昨天晚上，ChatGPT、Claude、Grok 等主流 AI 产品和后端模型 API 服务突发宕机。大量个人和企业用户反馈无法登录、服务不能正常使用，坊间猜测根源为 AWS 等云服务商基础设施大规模故障。 这是很多急于实现「AI 转型」的传统企业都在面临的尴尬处境。大模型和 Agent 火了，所有人都在畅想着 AI 能给自己带来多大的帮助；API 充了值，Agent 真的部署起来了，却越来越头疼。 头疼的有好几层： 第一层是越好的模型自然越受欢迎，用的人越多也越不稳定。当复杂业务流程运行在一个云端 API 驱动的智能体上，网络波动或云端限流会导致任务中断，难以找回，一切恐怕得推倒重来，这对于追求稳健的生产环境来说，是不可接受的； 第二层是老板们鼓励团队多用 AI，真用多了又心疼钱烧的太快，更何况仅仅在「搭建」一个达到要求的 Agent 的阶段，就已经发生了巨量的 token 消耗，结果都还没有看到； 第三层凸显于医药、金融、工业制造等特定的行业，隐私、安全、合规要求使得他们无法使用「常规 AI」，包括在线的 AI 模型对话/agent 产品以及云端 API。 解痛的方法，只有本地 AI。 近日，来自北京大学的元空智能与惠普一起，将开源大模型和 Agent 框架，以及面向常规办公、金融、科研等不同场景的专有知识，全部塞进了本地设备。 这是模型、框架和算力的整合，其中前两者由元空 AI 提供： 多款 Boxer 开源模型，包括稠密和稀疏激活版本作为中间的模型层；上层是两款平行的 Agent 产品「元空 AI Work」和「元空 AI Science」。 底层算力由惠普提供，根据场景不同，可以是常规形态的笔记本电脑，或者英伟达 GB10 架构的桌上计算盒子，以及传统的塔式工作站。惠普将向企业用户直接销售这些预装打包好的设备，以及配套的 FDE（前线部署工程师）服务。 这是一套面向企业市场的成套解决方案。它对于典型的普通 AI 用户来说没有意义，不仅一次性费用远比常规 AI 订阅更贵，也并没有那么方便—— 但对于那些因为数据安全合规方面要求极高，而长期以来不能用、不敢用 AI 的特种行业，所有的所谓劣势都反过来成了优势：一次性的前置费用让成本有了极大的确定性，后续的所有 token 均在本地产生；安全的本地沙箱环境的确带来了使用门槛，但能够让特种行业在合规前提下充分利用强大模型和 Agent 框架，为工作提质增效。 曾经因为云端 AI 的流行而边缘化的「本地 AI」，已经离少数极客的玩票越来越远，也不再是退而求其次的技术妥协。对于许多低调但价值巨大的行业来说，本地 AI 推理一直是唯一的可行路径，而今天他们终于有了一个堪用的选项。 「倒贴钱」的算力账本 中国惠普有限公司副总裁周信宏发现，许多专有知识与技能（统称为 know-how）密集型的企业，在过去使用云端 AI 的时候面临一种隐含的双重代价： 第一重代价是看得见的 token 消费所对应的成本；第二重则是自己的 know-how、商业洞察，在交互过程中也许有被大模型「反向蒸馏」的潜在风险。 这种焦虑在特定行业的放大效果是极强的，比如投行和律所，对于数据合规的敏感度极高，公司往往会明令禁止将敏感的审计底稿和法务材料上传至公有云，包括使用公开的、非企业统一管理的 AI 产品来处理这些资料。 数据主权和算力成本的双重夹击下，原本习惯了按需租用 API 服务的企业，态度正在发生明显转变。 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 元空 AI 与惠普共同推出的这项面向企业用户的本地推理解决方案，其卖点在于用一次性的资本支出 (CAPEX) 来替代云端订阅费用（本质上是运营成本 OPEX）。硬件买回来之后，后续的本地推理除了电费之外边际成本几乎为零。 如果我们用一个百人规模、使用海外旗舰闭源模型 API 的小团队举例，其一个月的云端 API 开销可能在数十万元左右，一年在百万元量级。但如果根据需求采购本地算力设备，例如惠普的 ZGX Nano AI 工作站（基于英伟达 GB10 方案），跑上一两个月所节省掉的 API 费用可能就已经抵消了前期一次性的设备采购成本。 元空 AI 创始人兼 CEO 逄大嵬告诉 APPSO：「组织是永远在算账的。如果多掏一点设备钱就能把活干完，还能守住所有的核心机密，企业自然会做出理性的选择。」 中尺寸模型进入干活的「甜区」 在发布会现场的演示环节，元空智能联合创始人宁鲲鹏博士直接做了一个颇有挑衅意味的动作：他在 HP ZGX Nano 上关掉了 Wi-Fi，完全断网。 在 Linux 环境下，元空 AI Work 调用 Boxer 本地模型在短短几分钟内，自动调取底层的脚本工具，逐张扫描了本地文件夹里的 53 张发票，不仅完成了格式解析与