宏发证券离线智能，什么时候迎来 DeepSeek 时刻？

编辑｜郑玄宏发证券

过去两年，关于 AI 模型的故事，几乎都在围绕两个版本展开：无所不能的云，和充满想象的端。

曾经，一个被广泛描绘的行业蓝图是：随着轻量化模型能力的持续增强，AI 摆脱云端束缚，在每个人的设备上实现永不离线的贴身智能，似乎只是一个时间问题。

然而，喧嚣过后，一个尴尬的现实摆在眼前：不论是近期爆火的 AI 玩具，还是备受瞩目的 AI 眼镜，其核心交互和智能依然牢牢地系于云端。即使是算力更强的手机和 PC，真正实现了离线 AI 能力的，却依然凤毛麟角。

技术演示里，端侧模型看起来无所不能。但最后说好的离线智能，怎么还是离不开网络？

矛盾的一面，是用户对体验的极致渴求：即时响应不能等，隐私数据不想传，断网时刻不失联。而另一面，是端侧设备永远无法回避的「物理天花板」——有限的算力、功耗和内存，像一道无形的墙，残酷地阻隔了绝大多数高性能模型的落地。

更深层的矛盾，则在于商业的引力。对于手握最强模型的巨头而言，云端是彰显技术领导力的标杆，更是利润滚滚而来的收费站。当所有的目光和资源都聚焦于云端时，那个更苦、更累、商业回报更不明朗的端侧，自然成了被忽略的角落。

那么，那些真正致力于推动「离线智能」的少数派，他们到底在做什么？在今年的世界人工智能大会（WAIC）上，一家名为 RockAI 的公司给出了自己的答案。他们正走在一条少有人走的路上，并找到了破局的钥匙。

以「让每台设备都拥有专属智能」为使命，这支团队一头扎进底层技术，甚至大胆舍弃主流 Transformer 架构，硬是啃下了端侧部署这块被视为「不可能完成的任务」的硬骨头。早期，他们的模型就能完整跑在算力捉襟见肘的树莓派上——这块卡片大小的电脑向来是端侧部署的严苛试金石，大多数同类模型在它上面往往跑出几句话就卡住。

而在今年 WAIC 推出的 Yan 2.0 Preview 仅 30 亿参数，已经能做到多模态，并在本地实现真正的「记忆」：模型可动态调整权重，长期保留并更新用户偏好。

而这项「不可能完成的任务」的成果，也并未停留在实验室的演示阶段。量产订单已经从海内外市场发来，将技术实力迅速兑换为商业价值。

他们的故事或许能回答那个根本问题：当云端模型高歌猛进时，我们为什么还需要、以及如何才能实现真正的离线智能？

极客公园采访了 RockAI 的联合创始人邹佳思，与他们聊了聊 RockAI 背后的商业故事。

为什么我们还没有拥有永不下线的随身 AI ？

问：整个行业似乎都在为一个离线智能的未来而努力，苹果这样的巨头更是将此视为核心战略。可为什么从技术演示到消费者手中，这「最后一公里」却总是走不通？

邹佳思：大家都在谈离线智能、设备端的 AI，但理想和现实之间，横着两座几乎无法逾越的大山：一座是算力，另一座是功耗。

大模型想在设备上运行，需要很高的算力配置。目前很多行业内的 AI 公司，虽然也有参数比较小的模型，但是仍然需要算力更高的芯片才能跑上去。

比如我们的一个客户，想要在手机上配置离线的大模型，但是当时行业里其他大模型厂商提出的方案，几乎无一例外地要求必须使用高通最新的旗舰芯片以及 16G 以上的内存。但现实是，大多数智能设备，都不能具备这样的算力芯片。

这就是最残酷的算力鸿沟：你的 AI 技术再先进，如果只能满足少数顶配设备应用，那么就失去了普惠 AI 的意义。

另一座大山，则是功耗。

这个问题在手机上体现得淋漓尽致。现实中，手机厂商只要尝试部署大模型，设备的发热就非常严重，这几乎是所有基于传统 Transformer 架构模型的通病。几乎所有主流手机厂商都和我们交流过这个痛点。他们都想在下一代 AI 手机上实现突破，但又都被这堵功耗之墙挡住了去路。

为什么最后一公里走不通？

事实是，硬件的更新的节奏客观上很慢，很多设备多年前就卖出去了，当年的芯片、存储、麦克风、摄像头都不是为今天的大模型准备的，把 Transformer 往这些中低端算力上布，要么跑不起来，要么勉强跑效果差。

即便上游厂商推出新一代高端芯片，把它布置进新产品线往往要经历 6 – 12 个月；而产品真正卖爆、规模化出货并广泛普及通常还需要额外 1 – 2 年。这种节奏是客观物理现实，不可能被跳过。

问：您刚才提到了，无论是算力还是功耗，很多问题的根源都指向了目前主流的 Transformer 架构。Transformer 在云端证明了自己是当前最强的 AI 架构，为什么把它搬到端侧设备上，就水土不服了呢？

邹佳思：这个问题确实问到了在设备端运行大挑战的核心。Transformer 之所以强大，依赖于它革命性的注意力（Attention）机制。但问题恰恰也出在这里。

传统的 AI 模型像一个流水线工人，他处理信息是一个一个按顺序来的，记忆力有限，处理到后面就忘了前面。而 Transformer 就像一个拥有超能力的总指挥，他不是按顺序处理，而是让信息排成一个方阵，然后要求方阵里的每一个字，都要和其他所有的字握手一次，来计算彼此之间的关联度。

这种「全局握手」的能力，让 Transformer 拥有了超凡的理解能力。但在云端，你有无限的算力去支持这种计算。

但手机芯片（CPU/NPU）的设计，更像是刚才说的「流水线」，它擅长的是高速、顺序地执行任务。你突然让它去完成一个需要「全局握手」任务——每增加一个字，计算量就指数级暴增——它瞬间就不知所措了。

我们从一开始就关注到了这个问题。业界目前也有一些改进方案，像 Flash Attention、线性注意力等等。但我们的结论是，这些都只是在「指挥大厅」里做一些小修小补，没有从根本上改变「全局握手」这个高耗能的模式。

我们最后选择了一条更彻底的路：保留 Transformer 强大的特征提取能力，但彻底拿掉那个消耗巨大的 Attention 机制，用一种全新的、更适合在「流水线」上运行的架构来替代它。国外同期的 Mamba 架构也看到了类似的方向。我们不是去修补一辆不适合在小路上开的 F1 赛车，而是重新设计一辆能在小路上跑得飞快的越野车。

问：这听起来非常复杂。只是为了在智能硬件上跑，就要重新设计一个架构。离线智能真的有这么必要吗？

邹佳思：这个问题很有趣，我们认为非常有必要，而且我们也确实看到了很强的市场需求。

它的必要性体现在几个无法被云端替代的价值上：宏发证券

第一，绝对的隐私安全。这是苹果这样的公司投入端侧最核心的初衷。最敏感的数据，比如你的相册、健康信息、聊天记录，根本就不应该离开你的设备。这是一个原则问题。

第二，极致的实时交互。很多场景对延迟的要求是毫秒级的。比如部署了 Yan 架构的无人机，用户喊一声「在我跳起来的时候抓拍」，模型就必须瞬间响应。这种场景，任何一次网络波动都可能是致命的，你不可能依赖云端。再比如未来的机器人，它需要根据自己独特的臂长、传感器参数来做出精准的动作，这种与硬件高度绑定的实时控制，必须由本地的」大脑」来完成。

第三，成本问题。云端 API 的价格看起来在不断下降，甚至免费，但仍然是有成本的。以摄像头为例，出货量是以亿为单位。在这种海量规模下，云端再便宜，乘以亿，也是一笔天文数字。而走向离线智能，硬件成本是已经付出的，后续的使用几乎不产生额外费用。从商业逻辑上，海量设备，本地部署一定是成本最优解。

本地模型就像一个守在门口的聪明管家，它隐私、安全，个性化的理解你。即使它不一定能解决所有最复杂的问题，但它应该能处理掉 80% 的日常琐事——开应用、设提醒、简单翻译、会议纪要等等，并且做得又快又安全。对于绝大多数用户来说，不是每时每刻都需要处理复杂任务。

云端模型能够满足用户比较高的需求，但是设备端的模型能更快，更安全，更便宜地满足用户的大部分需求。

能实现离线智能的模型，应该长什么样？

问：刚刚提到，为了实现离线智能，你们选择了最难的路——重新设计一辆「越野车」。那么，这辆新车的「发动机」，也就是你们新架构的核心机制，究竟是什么？

邹佳思：我们的核心创新，就是抛弃了我们前面说的 Transformer 那种需要「全局握手」的、高耗能的 Attention 机制，回退到更轻的「特征—抑制—激活」架构，再配合分区激活，把每次真正运算的参数量压到十分之一甚至更低。算力需求降到原来的五分之一以上，功耗降到十分之一。前面说过，标准 Transformer 架构中，无论任务多小，所有参数都必须全部被激活，才能获得一个高智能的答案。但是人脑其实不是这么运行的。

人脑其实也有 800-900 亿的神经元，我们可以理解为，它是一个 800-900 亿参数的模型，人脑如果是全量激活，功耗可能会到 3000 瓦甚至 4000 瓦，但是人脑其实际的功耗只有 30 瓦不到。

人脑怎么神奇地干成这件事情呢？就是靠分区激活。我们的模型就是借鉴了这种方式。

除了功耗降低了，新的架构还让我们能够在一个 3B 的模型中，实现多模态。

用一个不太严谨的比喻，当你看到一只鸟，听到它的叫声，同时又在阅读「鸟」这个字时，你的大脑并不是整个被点亮。它是在视觉区、听觉区、语言区这些不同的分区里，激活了特定的、小范围的神经元。正是这些分区既独立又相互重叠的激活，帮助我们高效地将形态、声音和词汇完美地对齐。

30 亿参数以下的 Transformer 模型因为其全局计算的特性，很难高效地处理和对齐不同来源的模态信息。而我们的类脑激活机制本身就更接近大脑的分区处理模式，不同模态输入可以天然地激活不同的分区，让对齐变得更轻松、更精准。因此在 3B 规模下，我们依然能保留强大的文本、语音、视觉联合理解能力。

问：「分区激活」思路确实很巧妙。但人脑之所以能只激活一小部分，是因为它本身是一个近千亿参数的巨型模型，底子够厚。而我们现在的端侧模型，本身就只有区区几十亿参数，已经是在「螺蛳壳里做道场」了。我们真的能指望一个小模型，通过激活更小的一部分，来完成更好的智能吗？

邹佳思：您这个问题，正好触及了当前大模型发展范式的核心——我们称之为压缩智能的困境。

现在的预训练大模型，本质上是一个压缩智能的过程——像一块巨大的海绵，它的训练过程，就是把海量的互联网数据（水），压缩进这个由几千亿参数构成的容器里。参数量越大，海绵越大，能吸收和储存的知识自然就越多。

这个范式在处理多模态时，会存在一些问题。压缩过文件的人应该都知道，1G 的文字打包压缩后，是比 1G 的视频、图像这样的文件更小的。视频图像这样的文件本来就大，而压缩比又低，这就是为什么市面上小参数的 Transformer 模型，很难加入多模态能力。

所以，如果游戏规则只是比谁的海绵更大、谁背的书更厚，那小参数的模型确实没有未来。

但我们认为，真正的智能，不应该只是压缩，更应该是成长和学习。这就是我们路线的根本不同：我们不是在一条道上走到黑，而是压缩智能 + 自主学习双线并行。

我们刚才提到的分区激活，它的意义不仅在于节能，更在于它为成长提供了可能性。

我们现在的模型只有 30 亿参数。但通过神经网络精细的动态分区，打比方分成 100 个区，那么一次只需要激活 3000 万个参数。这意味着，我们未来完全可以在手机内存允许的范围内，把端侧模型的总参数也做得很大，比如做到百亿甚至更多，但通过只激活其中极小一部分，来保持同样低的功耗。

这就颠覆了游戏规则。我们不再是研究怎么把大模型变小，而是研究怎么让模型在端侧从小长到大。

所以，当别人都在压缩这条路上内卷时，我们通过 MCSD 架构、分区激活、记忆神经单元，为端侧模型找到了第二条、也是我们认为更符合生命本质的成长路线——可持续的、低成本的自主学习。我们不只是在构建一个能在设备端跑起来的模型，我们是在为端侧 AI 的未来，构建一个全新的、能够不断成长的大脑底座。

问：您提到了自主学习这个词，怎么理解 Yan 模型的自主学习？它和现在云端模型的个性化有什么不同吗？

邹佳思：自主学习，正是我们这次在这次 WAIC 上想展示的最令人兴奋的技术突破之一。

目前我们接触到的云端大模型，都要通过预训练才能更新自己的智能。因为一个模型真正学习的过程——理解用户的反馈，并将其体现在自己的神经网络变化中，依赖于前向传播（推理 / 猜测）和反向传播（学习 / 修正）的过程。而反向传播本身是一个特别耗能的过程。在云端，一个千亿模型进行一次反向传播，需要动用一个庞大的、由上千张 GPU 组成的训练集群。

所以，所有基于 Transformer 架构的模型，一旦被部署到你的手机上，就成了只读存储器——它只有前向传播的能力，失去了学习和更新的可能。我们接触到的所谓的个性化，都只是模型通过对话，记住了你的一些偏好，形成了一个外挂知识库，这并不是从根本上学习了你的偏好。因此有时候你和模型即使强调了很多遍你的偏好，模型还是会有自己想偏好的输出。

而我们的创新，恰恰是在这个最根本的物理限制上，实现了一个看似不可能的突破：它让反向传播这个学习过程，第一次有可能在端侧设备上发生。

得益于分区激活的特性，当模型需要学习新知识时——比如记住你「喝咖啡不加糖」这个偏好——它不需要去撼动整个几十亿参数的神经网络。我们的架构能做到：锁定与这个新知识直接相关的、那个被激活的、极小的神经元分区。在这个被隔离的微型战场里，执行一次低功耗的反向传播，只更新这个分区内极少数的权重参数。将这个学到的新知识，直接、永久地写入模型本体的神经网络中。

通往个性化记忆和自主学习的大门就这样被打开了。

现在，我们的模型可以一边使用（推理），一边学习（训练），把新学到的东西，比如你的新习惯、新偏好，直接写进模型本体。它让模型拥有了真正的自主进化能力。

离线智能什么时候能够上 AI 玩具？

问：我们刚才聊了很多技术上的不可能与可能。现在我们回到市场，当大部分声音还在追逐云端千亿模型时，你们的技术却在短时间内找到了真实的商业订单。这让我们非常好奇，从你们的视角看，当前市场上，究竟是哪一类玩家，对离线智能抱有最强烈的执念？他们背后的商业驱动力是什么？

邹佳思：目前，我们接触了多个领域的客户，而每个领域客户对于离线智能的执念背后，都有着深刻的商业逻辑。

PC、平板和机器人是我们当前最核心、已实现量产的战场。我们会更关注更广域的中低算力市场。

以我们和某头部出海厂商的合作为例。他们的核心诉求，并不仅仅是为未来的旗舰机型打造 AI 功能，更是要盘活手中数以亿计的、已经售出或正在销售的中低端设备。

为什么硬件厂商如此在乎这些旧设备？这背后有两条生命线：

第一条，是针对已经卖到用户手里的设备。通过 OTA（空中升级）的方式，为这些旧设备推送我们的 AI 模型，可以创造全新的软件预装和增值服务收入。更重要的是，这极大地提升了品牌价值——「我几年前买的电脑，现在居然也能升级成 AI PC 了！」这种口碑是花钱也买不来的。

第二条，是针对当下仍在出货的、非旗舰的机型。任何一个品牌都不可能只靠售价上万的顶配 AI PC 活着，真正的销量和利润，来自于广大的中低端市场。但这些设备，因为芯片算力限制，根本无法运行主流的 Transformer 模型，但厂商并不愿意因此看着自己的产品与 AI 绝缘。

而我们的技术，恰恰是填补这个巨大空窗期的解。我们的模型能直接在这些非旗舰的存量设备上流畅运行，让厂商下个月就能把 AI PC 卖到用户手中，而不是苦等三年。

除了 PC 和平板之外，我们也关注机器人和手机领域。与无人机公司也有一定的合作。

问：AI 眼镜和 AI 玩具这些炙手可热的领域呢？

邹佳思：这两个品类，几乎是所有媒体和投资人见到我们必问的问题。它们代表了设备端 AI 最性感的想象力，但也暴露了最骨感的现实。

它们的根源问题，其实是同一个：为了极致的成本控制和轻便性，这些设备里的芯片，从设计之初就不是为了跑 AI 的。

以 AI 眼镜为例，现在市面上的主流方案，用的要么是高通的 AR 专用芯片，要么是恒玄等厂商的芯片。这些芯片本质上是通信芯片，它们的任务是做好蓝牙连接、信息投屏、简单翻译等，算力被严格限制。

结果就是，我们的模型想跑在大部分眼镜上，都跑不上去，算力、内存完全不达标。连我们都跑不上去，就更别提那些动辄几十亿参数的 Transformer 模型了，那更是天方夜谭。AI 玩具也面临着完全一样的困境。

市场对体验有极高的幻想，但硬件的物理现实却极其残酷。

面对这个死结，我们目前看到了两条清晰的路径，我们也在同时推进：

第一条路，是「曲线救国」，也是当下最务实的方案既然眼镜本身算力不够，那就借用手机端的算力。这个方案，我们正在和一些头部的眼镜厂商进行深入的洽谈。

另一条路，是更激进、更面向未来的「釜底抽薪」。我们和一些像影目科技（INMO）这样有魄力的伙伴，正在尝试一个大胆的想法：在下一代的眼镜上，直接换一颗更强大的大脑芯片。

这当然会带来巨大的功耗和工业设计挑战。但对他们来说，一旦成功，就意味着拥有了一款独一无二的、能真正实现离线智能的眼镜。想象一下，你戴着它去海外旅游，在没有任何网络的环境下，它能实现即时的、高质量的离线翻译，这种体验是「炸裂」的，是绝对的差异化优势。

所以，对于眼镜和玩具这两个市场，我们既有务实的「当下解法」，也有着眼于未来的「终极方案」。我们非常有耐心，因为我们相信，真正的爆发，需要等待技术和硬件的完美共振。

问：现在国内的 AI 硬件赛道极其火热，但都以使用云端 AI 为主。但我观察到你们的客户，实际上是销往海外的。在离线智能这件事上，海内外的市场温度是否并不一致？

邹佳思：您观察到的这个「温度差」，正是我们现阶段战略布局的核心。销往海外市场的智能硬件，其实为我们提供了一片更广阔的蓝海。这种「炽热」的需求，主要源于三个国内不太敏感的「痛点」：

第一，是根植于文化的「隐私执念」。在欧美市场，用户对于个人数据隐私的重视程度，是写进法律、深入人心的。我们目前也在和一家头部玩具 IP 公司谈合作，他们之所以对我们的方案产生浓厚兴趣，一个核心前提就是：他们不希望用户的隐私上云。他们的内容 IP 和用户数据是最高级别的资产，必须在设备端处理。

第二，是客观存在的「网络鸿沟」。我们很容易被国内一线城市无处不在的 5G 网络所「蒙蔽」，认为网络无所不能。但放眼全球，对于我们的出海伙伴来说，他们的用户可能在非洲的原野，也可能在东南亚的岛屿，这些地方的网络环境，让依赖云端的 AI 体验变得极不可靠。一个能在弱网、无网环境下稳定运行的离线模型，是他们的「救命稻草」。

第三，是更高的人力成本催生的「效率需求」。在海外，很多场景下用机器替代人力的意愿更强。当他们需要一个可靠的、无需联网的 7x24 小时接待员或多语言导游时，离线智能的商业价值会比国内市场体现得更直接、更迫切。

所以，我们的战略非常清晰，我们称之为「借船出海」。我们通过赋能那些本身就非常优秀的中国出海企业，将我们的技术带给全球那些对离线智能有着最真实、最强烈需求的 C 端用户。

问：您的分享描绘了一个非常激动人心的前景，但也无法回避一个尖锐的现实：一方面，端侧模型是各家智能硬件厂商都在关注的重点，国外内手机巨头们都在投入重兵自研，试图把 AI 的命脉掌握在自己手里；另一方面，硬件的摩尔定律也在飞速前进，两三年后，当手机芯片强大到能轻松运行更大的模型时，你们今天「小而美」的优势，是否还存在？面对这样的未来，RockAI 最深的护城河，究竟是什么？

邹佳思：您这个问题非常尖锐，它恰好点出了我们每天都在思考的两个核心挑战。

首先，关于硬件变强。我们认为这是一个对我们有利的趋势。第一，任何高端硬件的普及，都至少需要两到三年的窗口期，在这个窗口期内，我们是解决海量存量和中端设备 AI 化问题的最优解。第二，当硬件底座变强，它能容纳的不仅仅是更大的 Transformer，也能容纳我们从小长到大的 Yan 架构大模型。我们同样可以做 10B 甚至更大的模型，而我们独特的自主学习、低功耗特性等优势，依然会存在。

另一个问题，可能更触及我们这家公司的灵魂，回答了我们真正的护城河是什么。

我们的团队基因，其实源于一个始于 2015 年的、未完成的梦。那时候，我们几个创始人就想做真正的智能硬件，当时的形态类似于小爱同学，但当时就因为 AI 技术不成熟而失败了。直到我们看到了 Transformer 的潜力，觉得时机到了，才再次聚到一起创业。

再后来，我们就痛苦地发现，把 Transformer 这台「云端猛兽」硬塞进小小的设备里，这条路，在工程上根本走不通。

那时，摆在我们面前的有两条路：一条是跟着行业主流，给 Transformer 打补丁，做各种优化，这条路更容易、也更容易被投资人看懂。另一条，是走一条更难、更孤独的路，承认此路不通，从零开始，去构建一个全新的、为端侧而生的架构。

我们选择了后者。而支撑我们走下来的，不是我们有多少钱，有多少卡，或者团队背景有多光鲜。我们内部总结，可能就是一个很「玄学」的词：坚持。

我们笃信，模型一定要跑到端上去，设备一定要有自己的智能。正是因为这份执念，我们才愿意去坐那两年多的冷板凳，在别人追逐云端风口时，我们像一个实验派的炼丹师，在实验室里反复尝试、验证，最终才炼出了 Yan 架构大模型这颗丹。

所以，我们的护城河，不是某一两个技术点，因为聪明的人和团队太多了。我们的护城河，是我们因为坚持而趟过的那些坑、积累的认知，以及我们从第一天起就与众不同的、为端侧智能而生的创新基因。

* 头图来源：AI 生成宏发证券

翻翻配资提示：文章来自网络，不代表本站观点。