断网也能用，为什么下一代智能体必须装进电脑？| AI未来谈

点击视频▲立即观看

整理 / 巴九灵（微信公众号：吴晓波频道）

一台电脑，过去只是负责运算。CPU、GPU、内存、显卡，是执行指令的硬件，谈不上“智能”。但如果把一个模型装进去，这台电脑就有了自己的大脑，哪怕拔了网线，它依然能帮你处理文档、分析数据、生成报告。

《AI未来谈》本期，吴畏对谈元空AI创始人逄大嵬（Davis）。

这场对话的主线，其实是一家公司三年来的产品迭代路径。从最早用AI处理Excel，到跟进爆火的开源Agent框架OpenClaw（社区俗称“小龙虾”），再到现在推出能在断网状态下独立工作的本地端侧智能体。这条路径本身，也恰好是这两年AI应用发展的一个缩影。

1.ChatExcel：数据类产品为什么难做

直达视频 00:01:10 看完整观点

元空AI最早的产品叫ChatExcel，上线于2023年2月，那时候，ChatGPT、GPT—4刚出来不久。

它的界面很朴素：右边是聊天对话框，左边是Excel的预览和编辑区，通过对话处理表格。这个交互方式放到今天大家已经很熟悉了，但在当时很新奇。

之所以从Excel切入，一方面是两位技术合伙人此前就在做这个方向的研究；另一方面，Davis认为，AI产品不应该只是聊天，应该用来解决数据和复杂任务问题。

但数据类产品有一个天然的难点：容错率几乎为零。

图片生成出错了可以重来，但Excel里小数点错一位，用户就不再相信你了。没有信任，他就不会再用。

这也是为什么很多模型厂商很晚才开始认真做Excel：表格里格子的空间关系（A1、B2……这些位置本身带信息）并不是单纯靠Token堆叠就能推导出来的。

真正的转折点在2025年。基础模型的推理和Coding能力上了一个台阶，元空AI的处理能力也跟着提升了一大截。

但Davis强调，这不只是模型的功劳，如果没有OpenClaw、Hermes Agent这类新框架出现，今天这么多“Work”类产品也不会这么快集中爆发。模型能力和Agent框架能力，是同时上升的。

2.全民装“小龙虾”的那两周

直达视频 00:08:59 看完整观点

2026年1月下旬，OpenClaw在海外社交媒体上出现热度的当晚，Davis团队就抓到了信号，连夜把代码拿下来研究。

第二天，产品就已经跑起来了。

“当时我发朋友圈，很多人还在问，什么叫龙虾。”

原本团队想赶在春节前发布小程序版本，但因为国内小程序需要备案，又赶上春节假期，正式上线晚了一点，不过仍然是国内最早的一批。

这次快速响应，让团队提前摸清了OpenClaw框架里的心跳机制、Memory处理方式。这些技术积累，后来也迁移到了新产品里。

Davis对OpenClaw的评价很直接：它跟去年的DeepSeek一样，教育了市场，让终端用户、企业用户、大厂都开始认真看待这类产品形态。

元空AI Claw现在已经不再单独维护，但那段快速跟进的经历，直接推动了下一个产品的诞生。

做完Claw之后，团队几乎没有停顿，很快就开始做Work。

这款产品5月底、6月就已经推出，但客户端名字沿用了ChatExcel，因为有大量忠实用户基于Excel做数据分析，团队不想让老用户找不到入口。

元空AI始终认为，数据是自己的根。

真正让这场对话有信息增量的，是接下来关于“端侧”这件事的展开。

3.端侧模型：把大脑装进本地电脑

直达视频 00:14:41 看完整观点

云端大模型，好比电脑外面接了一个水龙头，网线一拔，水龙头关了，软件装在电脑里也没法工作。端侧模型则是把一个相对聪明的大脑，直接装进本地设备里，不联网也能处理文档、做数据分析、写报告。

这个方向元空AI从2024年就开始做了。

2025年华为HDC大会上，ChatExcel作为首批鸿蒙智能体里的数据智能体亮相。但那时候模型和Agent能力还不足以支撑完全断网的场景，直到最近才真正成熟。

具体的硬件门槛，Davis给了一个明确数字：内存至少32G以上，理想情况下统一内存或共享显存到64G，体验就能比较接近云端。

今年新出的一批AI PC和工作站，比如英特尔Core Ultra X9系列、AMD Ryzen AI395 Max+、NVIDIA DGX SparkGB10等等，都在往这个配置靠拢，但几千块钱的老电脑还是跑不动。

参数量方面，元空AI自己训练的端侧模型在8B、9B、27B、35B这个区间，远小于Kimi K3这类2.8万亿参数的云端大模型。

为什么小模型也能用？因为团队针对办公和科研场景做了定向后训练 ，用具体的工作轨迹（什么任务、走什么路径、调用什么工具）去训练模型，而不是让它成为一个什么都懂一点的通才。

Davis的判断是：云端模型追求的是超级聪明的“通才”，端侧模型天然受物理空间限制，更适合做成某个场景里足够聪明的“专才”。

端侧模型的优势，归纳起来是四点：更安全（数据不出局域网）、更快（不受云端峰值排队影响）、成本更低（不用持续消耗Token）、在特定场景更准确（经过定向后训练）。

Davis提到一个细节：今天云端模型的定价已经开始出现峰值和闲时的差别，高峰期更贵也更慢。这也是很多用AI的人习惯熬夜工作的原因之一。

4.让电脑“能干活”，光有脑子不够

直达视频 00:38:19 看完整观点

装一个模型进电脑，不等于它就能工作。

前几年DeepSeek开源模型刚火的时候，很多人兴奋地把上百G的模型装进自己电脑，但很快就发现，装完了，然后呢？只能聊天，没有真正可落地的事。

Davis的说法是，要让端侧AI具备“真实生产力”，不能只有大脑，还要有手和脚。这背后是几个具体的技术模块。

Agent Runtime，决定一个复杂任务能不能持续跑十个小时不中断、不死机，能不能自己纠错、自己找工具装工具。

这里还牵涉一个容易被忽略的问题：不同操作系统的适配。Windows 7到11、Ubuntu、鸿蒙、统信、麒麟，企业用户的真实环境非常复杂，任何一个系统没适配好，用户就会投诉。

Memory，决定一个Agent用久了会不会“失忆”。很多Bot产品聊到一百轮就把前面的内容忘了，因为模型上下文长度天然有上限。真正做得好的产品要有超长甚至永久记忆，记住用户的工作习惯，比如你写周报喜欢把利润率放在前面。

元空AI的做法是把记忆分层存放，借鉴了类似Git仓库的思路，同时做无损压缩，避免记忆文件无限膨胀。

这背后还有一个更大的命题：记忆能不能迁移、能不能在组织内共享？一个优秀员工沉淀下来的判断和经验，理论上可以变成组织记忆，复制给团队里的其他人。

离线闭环，是最极端也最难的场景。联网状态下，Agent遇到不会的问题还能上网查资料、装依赖；一旦断网，这些能力必须提前在本地跑通。这也是为什么元空AI要坚持自己做端侧模型的后训练。

三年来积累的对用户办公和数据需求的理解和处理能力，变成了模型可以直接调用的经验，而不是依赖临时上网搜索。

5.具体场景：实验室里不能联网的数据

直达视频 00:52:29 看完整观点

Davis举了一个医疗和科研场景数据分析的例子。科研人员拿来一个文件包，里面可能是检测仪导出的Excel、培养皿拍的照片、PDF文献，这些实验数据往往极度敏感，不能上传云端。

在这种场景下，端侧Agent要先解压、识别不同文件格式，汇总处理，生成一份Word分析报告或者直接可以汇报的PPT。更进一步，团队在往“给出实验建议”这个方向推进，比如培养皿温度要不要调整、pH值是否需要处理。

Davis提到，像ChatGPT、Claude这类顶级模型也都在往科研方向发力，因为科研本身是一个“提出假设—做实验—验证—修正假设”的循环，AI能做的核心事情，就是加速这个循环。

元空AI在这个方向上也有具体动作：团队开源了一个叫OpenAI4S的项目，内含三十多种科研Skill，可以理解为一个预装好工具的虚拟科研实验环境，发布后在GitHub上获得了几百个Star，在国内科研Agent项目里排名靠前。

底层技术路线和办公场景是一致的，都是端侧模型加不同的Agent组合，只是上层针对的场景不同。

6.企业算的是另一笔账

直达视频 00:54:47 看完整观点

对于个人用户，元空AI Work云端版定价为49元一个月。但Davis更想聊的是企业侧的逻辑。

企业采购一整套私有化大模型，硬件成本可能要几十万甚至上百万，但很多部门的实际需求根本用不到“满血”大模型的全部能力。

元空AI的思路是，用一台配置合适的电脑或算力盒子做局域网内的算力中心，让团队里配置普通的老电脑通过局域网调用，这样80%左右的日常任务就能在本地解决，只需几万到十几万，就能覆盖过去要上百万才能做到的事情。

企业为什么愿意为这件事买单？

一是数据安全，很多行业和场景要求数据完全不出局域网，工厂车间、科研院所、部分政府场景本身就是强隔离环境；二是Token成本，高频使用云端模型是一笔持续的开销，而本地部署的边际成本会随时间递减。

从收入结构看，元空AI目前的C端用户量更大（几百万用户，仍在持续增长），但B端收入占比在逐步提高，且行业覆盖电商、医疗、金融、制造、政府等。凡是数据敏感或断网环境的场景，都是天然的需求方。

7.重要的是想清楚“要什么”

直达视频 00:36:19 看完整观点

聊到普通人该学什么，Davis的判断很干脆：“怎么做”这件事已经没那么重要了，重要的是“为什么”和“要什么”。

DeepSeek刚出来的阶段，大家忙着学写Prompt，后来流行搭Workflow，现在模型自己已经具备了不错的自主规划能力，知道一个任务该走什么路径。

Davis甚至认为，在很多具体工作场景里，模型能力已经超过99%的普通人。

所以对个人来说，真正值得投入的是把问题想清楚、说明白的能力，而不是死磕某个具体工具的用法。他也建议大家舍得用付费的好产品 ，只有用到位，才知道当下AI能力的真实上限在哪里。

对企业老板，他给出的建议更进一步：效率提升这件事，已经很少有人质疑了；下一步真正要想的问题，是AI会给这个行业带来什么新的机会、新的可能性，而不只是把现有流程做得更快。

8.两三年后，软件会变成“日抛型”

直达视频 00:58:49 看完整观点

Davis给出了一个大胆的判断：未来两三年，企业内部很多固定的数字化系统，可能不再需要长期维护成一个软件产品，而是变成“日抛型”——说清想要的结果，过程交给AI完成，逐渐变成一个黑盒，压缩过程，同时可以拆解去核对。

这背后是软件生产方式本身的变化。

过去做一套软件，需求要经过产品经理、需求分析师、项目经理、程序员层层“翻译”，才能变成最终的代码和界面。AI出现之后，这些翻译环节正在被压缩，终端用户可以更直接地和模型对话，拿到想要的结果。

目前，企业场景推进得慢，主要卡在安全权限、数据边界和内部流程的约束上，但这个“翻译链条被压扁”的方向也已经在发生。

再往远看，Davis认为设备的智能化会从数字世界走向物理世界。

全球GPU和云端算力总归有限，但手机、电脑、各类IoT设备的数量几乎可以无限扩展。一旦端侧模型能够真正装进各类物理设备，让每一台设备都具备某种智能，这件事的想象空间会完全不一样。

这也是元空AI给自己的定位：一家端侧智能公司，先从电脑和工作站做起，终点是更广泛的物理世界设备。

《AI未来谈》是吴晓波频道与非凡产研联合推出的对谈栏目，会持续邀请在AI浪潮里真正下场的创业者、企业家和研究者，聊他们正在做的事、踩过的坑，和对这个时代的判断。

接下来，我们还请到了深演智能创始人黄晓南。9月14日20:00，锁定吴晓波频道视频号直播间，我们一起聊聊AI时代，企业最值钱的资产是什么。

点击按钮▼预约直播

此外，我们从本月起开始进行用户在AI产品上的使用行为调研，来补充流量数据对于AI产品使用体现不足的问题。第一期是有关Work Agent的用户行为调研，欢迎点击下方按钮参与调研。