种通用数据模型可以防止不同的团队提出不兼容的成功衡量标准。
阈值需要明确批准。管理层可以定义每个任务类别的最低质量、最大延迟、隐私限制、能源或电池限制、支持成本、回退率和贡献。路由器在生产中应用这些策略。例外情况应注明批准所有者和有效期。高价值的监管工作流程可以证明与低价值消费者功能不同的成本和控制范围是合理的。投资案例应反映实际的组合而不是单一投资组合的平均值。
证据质量应该影响信心和资本释放。直接复制的合同到现金和设备到结果记录支持基本情况。样本、管理层估计和不完整队列属于概率加权或下行情况。当客户部署的硬件无法运行产品时,签署的客户合同并不能建立经济影响力。当生产支持和后备未知时,成功的实验室演示并不能建立保留贡献。决定备忘录应明确说明这些界限。
融资计划应与风险相匹配。经核实贡献的稳定经常性合同可能支持收购债务或经常性收入融资,但须符合贷款人的要求。不稳定的使用、集中的平台、快速的硬件更换或材料修复可能需要更多的股权、延迟考虑或里程碑资金。债务能力应在整合和支持成本后使用下行现金。契约可以监控流动性、客户集中度、受支持的财产、贡献或其他商定的措施(其中定义可审计)。
退出计划从进入开始。未来的战略买家可能会对同一技术有不同的评价,因为它的分销、硬件、数据和平台地位不同。金融买家需要可执行的独立案例和管理深度。公开市场投资者可能会关注经常性收入、保证金政策、集中度、安全性和资本化发展。因此,当前的收购模型应该保留独立绩效和每个已实现协同效应的可分离证据。该记录减少了对退出时叙述的依赖。
董事会还应规定改变方针的条件。平台限制、严重漏洞、意外监管、不利的客户反应或持续的质量下降可能需要路线重新设计、定价变化、更窄的硬件支持、额外的资本或产品撤回。预先商定的触发器可加速行动。它们还可以防止沉没的采购成本压倒现有的证据。
独立审查可以测试模型是否保持可重复性。审查者选择群组,重复影响范围和结果计算,跟踪成本并挑战协同所有权。调查结果可用于风险登记和评估。在进行重大延期付款、再融资、减值测试或扩展到新硬件系列或受监管市场之前,这种审查特别有用。
结论
设备上 AI 可以通过隐私、响应能力、离线弹性、分布和减少对公共云推理的依赖来创造交易价值。当买方能够证明支持的硬件范围、可接受的客户结果、明确的权利以及在完成设备和控制成本后保留的贡献时,这些好处就可以进行投资。
决定性的单位是在受支持的资产中交付的支付可接受的结果。安装的设备、模型参数和推理计数是支持措施。严格的交易流程对工作负载进行分类,验证路线,重建完整的经济性,测试权利和平台依赖性,将独立价值与买方协同效应分开,并为运营计划提供资金。
混合架构通常是路线组合而不是二进制设计。因此,买方承保一个控制系统:哪些任务在哪里运行、在哪些隐私和质量限制下、以多少总成本以及有哪些后备。随着硬件、模型和客户期望的变化,该系统应该保持可测量性。
来源
- 苹果,核心机器学习, 阅读主要来源
- 谷歌,谷歌 AI 边缘, 阅读主要来源
- MLCommons,移动工作组, 阅读主要来源
- 苹果,核心机器学习模型, 阅读主要来源
- Google、移动和网络领域的 Gemma、 阅读主要来源
- 苹果,核心 AI, 阅读主要来源
- 苹果,基础模型框架, 阅读主要来源
- Apple,私有云计算安全指南, 阅读主要来源
- 苹果,隐私, 阅读主要来源
- 谷歌、LiteRT、 阅读主要来源
- 谷歌,谷歌 AI 边缘画廊, 阅读主要来源
- 谷歌、双子座纳米、 阅读主要来源
- Google,Chrome 中内置的 AI API, 阅读主要来源
- 高通,设备上 AI 机会, 阅读主要来源
- 高通,AI 的未来是混合动力, 阅读主要来源
- Qualcomm,启用设备上生成 AI, 阅读主要来源
- 高通,AI集线器, 阅读主要来源
- 高通公司,年度报告, 阅读主要来源
- Arm 控股公司,年度报告, 阅读主要来源
- 手臂、人工智能、 阅读主要来源
- 英特尔、OpenVINO 工具套件、 阅读主要来源
- 微软、ONNX 运行时移动、 阅读主要来源
- NVIDIA、Jetson 文档、 阅读主要来源
- MLCommons、MLPerf 推理、 阅读主要来源
- MLCommons、MLPerf 推理策略和结果、 阅读主要来源
- 国际能源署,能源和AI, 阅读主要来源
- 经济合作与发展组织,测量 AI 计算和应用的环境影响, 阅读主要来源
- 美国国家标准与技术研究所,隐私框架, 阅读主要来源
- 美国国家标准与技术研究院,网络安全框架 2.0, 阅读主要来源
- 美国国家标准技术研究院,AI风险管理框架, 阅读主要来源
- 美国国家标准技术研究院,生成 AI 简介, 阅读主要来源
- 美国国家标准与技术研究所,对抗性机器学习分类法和术语, 阅读主要来源
- 国家标准与技术研究所,安全软件开发框架, 阅读主要来源
- 欧盟委员会,AI 法案, 阅读主要来源
- 欧盟《通用数据保护条例》, 阅读主要来源
- 美国司法部和联邦贸易委员会,合并指南, 阅读主要来源
- 欧盟委员会,合并控制, 阅读主要来源
- 英国竞争和市场管理局,合并评估指南, 阅读主要来源
- 美国联邦贸易委员会,合并前通知计划, 阅读主要来源
- IFRS 基金会、IFRS 3 企业合并、 阅读主要来源
- IFRS 基金会、IFRS 13 公允价值计量、 阅读主要来源
- IFRS 基金会、IAS 36 资产减值、 阅读主要来源
- IFRS 基金会、IAS 38 无形资产、 阅读主要来源
- IFRS 基金会、IFRS 15 客户合同收入、 阅读主要来源
- 国际评估标准理事会,国际评估标准, 阅读主要来源
- 苹果公司,年度报告, 阅读主要来源
- 字母表、年度报告、 阅读主要来源
- 高通、美国证券交易委员会 (SEC) 文件、 阅读主要来源
- Arm Holdings、SEC 文件、 阅读主要来源
- 国际标准化组织,ISO/IEC 27001 信息安全管理系统, 阅读主要来源

