北大团队重新定义端侧AI，元空智能跑进惠普预装

静态互联网数据的增长红利已经见顶，下一轮模型能力的跃迁将越来越依赖与真实环境持续交互的“端侧”。从北大走出的元空智能（元空AI）给出这一判断，并重新定义端侧AI：生产力=元空端侧AI=模型×Agent×设备。端侧AI由此从“把模型搬下来”的单向链路，变成能自己转起来的飞轮。

三年前，元空AI靠国内最早一批AI Excel产品ChatExcel出圈，积累上百万用户。三年后，它从云端应用杀到本地端侧，近期发布端侧模型Boxer、面向办公场景的元空AI Work，以及科研Agent元空AI Science，三者从模型、Agent到设备侧形成完整闭环。几天前，元空AI端侧模型拿下惠普商务电脑预装。

当前端侧AI的分水岭正从“跑起来”走向“长期跑”。行业常讨论成本、安全、稳定性，以及如何把足够强又足够小的模型塞进更多设备。但元空AI认为，大模型从静态互联网数据中攫取的增长红利已见顶，下一阶段能力增量将来自真实任务、真实环境及持续交互。斯坦福《AI Index 2026》报告提到“Peak Data”，即高质量人类生成数据正接近被前沿模型吃完。Hugging Face等团队在JMLR发表的研究进行超400次训练，最大9B参数、9000亿Token，发现已有数据重复到一定程度后，继续增加训练计算收益不断下降，新增算力价值趋近于0。

元空AI把答案指向“设备”。设备不仅是AI能力载体，更是能持续产生稀缺数据的环境。PC、手机或机器人只要AI真正干活，就会留下“为什么做、怎么做、做成没有”的轨迹。这些真实任务中的动作、反馈和结果沉淀进后训练、强化学习或记忆系统，模型就能从执行中修正自己。端侧AI由此从单向链路变成循环：模型判断，Agent组织行动，设备执行；现实反馈再回到模型持续进化。设备从AI能力“终点”变成下一轮能力增长“起点”。

基于此，元空AI发布端侧模型Boxer，并推出元空AI Work与元空AI Science。Boxer押注中尺寸模型区间，认为模型尺寸需权衡任务能否跑动和设备能否养得起。10B以下小模型适合聊天和简单调度，200B以上适合高度开放复杂问题，但绝大多数高频办公需求落在中间地带。20B—100B成为最终押注区间，能力覆盖复杂工作，资源开销可压进PC和实验设备。在元空自建WorkArena评测中，Boxer-35B-A3B-v0-0819拿下73.1分，位列对比组第一，领先第二名10.3分；部分任务超过一年多前GPT-4o。部署侧，在40 TOPS算力、不到8GB内存占用下，Boxer保留87.3%原始模型任务效果。

元空AI Work打通目标—跨应用执行—结果验证—状态更新—继续工作的闭环。做表、查数据、写文档、做PPT、处理代码和文件等需求，用户只需说清目标，系统自己往下跑。能力可完整留在本地，断网也能继续干活，复杂任务中断后还能接着执行。