没有网络，AI还能干活吗？9月3日，在上海举行的2026元空智能端侧AI产品首发暨元空X惠普联合发布会上，元空智能联合创始人宁鲲鹏用一场断网演示给出了答案：在三台惠普设备上，他现场完成了整理53张发票并按月分类生成Excel报告、在金融流水表中400余秒识别出两笔疑似异常交易、从蛋白质结构分析到绘制实验图再到撰写论文的科研全流程。“我们主打一个真实，断网环境，现场跑”宁鲲鹏说，而这场以“AI，在本地发生——让每一台设备都拥有持续进化的智能”为主题的发布会，正式宣告端侧AI从概念走向规模化落地的产业窗口正在打开。
云端之困与本地之选：AI的下一站在哪
发布会上，元空智能创始人&CEO逄大嵬直指当前云端大模型面临的三重现实困境：数据安全层面，企业和个人的敏感数据均需上传云端；成本层面，Token费用随使用量增加，已进入企业财务报表；稳定性层面，长任务往往跑到一半中断，无法保证持续可预期的输出。“AI的下一站，不在云端，在本地。”逄大嵬的判断，基于三条曲线的交汇——小模型的智能密度快速提升——今天35B参数的模型已达到一两年前云端大模型的能力；Agent的脚手架能力走向成熟；端侧芯片算力持续增长。三者在今年交汇，端侧AI的窗口由此打开。
这一判断在会后的采访中得到进一步展开。逄大嵬坦言，当前云端模式存在“用户越多越亏”的结构性矛盾，而端侧模式通过本地授权与硬件预装，边际成本趋近于零。中国惠普有限公司副总裁、大中华区个人信息产品事业部总经理周信宏则从客户端观察印证了这一趋势：部分企业在试用云端智能体时，仅训练阶段就耗费数百万元Token费用，“等于把钱花在从0开始训练一个新进员工上”。更关键的是，当企业成长到一定规模，其累积的知识库、专业经验与客户数据构成核心竞争力，而“这些东西不能外传”。周信宏透露，香港的投行与律所客户已明确要求AI必须本地私有化、断网可用，财务、法务等场景不能调用云端API。
从云端到本地，并非简单的技术迁移，而是AI产业逻辑的一次深层转向。当数据安全从可选项变为硬约束，当Token成本从可承受变为不可忽视，本地化正在成为企业级AI落地的必经之路。
从模型到智能体：Boxer与元空AI Work的落地实践
此次发布的核心产品是元空自研端侧模型Boxer。在一台40TOPS算力的普通消费级PC上，Boxer可实现每秒700 tokens以上的预填充速度、每秒30 tokens以上的解码速度，对话延迟接近真人交流，运行内存占用不到8GB。配套发布的端侧AI办公平台“元空AI Work”可持续24小时不间断工作，即便中断也可从检查点恢复运行；在科研场景下，可连续执行超过100组复杂实验并完整保留每一组的参数与轨迹。
在采访中，元空智能联合创始人姚佳雨进一步阐释了产品背后的技术理念。他认为，一个需要真实在环境中工作的系统，并不仅靠模型就能解决，而是需要模型、Agent与设备的协同。“模型就算再垂直，我们需要真实解决任务，需要依赖昨天的记忆和未来的判断，这永远不可能靠一个上下文去堆，因为任务不会终止，可以认为它就是无限长的。”姚佳雨表示，Agent提供与环境和任务交互的脚手架，设备则提供实施操作的触点，三者构成“三位一体的同步有机体”。宁鲲鹏则补充称，3B以下的小模型本质上只能做聊天机器人，而20B至100B参数区间的模型才具备执行Agent任务的能力，这也是元空聚焦该尺寸区间的原因。
关于为何不直接做面向特定场景的垂直模型，宁鲲鹏解释，当前训练行业模型需要模型与Agent脚手架合在一起，因为Agent脚手架本身就是产生数据、产生轨迹的环节，“它们俩是一体的，没办法分开”。而蛋白质研究案例也能说明，部分行业场景中通用模型无法完全替代专业能力，“它要调试管温度、加多少pH值，酸碱度完全决定结果”。
技术路线的选择最终指向一个核心命题：端侧模型必须是原生端侧训练的产物，而非云端模型的缩小移植。
技术可用与规模可用：元空与惠普的生态分工
如果说Boxer与元空AI Work解决了“技术可用”的问题，那么与惠普的战略合作则瞄准了“规模可用”。发布会上，双方签署战略合作备忘录并举行授权仪式，分工明确：元空负责技术研发与产品打磨，惠普负责规模化交付与企业服务。
周信宏在采访中详细阐述了惠普的角色定位。他将AI拆解为数据、算法与算力三要素：数据属于客户，算法由大模型厂商提供，惠普则提供“稳定而持续优化的算力”以及部署、实施、迭代等服务。而惠普与元空的合作并非从零开始——早在ChatExcel时期，双方就已有接触。周信宏认为，元空的差异化在于其“大模型+智能体+行业知识”的三级架构，直接能够发布面向金融、药企、科研的专家级智能体，“而不是一个空壳子，至于做什么用得拿去用了才知道”。
惠普在行业端的积累也为二者合作提供了落地基础。周信宏分享了两个此前的案例：一是用接触式声学声纹AI检测汽车座椅异响，将原本需要隔音室、耗时两分钟的检测流程压缩到四十几秒，并取消了专用检测工位；二是在半导体晶圆生产中，通过声学信号提前感知机械臂衰减，避免晶圆掉落造成的数万美元损失。这些经验使惠普得以将端侧AI从声学、视觉等垂直场景，推进到跨行业的通用智能体阶段。
在端云关系上，双方均认为混合模式将是未来常态。逄大嵬表示，元空先有云端Agent，再提供端侧方案，端云混合覆盖不同需求——对数据安全要求不高的场景可正常使用云端，对安全有硬性要求的行业则走本地私有化。周信宏则给出更具体的建议：企业应先在本地工作站上从零训练智能体，待其能力足够后再按需调用云端API处理大型任务，而财务、法务等场景必须坚持本地。
海外市场是双方合作的另一重要维度。逄大嵬透露，元空已在新加坡、东南亚、欧美及日韩市场推出产品，未来将借助惠普的全球化渠道进一步拓展，12月双方将联合进行海外推广。在他看来，海外市场对成本与安全的关注度更高、支付能力更强，“只要有很好的背书，解决销售通路问题，增长就是水到渠成”。
小团队的大命题：产学研基因与端侧未来
元空AI的团队构成颇为特殊。公司源自北京大学科学智能学院——国内唯一一所以学科方式探索科研发现的学院，逄大嵬担任北京大学AI联合实验室主任，两位联合创始人姚佳雨、宁鲲鹏均为北大在读博士。2023年3月，团队发布国内最早的AI Excel产品ChatExcel，当时豆包、Kimi尚未出现，该产品目前已积累数百万用户。三年里，团队只做一件事：让模型适配全芯片、全操作系统、全设备，从英伟达、AMD、英特尔的不同芯片，到Windows、Linux及国产操作系统，再到科研实验设备。
逄大嵬将公司定位为“端侧AI模型公司”，模型是其“存、联、算”三要素中的核心。他坦言对标对象包括清华系的面壁智能，但元空的差异化在于“做生产交付”——ChatExcel每天面对成千上万用户的真实使用，这种基因使团队更懂如何把产品卖出去、用起来。宁鲲鹏则用“麻雀模型”形容团队：几个人具备大厂完整的模型生产流水线，每个环节可能只配一个甚至半个人，但依托北大实验室的人才密度，师兄弟遍布千问、DeepSeek等头部团队，对模型训练全流程“每一步该干什么非常清楚”。
关于数据闭环，宁鲲鹏提出一个关键判断：互联网数据已被模型“吃干净”，下一代数据在端侧、在设备上——包括用户真实使用产生的轨迹数据，以及科研实验中机械臂操作产生的轨迹数据。逄大嵬则明确表示，公司不存储用户上传的文件数据，仅在企业授权的特定场景下，才将脱敏后的行业轨迹数据用于模型训练。
展望未来，周信宏给出了一个颇具画面感的预判。他注意到PC行业成本自2025年起持续上涨，内存价格“回不来了”，而英伟达已推出集成CPU、GPU与128GB内存的端侧计算平台，足以完整运行端侧模型而无需调用任何Token。“电脑持续涨价三年会发生什么？”周信宏反问，他预计2027至2028年可能出现引爆点——一台兼具游戏机性能与家庭智能体中枢功能的设备，“睡觉的时候不要关机，它就变成你的智能体中心”。
逄大嵬对此表示认同。在他看来，端侧AI的终极意义在于让智能重新归属用户。“AI，在本地发生”不是一句口号，当智能重新长在本地、长在每一台设备上，AI才真正属于用它的人。当断网不再是AI的休止符，当每一台普通设备都能持续进化、自主干活，一个由本地化智能驱动的产业新阶段配资新起点，或许才刚刚开始。（心月）
银河配资提示：文章来自网络，不代表本站观点。
热点资讯
