大讲堂
2026年春天的智能座舱圈，藏着个没人愿意公开聊的秘密。
某头部新势力的OTA更新，偷偷把端侧语音控制模块从之前吹了半年的7B量化大模型，换回了2014年就成熟的GRU模型——也就是RNN的一个常见变体。
没人敢发通稿说这个事。
毕竟2024年的发布会上，老板还拍着胸脯说，自己家的智能座舱是全行业第一个实现端侧7B大模型落地的，是面向未来3年的技术方向。
换回去的原因说出来都丢人：之前的大模型方案，单次语音唤醒的功耗是12mW，换回GRU之后直接降到1.1mW。这是什么概念？同一块500mAh的车钥匙电池，大模型方案3个月就得拆下来换，RNN方案能撑4年。更别说之前大模型方案因为功耗太高，车停一周就亏电打不着火的投诉，占了整个客服投诉量的21%，换回RNN之后，这个投诉率直接降到了0.3%。
我当时跟深圳某供应链的总工吃饭，他喝了半斤白酒才敢说，2024年为了赶大模型的风口，他把团队里三个做了10年RNN的老算法工程师全优化了。现在要重新招人，开的工资是之前的3倍，还招不到合适的。
“真的，之前谁提RNN，谁就像没上过大学一样，现在倒好，整个行业都在偷偷找会写GRU的人，连面试题都是2018年的原题。”
这话我信。2024年我去参加深圳的电子展，但凡展台上的方案提一句RNN，路过的采购都要绕着走，觉得这是上世纪的老古董，拿不出手。结果才过了一年，大家又开始抢着跟做RNN方案的供应商合作。
被绑架的技术路线，从来不是用户选的
很多人说RNN不行，是因为梯度消失，长序列记忆差，跑长文本的时候根本比不过Transformer。
这话没错。
但没人算过一笔最基础的账：端侧场景下，90%的语音交互，序列长度根本不超过200个token——也就是你说一句“打开空调，调到24度”这么长的话，RNN的记忆能力完全够用，根本不需要什么跨1000个token的长序列注意力。
恒玄科技2025年推出的那款给TWS耳机用的低功耗芯片，最初的参考设计里，给客户提供的语音唤醒方案是基于Transformer的，需要芯片的NPU跑到1TOPS的算力才能流畅运行。结果OPPO的TWS团队拿到样片之后，自己把方案换成了GRU，测下来发现，只需要10GOPS的算力，就能达到跟Transformer方案一样的唤醒准确率，算力差了整整100倍。
100倍的算力差是什么概念？就相当于你本来需要一张RTX4090显卡才能跑的3A游戏，现在用树莓派的算力就能流畅满帧跑。
为什么整个行业之前都不愿意提这个事？
因为算力厂商的利润，是跟算力规模绑定的。你用RNN，10GOPS就够，人家卖什么1TOPS、10TOPS的高算力芯片？所以过去三年，所有的行业峰会、所有的技术白皮书、所有的媒体报道，都在说RNN是上世纪的过时技术，未来是Transformer的天下。
这就像二战时候的装甲战术，所有国家的军工企业都铆着劲造虎式坦克——装甲厚，主炮射程远，看起来威风凛凛，是未来的装甲发展方向。结果真打起来才发现，绝大多数前线的交火距离根本不超过500米，虎式那门能打2公里的长管炮根本派不上用场，反而因为油耗太高，一半的坦克没开到战场就因为没油抛锚，成了盟军的活靶子。而RNN就像当年的T-34，结构简单，皮实，油耗低，虽然没有虎式那么猛的火力，但是在绝大多数日常交火场景下，完全够用，甚至因为能大批量生产，能打赢那些造价高昂的虎式。
我一直觉得，过去三年整个端侧AI的技术路线，根本不是用户用脚投票选出来的，是被上游芯片厂商的利润需求给绑架了。用户根本不需要在耳机里跑什么长文本理解，不需要让手表帮你写周报，他们只需要唤醒的时候快一点，续航久一点，别一天三充就行。
被风口晃晕的人，迟早要还的
这波RNN回滚的浪潮里，最尴尬的就是那些被风口晃晕的从业者。
某招聘平台2026年Q1的内部数据显示，端侧算法岗位里，要求掌握RNN、GRU、LSTM等传统序列模型的岗位占比，从2024年的3%，直接涨到了47%。但对应的人才储备呢？2024年一年，整个行业把80%的算法培训预算都砸在了大模型微调、Transformer架构优化上，会写RNN的人，只有2022年巅峰时期的15%。所以现在这些能把RNN模型压到KB级大小的工程师，薪资比那些做云端大模型微调的人还要高30%——这就是3倍成本挖人背后的真实人才缺口。
说实话，2024年我去参加上海的AI峰会，但凡有人在PPT里提一句LSTM，台下的人都要低头刷手机，觉得这人是从2018年穿越来的，不懂行业趋势。结果才过了一年，大家又开始抢着要这些“过时”的工程师。
我认识好几个2023年从端侧团队跳槽去大模型团队的算法工程师，现在天天在朋友圈吐槽，说当年为了面试，把简历上所有跟RNN相关的项目经历全删了，现在要重新把这些经历写回去，连面试的时候都不好意思说自己当年觉得RNN是垃圾。
还有那些靠“端侧大模型”概念拿了融资的创业公司，之前的核心业务就是把7B的大模型压到能在手机、耳机上跑，估值炒到了十几亿。结果2026年开年，客户反馈说，你压的这个大模型，续航还是不行，人家用RNN的方案，续航是你的10倍，准确率跟你差不多，谁还买你的方案？所以这批公司开年就裁了一半的研发人员，估值直接砍到脚踝。
上周在咖啡馆碰到个刚从某头部大模型公司离职的算法工程师，他说现在正在翻2018年的旧代码，捡当年删掉的LSTM实现，准备去端侧团队找工作。
那你呢？你硬盘里藏着的那些被你当成过时垃圾的老技术，现在还敢拿出来用吗？
作者|大讲堂
排版|大讲堂
审核|阿辰