型直接装在这些设备上，不用依赖云端，设备自己就能处理数据、完成任务。比如你的手机里装了大模型，不用联网，就能帮你写文案、翻译、整理照片；你的智能手表里装了大模型，能实时分析你的健康数据，给出运动建议。

第一个优势：个性化。云端大模型是“服务所有人”的，没法精准适配每个人的习惯；而终端侧大模型就像“专属管家”，天天跟你打交道，越用越懂你。比如你的手机大模型，知道你喜欢看科技新闻，会优先给你推荐相关内容；知道你不喜欢冗长的文案，会把复杂的报告提炼成简短摘要；甚至知道你的说话语气，帮你发消息时能模仿你的风格，不会显得生硬。高通和中国电信合作的“麦芒”ai手机，就是终端侧大模型的典型例子，它的ai通话助手、ai修图功能，都是基于终端侧大模型，能精准适配用户的使用习惯 。

第二个优势：数据本地化处理，安全又高效。现在很多人担心“用ai会泄露隐私”——比如你把聊天记录、健康数据、工作文件传给云端，万一服务器被攻击，数据就可能泄露。但终端侧大模型根本不用传数据到云端，所有数据都存在你自己的设备上，只有你能访问，安全性大大提高。比如你用终端侧大模型处理工作合同，合同内容不会离开你的电脑；用它分析健康数据，心率、血压等信息只存在你的手表里，不用担心被第三方获取。而且不用联网传输数据，响应速度也更快——比如你让手机大模型整理照片，秒级就能完成，不用等云端处理完再传回来。

现在终端侧大模型已经开始落地：除了ai手机，还有ai眼镜——高通和中国电信合作的天翼ai眼镜，能智能识物、分析食物成分、讲解展品，这些功能都是终端侧大模型实现的，不用依赖云端，随时随地能用 ；还有智能家居，比如你的冰箱里装了大模型，能识别里面的食材，推荐菜谱，还能提醒你食材快过期了，全程不用联网，既方便又安全。

五、自变量机器人王浅：具身智能，ai理解物理世界的“新地基”

前面聊的agent、大模型，大多是在“数字世界”里干活——处理文字、数据、文件；而自变量机器人的王浅，把目光投向了“物理世界”，他提出：具身智能模型是平行于语言模型的“物理世界基础模型”，简单说就是让ai“走进现实，动手干活”。

先区分两个概念：语言模型（比如gpt、通义千问）是“理解数字世界的”，它能读懂文字、分析数据、生成内容，但它不知道“杯子掉在地上会碎”“搬东西要用力”这些物理规律；而具身智能模型是“理解物理世界的”，它能像人一样感知环境、学习物理规律，还能动手执行操作——比如机器人用具身智能模型，能拿起杯子、打开抽屉、走路不摔倒；自动驾驶汽车用具身智能模型，能判断路况、躲避障碍物、平稳转弯。

王浅说，具身智能模型就像ai的“物理课老师”，让ai从“只会纸上谈兵”变成“能动手实践”。比如以前的机器人，只能按照预设的程序干活，一旦环境变了就会出错——比如预设好拿杯子的力度，要是杯子是易碎的，就可能被捏碎；但具身智能模型能通过学习，理解“不同杯子的材质不同，需要用不同的力度拿”，就算遇到没见过的杯子，也能根据物理规律判断该怎么操作。

现在已经有很多具身智能的研发成果，比如北京团队开源的wow世界模型，能让ai“想象物理世界、预测结果、执行动作”——比如你让它“把杯子放到桌子上”，它能先在脑子里模拟“怎么伸手、怎么抓杯子、怎么放才平稳”，然后再让机器人实际操作，成功率很高。还有工业机器人，用具身智能模型能精准处理复杂的装配任务，比如给汽车零件上螺丝，能根据零件的位置调整力度和角度，不用人工干预；家庭服务机器人，能自己开门、拖地、整理物品，还能避开障碍物，不会撞到家具或人。

王浅强调，具身智能不是“替代语言模型”，而是和语言模型并行的“另一块地基”——语言模型负责处理“数字信息”，具身智能模型负责处理“物理信息”，两者结合，才能让ai真正融入我们的生活和工作。比如一个智能助手，既能用语言模型帮你处理工作邮件、写报告，又能用具身智能模型帮你整理办公桌、递文件；一个工业ai系统，既能用语言模型分析生产数据、优化流程，又能用具身智能模型控制机器人完成生产操作。

未来，具身智能会渗透到很多领域：制造业的工业机器人、医疗行业的手术机器人、家庭里的服务机器人、自动驾驶汽车、甚至是太空探索机器人，都会依赖具身智能模型，让ai从“数字世界”走进“物理世界”，真正成为能“动手干活”的帮手。

六、ppio姚星：agent基础设施，ai时代的“操作系统”

如果说agent是ai时代的“应用程序”，那ppio的姚星认为，agent的基础设施就是ai时代的“操作系统”——就像dows、ios连接电脑、手机的硬件和软件一样，agent基础设施连