在过去的数年中，AI领域的主旋律一直是追求模型的规模扩张与能力提升。然而，随着模型逐渐融入Agent和复杂工作流程，一个新挑战浮现：模型能力越强，消耗的Token数量也急剧增加，推理成本成为AI技术广泛应用不可回避的财务考量。

这一现实促使AI产业的关注点从单纯追求“模型还能扩展到何种规模”，转向“这些能力应如何高效部署”。云端依旧是核心战场，但端侧AI正孕育着新的发展机遇：设想一下，如果最前沿的模型不再局限于数据中心，而是能够无缝融入普通用户的办公设备，将会开启怎样的新篇章？

这并非简单的模型“瘦身”过程。它要求对模型架构进行精细取舍，对硬件配置进行深度适配，并对推理框架进行革新设计。

明略科技副总裁、多模态首席科学家赵晨旭在内部战略研讨会上，深入分享了端侧模型创新的系统性思考。基于模型的Scaling Out策略，他提出一个关键问题：如何将最前沿的AI能力，从云端的数据中心，真正迁移至每个人的办公设备上。这或许标志着端侧AI从“支持小模型运行”向“支持大模型运行”的一次重大范式转变。

图片来源：明略科技

以下为精选内容概述：

AI能力的不断增强，背后是Token消耗和算力成本的持续攀升。换个视角思考，假设有一天，如Fable 5这样的顶级模型完全开源，将会引发怎样的变革？

这一设想并非遥不可及。当前，已有接近这一水平的开源模型涌现，如Kimi K3。我们近期基于明略科技构建的大规模Web Agent综合评测基准WebRetriever进行测试，K3在最难的协议三上已位居榜首。

这意味着，“是否存在接近顶尖闭源模型能力的开源模型”这一问题已有了初步答案。随之而来的新问题是：即便模型开源，我们能否有效利用它？

以K3为例，其完整MoE参数规模高达2.8万亿，激活参数也达千亿级别。对于普通企业和个人而言，即便模型开源，也并不意味着能够轻松应用。因此，未来AI行业或将迎来一个有趣的变化：从一味追求模型规模扩大，转向思考如何将强大的模型进行缩小、拆解，并最终部署到个人电脑上。

这也是我们探讨端侧模型创新的出发点。

过去致力于“模型扩容”，如今聚焦于“模型应用”

图片来源：明略科技

回顾大模型的发展历程，始终围绕三个核心要素展开：模型、硬件和推理框架。

在模型层面，遵循Scaling Law原则，不断追求参数增加、数据丰富和训练算力提升，以增强模型能力。为何模型需要如此庞大？原因在于它们需满足全球各行各业用户的多样化需求。一个通用模型既要服务金融客户，又要支持研发人员，还要处理代码、搜索、办公、科学计算等任务。为覆盖如此广泛的数据分布和任务需求，模型自然需要更多专家模块。

因此，一个模型拥有数千亿参数、数百甚至上千个专家模块，并非无的放矢。

然而，对于具体个人或企业而言，真的需要如此多的专家模块吗？

答案或许是否定的。金融从业者可能更关注金融领域的能力；研发人员则更需要Coding、Web Search或AI for Science等相关能力。对于具体用户而言，真正需要的可能只是大模型中的十几个或几十个专家模块。

若从个体或企业的实际工作场景出发，真正需要的可能只是模型的一部分能力。那么问题变为：能否从庞大的通用模型中，提取出真正属于我的那部分能力？

若模型因此变小，第二个问题随之而来：它能否在普通PC上运行？若PC的算力、显存和内存不完全匹配，是否可通过新的硬件和推理框架实现运行？

因此，当前面临的问题已与几年前不同。过去的问题是：如何扩大模型规模？现在的问题则是：如何将足够强大的模型真正部署到用户身边？若模型、硬件和推理框架这三个问题都能得到解决，Token ROI的逻辑也将发生深刻变化。

如何通过Scaling Out策略在缩小模型的同时保留专家能力？

提到缩小模型，大家首先想到的是蒸馏技术。但此次我们分享的是一种新思路——Scaling Out。

Scaling Down，即传统蒸馏，是在保持模型通用性的前提下缩小模型规模。它牺牲的是单个专家模块的能力，但尽可能保留原有的数据分布和专家分布。

而Scaling Out的思路则有所不同。它愿意牺牲一部分数据分布和专家分布，但希望保留下来的专家模块能力尽可能不受影响。

图片来源：明略科技

可将原大模型想象为一个巨大的圆。Scaling Down是缩小整个圆，而Scaling Out则是从这个大圆中提取与你真正相关的几个小圆。

这一过程的关键不再仅仅是模型压缩，而是首先回答一个问题：对于特定用户、企业或业务场景，哪些专家模块真正有用？

因此，Scaling Out的第一步并非训练，而是观察用户。我们需要根据用户身份、工作内容和实际任务，构建相应的数据集。然后将这些任务放入足够大的模型中运行，通过模型原有的路由机制观察：完成这些任务时，到底激活了哪些专家模块。例如，Coding任务可能经常激活某些Coding专家模块，Web Search则可能激活其他专家模块。

经过大量任务运行后，我们可以统计不同专家模块的使用率、特异性，以及哪些任务必须由几个专家模块组合完成。最终得到的不是一个“通用模型”，而是一个针对具体用户、企业任务的最小专家模块集合。

原模型可能拥有万亿参数、千万个专家模块，经过筛选后，可能只需其中一部分。然后针对这个新的专家模块集合重新设计路由、进行训练和微调，最终得到一个更适合具体场景部署的模型。

因此，Scaling Out真正想解决的不是单纯的“模型压缩”，而是：一个通用大模型中，有多少能力其实是我不需要的？能否只带走我需要的能力，同时尽可能保留这些能力的原有性能？

这也是我们认为Private AI可能出现的重要技术基础。未来，一方面可能继续有人追求越来越强、越来越通用的AGI模型；另一方面，也可能出现越来越多面向企业和个人的Private AI。它们不需要拥有全世界的知识，而是只需拥有自己真正需要的那部分专家能力。模型变小后，如何让普通办公电脑运行起来？

模型变小只是第一步，接下来更现实的问题是硬件。

当前的消费级PC处于一个有趣的状态：有些机器算力足够，但显存不足；有些机器内存充足，但缺少运行大模型的算力。因此，我们常看到普通电脑运行4B、8B模型已不稀奇，但若告诉大家一台普通办公PC也能运行120B级别的模型，并能断网完成复杂的Coding任务，可能会令人感到惊讶。

我们已在实际设备上验证了这一点。我们在一台普通电脑上部署了SOTA大模型，并将明略自研的人和Agent智能工作平台Octo与OpenAI的Codex接入该环境，实现了断网状态下模型在本地完成任务。

这反映了一个重要变化：端侧AI的门槛正从“是否拥有GPU”逐渐转变为“能否有效组织现有设备的计算和存储资源”。

一台本地办公电脑能否真正运行大尺寸模型，取决于模型、推理框架与硬件三者能否协同配合。围绕这一方向，明略科技也在持续探索，并将于后续发布最新进展。

端侧AI的价值，最终要回归到“为何值得在本地运行”

若模型、硬件和推理框架这三个问题都得到解决，端侧AI的价值将不仅限于“技术上可行”，它将直接改变AI的经济账。

以往，我们使用AI，本质上是在租用别人的GPU。我们向云端发送请求，云端完成推理，然后按Token付费。但若越来越多的模型能直接在个人电脑上运行，那么AI就可能从“持续租用算力”转变为“一次性拥有计算能力”。

同时，端侧AI还意味着安全和循环经济两个现实价值。

一是安全和断网能力。对于对数据安全有特殊要求的企业而言，模型不能联网，也不适合将数据发送给外部云端模型。端侧AI天然提供了一种新选择：模型、数据和任务均可留在本地。

二是内存利旧。如今，大家手中的许多设备仍拥有可观的存储资源。过去，这些资源难以直接参与大模型推理，但通过新的模型架构和推理框架，它们开始有机会成为AI基础设施的一部分。将最前沿的AI能力从云端带到每个人身边

过去，AI行业一直在追求Scaling Up：模型越来越大，参数越来越多，算力越来越强。这一路线仍将继续。但与此同时，我们认为可能出现另一条路线——Scaling Out。

不再要求每个人都拥有完整的通用大模型，而是从最强的基础模型中提取真正属于自己的那部分专家能力；然后再解决两个问题：如何让它运行在普通硬件上，以及如何以足够低的成本运行。

因此，从模型到硬件，再到推理框架，实际上是在解决同一个问题：如何将最前沿的AI能力从云端的数据中心真正带到用户的办公设备上。

以往讨论端侧AI时，更多是在讨论“小模型”。但未来的端侧AI未必等于小模型。它更可能意味着：模型可以很强，但只运行你真正需要的那部分能力；模型可以很大，但不需要全部放入显存；设备可以很普通，但能够组织CPU、GPU、内存、SSD乃至外部算力。

最终目标不是让每个人拥有一台超级计算机，而是让我们今天正在使用的办公设备，逐渐具备运行最前沿AI能力的可能性。

关于明略科技

明略科技（2718.HK），自2006年成立以来，已成为中国领先的具备自研模型能力的Agentic Service企业。2025年，作为"全球Agentic AI第一股"成功登陆港交所。公司曾两度荣获吴文俊人工智能科学技术奖，多次入选Gartner、IDC相关报告，拥有2400余项技术专利及500余项软件著作权。近年来，多个AI模型在全球权威榜单上取得领先成绩。依托20年的技术积累，明略科技已服务135家财富世界500强企业、约2100家品牌客户及超24万家企业用户，覆盖零售、消费品、汽车、3C等多个行业。