「小」鸭子火了之后，端侧 AI 还有一个更「大」的问题

最近，一只只有 25 厘米高的机器鸭，意外把端侧 AI 的想象力拉到了聚光灯下。 Hugging Face 旗下 Pollen Robotics 发布的 Microduck，是一款售价 399 美元的开源双足机器人。它约 800 克重，开箱即可行走、坐下、踢球、抓取，摔倒后还能自己爬起来。更重要的是，它并不只是一个会动的玩具，而是一个面向开发者的开源机器人平台：用户可以在仿真环境中训练动作策略，再部署到真实机器人上。 这只“小鸭子”之所以引发关注，不只是因为它足够可爱、足够便宜，也不只是因为机器人终于开始进入普通开发者的桌面。它真正释放出的信号是：AI 正在从屏幕里的模型，走向会感知、会行动、会互动的实体设备。 过去几年，人们谈 AI，最常谈的是云端大模型、参数规模、训练集群和算力中心。但当 AI 开始进入真实世界，问题会变得非常具体：设备能不能本地响应？能不能离线运行？隐私数据能不能不上传？功耗和散热能不能被终端接受？成本能不能支撑规模化普及？ 这些问题，正是端侧 AI 真正落地时必须回答的问题。 Microduck 给出的，是“小模型、小芯片、小机器人”的一种想象。一个低成本、开源、可训练的小型机器人，证明智能设备不一定总是从手机、PC、汽车这样的大入口开始，也可能先从桌面、教育、开发者社区、家庭陪伴、轻量机器人这些更小的场景里生长出来。 “小”之外的“大”想象 但小鸭子火了之后，端侧 AI 还有一个更“大”的问题： 当设备不只是完成简单动作、固定识别和轻量交互，而是要具备复杂对话、长期记忆、知识检索、多模态理解和智能体任务能力时，大模型能不能也在端边侧跑起来？ 这正是端侧 AI 从“能用”走向“好用”的关键分水岭。 今天国内很多端侧 AI 应用，仍然以小模型、固定任务或场景专用推理为主。比如语音唤醒、图像识别、简单问答、姿态检测、低功耗感知等。这些能力非常重要，它们让智能设备先“动起来”“听得见”“看得懂”。 但如果 AI 要进一步成为真正的智能体，它就不能只停留在单点能力。未来的 AI PC、个人 AI 主机、家庭智能终端、机器人、工业边缘设备，都可能需要在本地运行更复杂的大模型能力：理解上下文，处理私有数据，持续执行任务，在无网或弱网环境下仍然稳定工作。 这时，端边大模型就不再是一个炫技概念，而是端侧 AI 继续演进的必然命题。 问题在于，大模型下沉到终端，并不是把云端模型简单搬下来。云端可以堆服务器、堆功耗、堆散热，但终端设备不行。一个机器人、一台笔记本、一个家庭边缘设备、一台会议一体机，必须在有限功耗、有限空间、有限成本里完成推理任务。 所以，端边大模型真正难的是能不能在低功耗、低延迟、数据安全、离线可用和量产成本之间同时成立。 这也是后摩智能一直关注的问题。 后摩智能的判断是：云端仍然重要，它让 AI 变得足够聪明；但如果 AI 要真正进入每