前言：

在數(shù)字化時(shí)代，大模型技術(shù)正以前所未有的速度改變，成為推動(dòng)各行業(yè)變革的核心力量。 

2025年，大模型領(lǐng)域迎來(lái)了新一輪的爆發(fā)式增長(zhǎng)與結(jié)構(gòu)性?xún)?yōu)化，從技術(shù)突破到商業(yè)應(yīng)用，從市場(chǎng)競(jìng)爭(zhēng)到產(chǎn)業(yè)生態(tài)構(gòu)建，都呈現(xiàn)出令人矚目的新態(tài)勢(shì)，尤其是在今年的世界人工智能大會(huì)（WAIC）上，離線(xiàn)大模型成為了備受關(guān)注的焦點(diǎn)之一。 

作者 | 方文三

圖片來(lái)源 |  網(wǎng) 絡(luò) 

多模態(tài)融合，拓展感知邊界 

2025年上半年，大模型在多模態(tài)技術(shù)上取得了重大突破，實(shí)現(xiàn)了從單一文本交互到“圖文音視頻”全模態(tài)融合的跨越。

這一進(jìn)展使得大模型能夠更全面、準(zhǔn)確地理解和處理信息，為用戶(hù)提供更加豐富、直觀的交互體驗(yàn)。

Gartner預(yù)計(jì)，到2027年，40%的生成式AI解決方案將采用多模態(tài)技術(shù)，較2023年的1%顯著提升。

在國(guó)內(nèi)，火山引擎于今年6月發(fā)布豆包大模型1.6、視頻生成模型Seedance1.0pro等新模型，其中豆包1.6系列模型支持多模態(tài)理解和圖形界面操作，讓用戶(hù)能夠通過(guò)圖像、語(yǔ)音等多種方式與模型進(jìn)行交互，極大地拓展了應(yīng)用場(chǎng)景。

商湯日日新大模型從1月推出原生融合模態(tài)版本，到4月升級(jí)V6實(shí)現(xiàn)多模態(tài)推理突破，不斷迭代技術(shù)，提升模型的多模態(tài)處理能力。

快手可靈AI構(gòu)建多模態(tài)創(chuàng)意生產(chǎn)力平臺(tái)，上線(xiàn)一年多以來(lái)，已累計(jì)生成1.68億個(gè)視頻和3.44億張圖片，為內(nèi)容創(chuàng)作領(lǐng)域帶來(lái)了新的活力。

離線(xiàn)大模型，獨(dú)立運(yùn)行與記憶革新 

在大模型技術(shù)蓬勃發(fā)展的當(dāng)下，離線(xiàn)大模型憑借獨(dú)特優(yōu)勢(shì)成為行業(yè)新焦點(diǎn)。

其最大特點(diǎn)是能在無(wú)網(wǎng)絡(luò)連接的情況下獨(dú)立運(yùn)行，這有效規(guī)避了網(wǎng)絡(luò)不穩(wěn)定或斷網(wǎng)導(dǎo)致的服務(wù)中斷問(wèn)題。

在野外探險(xiǎn)、偏遠(yuǎn)地區(qū)作業(yè)以及網(wǎng)絡(luò)信號(hào)差的場(chǎng)所，離線(xiàn)大模型設(shè)備能穩(wěn)定提供智能服務(wù)。

從技術(shù)層面來(lái)看，離線(xiàn)大模型實(shí)現(xiàn)了模型的本地化部署，數(shù)據(jù)處理和計(jì)算都在本地設(shè)備完成，極大提升了隱私安全性。

像醫(yī)療、金融等對(duì)數(shù)據(jù)保密性要求極高的行業(yè)，使用離線(xiàn)大模型可確保敏感數(shù)據(jù)不出本地，降低數(shù)據(jù)泄露風(fēng)險(xiǎn)。

今年WAIC上，諸多企業(yè)展示新成果 

RockAI推出的最新版非Transformer架構(gòu)大模型Yan 2.0 Preview，在離線(xiàn)和記憶功能方面表現(xiàn)亮眼。

它打破傳統(tǒng)，將離線(xiàn)大模型部署邊界下探到“千元機(jī)”級(jí)別，讓低配置設(shè)備也能實(shí)現(xiàn)離線(xiàn)實(shí)時(shí)AI運(yùn)算。

新增的“記憶模塊”是一大突破，如同人類(lèi)大腦海馬體，能存儲(chǔ)學(xué)習(xí)過(guò)程中的關(guān)鍵信息并在新場(chǎng)景快速調(diào)用。 

現(xiàn)場(chǎng)演示中，搭載該模型的機(jī)器狗，無(wú)需預(yù)設(shè)程序，通過(guò)記憶模塊學(xué)習(xí)工作人員展示的自定義新動(dòng)作后成功執(zhí)行，這種持續(xù)進(jìn)化和自主決策能力，是傳統(tǒng)大模型難以企及的。

Google DeepMind推出的Gemini Robotics On-Device模型也備受矚目，作為專(zhuān)為雙臂機(jī)器人設(shè)計(jì)的VLA基礎(chǔ)模型，它能直接解析自然語(yǔ)言指令并驅(qū)動(dòng)機(jī)器人執(zhí)行相應(yīng)動(dòng)作。

核心優(yōu)勢(shì)在于能在機(jī)器人本地離線(xiàn)運(yùn)行，同時(shí)處理視覺(jué)識(shí)別、語(yǔ)言理解與動(dòng)作執(zhí)行任務(wù)，在醫(yī)療操作、災(zāi)難救援、工廠(chǎng)自動(dòng)化等對(duì)實(shí)時(shí)性和穩(wěn)定性要求高的場(chǎng)景中，有效避免了云端傳輸?shù)难舆t和潛在風(fēng)險(xiǎn)。

另外，谷歌開(kāi)源的AI Edge Gallery，允許用戶(hù)在手機(jī)上本地運(yùn)行大模型，完全離線(xiàn)且免費(fèi)，支持從Hugging Face下載各種大模型，實(shí)現(xiàn)不聯(lián)網(wǎng)狀態(tài)下的聊天、識(shí)圖、代碼生成和文本推理等功能，滿(mǎn)足了用戶(hù)在隱私保護(hù)、本地算力利用以及弱網(wǎng)環(huán)境下使用AI的需求 。

英特爾展示的基于本地的大語(yǔ)言模型采用三合一模型，可離線(xiàn)運(yùn)行。中文語(yǔ)料庫(kù)搭載62億參數(shù)的GIM2 - 6B模型，擁有32K的上下文支持能力，通過(guò)超1.4萬(wàn)億的英文和中文令牌進(jìn)行預(yù)訓(xùn)練，模型性能和推理能力較強(qiáng)。

還本地化部署了專(zhuān)門(mén)處理編程語(yǔ)言的starcolder - 15.5B模型，方便程序員在離線(xiàn)環(huán)境下進(jìn)行代碼生成和理解 。

這些企業(yè)的成果展示，不僅體現(xiàn)了離線(xiàn)大模型在技術(shù)上的創(chuàng)新突破，也預(yù)示著其在未來(lái)智能設(shè)備、工業(yè)生產(chǎn)、個(gè)人隱私保護(hù)等多領(lǐng)域的廣闊應(yīng)用前景。

結(jié)尾：智能的“最后一公里”，我們準(zhǔn)備好了嗎？ 

當(dāng)一個(gè)擁有自主行動(dòng)能力的智能體，可以在我們的物理世界中離線(xiàn)活動(dòng)時(shí)，它所帶來(lái)的想象空間是巨大的。從能夠照顧老人的家庭伴侶，到可以進(jìn)行精細(xì)操作的外科手術(shù)助手，再到能夠深入險(xiǎn)境的救援隊(duì)員，機(jī)器人的應(yīng)用邊界被前所未有地拓寬了。

然而，這也帶來(lái)了新的思考。當(dāng)機(jī)器的決策過(guò)程完全在本地完成，變得不再那么透明和可控時(shí)，我們?nèi)绾未_保其行為的安全性與可靠性？當(dāng)一個(gè)機(jī)器人能夠在沒(méi)有外部監(jiān)督的情況下自主學(xué)習(xí)和行動(dòng)，我們又該如何界定責(zé)任的邊界？

Google DeepMind實(shí)驗(yàn)室的這一步，無(wú)疑是邁向通用人工智能的重要一步，它叩響了物理世界智能化的大門(mén)。但這扇門(mén)背后，既有前所未見(jiàn)的機(jī)遇，也有需要我們審慎面對(duì)的挑戰(zhàn)。這不僅僅是工程師和科學(xué)家的議題，更是我們每一個(gè)人都需要開(kāi)始思考的未來(lái)。

內(nèi)容來(lái)源于：

36氪：離線(xiàn)+記憶，大模型進(jìn)化的分水嶺

尕燚龍科技茶館：Google機(jī)器人離線(xiàn)模型，從“云端智者”走向“地面實(shí)干家”

醫(yī)械筆記本：斷網(wǎng)沒(méi)關(guān)系，谷歌發(fā)布具身智能離線(xiàn)模型，可本地化部署

       原文標(biāo)題 : AI芯天下丨趨勢(shì)丨離線(xiàn)+記憶，離線(xiàn)大模型將成下一代通用人工智能的基石