作者 ｜ 李楠
郵箱 ｜ linan@pingwest.com

當AI能力以肉眼可見的速度變強，使用它的代價也在同步攀升。以至于“AI太費錢”從一句牢騷，變成了真實的商業(yè)困境。

但有問題，就會有解決問題的人。最近我們圍觀了一場名為“投海Tech Show”的活動現(xiàn)場。其中就有幾位創(chuàng)業(yè)者，試圖把AI變成每個人更觸手可及的基礎設施。

這里面包括身在校園的年輕博士，也有再次出發(fā)的產業(yè)老兵。有人致力于當下的“節(jié)流”，讓現(xiàn)有模型跑得更便宜；有人則著眼未來的“開源”，去太空為AI尋找近乎無限的能源。

有意思的是，他們本身都與海淀這個科技創(chuàng)新高地聯(lián)系緊密。本場活動的Tech Show項目均源自海淀區(qū)“五方六力”科技成果轉化機制挖掘推薦，技術成果來源于清華、北大、北航、北郵等高校。

而借用海淀“投資于人、投資于未來”的理念，從這場活動看，一個不必焦慮于AI賬單的未來，有點眉目了。

1

一、硬核的00后，要打破算力定價權

王冠博是這天最年輕的創(chuàng)始人之一，清華計算機博士在讀，00后。他走上臺的第一件事不是介紹公司，而是講了一個讓他想清楚方向的時刻。

那是2025年2月，DeepSeek剛剛爆火。彼時市面上還沒有Manus，也沒有Claude Code。他看著DeepSeek的測試數(shù)據(jù)，注意到一個細節(jié)：僅僅加入深度思考功能，Token消耗量就跳漲了數(shù)倍。

“那時候我就在想，未來一定不是單純的Chatbot的形式，”他在臺上說，“未來一定是multi pipeline復雜的任務流程。你只加一個深度思考，Token就有4倍，甚至多出10倍的提升，multi pipeline可能是千倍、甚至萬倍的Token爆炸。”

幾個月后，龍蝦的出現(xiàn)證明了他的判斷。一個普通的AI任務，調用的Token量可能是過去對話場景的數(shù)百倍。代價由誰承擔？最終還是用戶和開發(fā)者。

王冠博想解決這個問題。他們把問題的解法鎖定在“端側”。

在他們看來，用戶并不在意模型跑在云端還是本地，他們只想要“又便宜又好用”。正是基于這一理念，他們要做的不是端側小模型，而是把云端大模型真正部署到端側。

但這里有個非�，F(xiàn)實的障礙，那就是內存。市面上一萬元左右的消費級設備最多24G內存，刨去系統(tǒng)和應用占用，留給模型推理的不過8G，只能跑2B參數(shù)的小模型，而2B模型根本解決不了像龍蝦這類復雜任務的需求。

“很多品牌廠商面臨一個困境，”王冠博說，“能不能既將模型本地化，也把‘龍蝦’本地化，而且模型本地化是能解決‘龍蝦’需求的模型，它就需要是一個大十幾B甚至百B的模型�！�

萬格智元的方案，是從算法、系統(tǒng)、芯片三個層次同時入手。他報出了幾個數(shù)字：以35B的模型為例，他們的系統(tǒng)只需要4.7GB內存，內存開銷大幅下降，而推理速度則在極低內存消耗下提升了約30倍。

臺下一位投資人追問：“怎么解決帶寬限制的問題？”王冠博的回答展示了他研究的深度：不是硬堆內存，而是改變數(shù)據(jù)加載方式，“以位寬的方式按比特去load，之后邊load邊算，是一個極致的流水線式的調度，以一個極低的激活參數(shù)量配合IO帶寬，讓算和取、存和算來實現(xiàn)高效并行。”

突破是具體的：純CPU就能運行35B、80B、120B參數(shù)大模型；把本地部署成本從萬元級降到千元級。

此前萬格智元完成千萬級融資時，有投資方評價，這支清華博士團隊用普通CPU實現(xiàn)了主流模型在本地生成Token，“擺脫了行業(yè)對昂貴GPU資源的依賴”。

概括起來，這個00后要做的，是AI時代的“自來水”。不是把算力鎖在云端機房里出售，而是把它帶回每一臺普通電腦。他這樣形容自己的00后團隊：“能干、能熬、能做”。

1

二、把AI裝進口袋，還不用多花錢

同樣在臺上講端側的，還有另一位清華計算機系在讀博士——萬象智維CEO王拓為。

王拓為本科、博士都在清華就讀，研究方向聚焦于移動端設備上的大模型系統(tǒng)優(yōu)化。用他自己的話說，這是一件“比云端難得多”的事情。

云端有充沛的計算資源，但在端側，算力、內存、功耗、散熱，都是約束。而在給定的硬件條件下，把一個程序的性能跑到極致，是王拓為興趣所在。

眼下AI正在從“會說”走向“會做”。大模型從內容生成走向結果交付。智能體天然地從單輪對話走向7×24小時持續(xù)運行，并且單次任務也需要更長的上下文處理能力，都讓Token調用量呈現(xiàn)指數(shù)級增長。

而從實際需求出發(fā)，人們不是任何時候都需要基于云側的超強智能，很多時候，反倒希望有一種夠用，但是“更快、更安全、更節(jié)省的本地化的算力�！痹偌由�，隨著端側模型結構創(chuàng)新和端側推理技術演進，王拓為判斷，端側智能的窗口期已經到來。

不過這種機會未必屬于已有的硬件。在王拓為看來，當前幾類AI方案都有短板。

云側方案看起來能力最強，但上下文并非天然存在于云上，每次調用都需要把數(shù)據(jù)重新上傳組織，引入巨大的傳輸開銷和隱私風險。而“無論是手機還是電腦，本質上都是以用戶的通用需求為導向所設計”，真正能穩(wěn)定分配給智能體的算力資源非常有限，并且數(shù)據(jù)封閉在各自的生態(tài)里，無法形成統(tǒng)一的個人上下文系統(tǒng)。

至于Agent主機，雖然能在本地持續(xù)運行模型，“但依然不夠便捷，依賴網(wǎng)絡，使用鏈路也更長”。

萬象智維給出的解法，是一塊卡片大小的端側硬件——它以第三方的姿態(tài)，貼在手機背面或揣進口袋，連接手機、電腦、耳機等所有可穿戴設備，“在不同的設備和不同的生態(tài)之間建立起上下游匯總的渠道”。

簡單來說，他們要在這塊硬件上部署本地大模型，實現(xiàn)敏感上下文在本地處理，讓云端與本地模型高效協(xié)同。而這一切都是免費的�！耙驗槎藗鹊乃懔μ烊痪捅晃覀兯鶕碛�，用戶并不需要為每一次額外調用付出成本�！�

支撐這套方案的，是兩套自研技術。

一個是端側模型推理引擎OmniInfer，集成了團隊近五年的推理優(yōu)化能力。王拓為及其團隊曾花兩個月時間反匯編底層硬件指令代碼，重新編寫高性能算子，最終實現(xiàn)了相比CPU方案接近20倍的性能提升，可部署模型參數(shù)量達到原來的2倍，甚至能在手機上支撐100K長度的超長上下文。

另外是OmniClaw，一個端側任務執(zhí)行系統(tǒng)。它通過云端和本地模型協(xié)同，“在任務效果不降級的情況下實現(xiàn)成本的大幅下降”。

臺下投資人提問，用戶從哪里切入。王拓為的答復是三步走：第一步面向海外極客用戶開啟眾籌，讓他們在本地卡片式算力平臺上發(fā)揮全部構想；第二步靠口碑走向重度使用者，針對其辦公和使用場景做深度優(yōu)化；最終走向普通用戶。

“當我們每個人把日常全部上下文都提供給模型的時候，每個人的Token都不會夠用。”顯然，萬象智維不想讓大家有這種遺憾。

1

三、老兵再出發(fā)，讓AI少消耗多出活

講完年輕人，再來看看產業(yè)老兵。

明日新程創(chuàng)始人李笛，是這次活動最資深的創(chuàng)業(yè)者。他之前最被人熟悉的身份，是“微軟小冰之父”，但他想做的從來不止于打造一個“小冰”，而是堅信，智能體才是未來人機共生網(wǎng)絡中屬于AI的節(jié)點。

2025年底，也是在中關村國際創(chuàng)新中心的路演日活動上，明日新程首次公開亮相。之后依托海淀區(qū)的人才與科研資源，形成專業(yè)化的AI技術布局。成立一個季度，已連續(xù)完成兩輪融資。

李笛講的核心問題，在臺上說來直接：今天的多智能體框架，有兩個根本性缺陷。

第一是協(xié)同失控。他舉了一個例子：晚上睡前給AI Agent安排了一個任務，第二天早上起來，“你會發(fā)現(xiàn)它們幾個討論的結果是，決定把你的郵箱全部清空，決定把一些代碼寫得非常亂”。他們還做過實驗發(fā)現(xiàn)，當多個智能體沒有良好協(xié)同機制時，“往往是那個比較笨的會去說服那幾個比較好的”——越好的模型越善于合理化對方的觀點，最終拉低整體結果。

第二是成本爆炸。如果協(xié)同機制做得粗糙，沒有很好的基于控制的方法去處理真正的上下文，一句“你好”就可能消耗非常非常多的Token。

明日新程從人類智慧中破解這些難題。李笛認為，研究群體智能的運作規(guī)律，唯一藍本就是人類。因為人類是大家所能接觸到的唯一的高級認知智能體，并且，在人類社會漫長的歷史周期里，“絕大部分的時候都是良幣驅逐劣幣。”

為此，明日新程專門梳理過1800年到2020年人類文獻，拆解“群體智慧”的演進脈絡，探索智能體之間的動態(tài)協(xié)同，選出leader、通過辯論和反思形成決策的方法體系。最終，他們帶來了一套名為“團子”的多智能體協(xié)同框架。

成效是顯著的。李笛介紹，團子的智能深度穩(wěn)定超越任何單一大模型所產生的結果，可追溯決策形成的全部過程，并且推理成本還比Google Deep Research低50%以上。

還有投資人追問：這是不是另一種OpenClaw？而李笛表示，他們和OpenClaw有30%的相似、70%的不同——相似在都是reactive+proactive的場景，不同在于，OpenClaw完全沒有多智能體協(xié)同，也沒有多智能體進化，而團子有著使用強化學習的進化機制。

這帶來充滿想象力的前景。“群體智能是一個全新的框架層，下面是大模型，上面是各種各樣的ToC、ToB應用，無論你的應用是基于難題還是基于24小時以上的長程任務，都能通過群體智能的方式規(guī)范和約束它�！�

總的來看，明日新程既要讓AI更聰明能干，也要讓AI更便宜可用。

1

四、打造極致太空AI Token Machine，把Token變便宜

以上種種是為AI“節(jié)流”，有人則想為AI“開源”。

一葦宇航同樣是扎根于海淀的一家公司。公司創(chuàng)始人邢若粼是北郵博士。在他眼中，“智能的上界，其實就是能源的邊界�！�

要用好AI，必須掌握充分的能源。邢若粼判斷，地面能源和場地終將觸及天花板，有近乎無限場地和太陽能資源的太空，才是未來AI的最佳容器。

這絕不是異想天開。其實在2025年底，馬斯克便公開表示：“3年內，太陽能AI衛(wèi)星或將成為成本最低的AI計算方式�！彪S后，SpaceX被曝出基于Starlink V3衛(wèi)星改造太空算力的計劃，谷歌公布了“太陽捕手”計劃，一場圍繞太空算力的全球競賽，已經鳴槍。

邢若粼用一個有趣的比喻來講項目愿景：“我們做的事情，其實就是打造一臺極致的AI Token Machine�！�

想法很酷，當然挑戰(zhàn)更不簡單。宇宙射線會擊穿芯片、造成數(shù)據(jù)翻轉。傳統(tǒng)解法是花大價錢采購抗輻射的航天級器件，但這意味著成本極高、商業(yè)化艱難。

一葦宇航走了另一條路——用軟件的冗余對抗硬件的脆弱性。在老股東麟閣創(chuàng)投的一篇文章中可以看到，一葦宇航自研了一套基于Rust的雙內核操作系統(tǒng)RROS，而思路和SpaceX的Starlink一脈相承：接受單點失效的可能性，但通過架構冗余確保系統(tǒng)整體可用。根據(jù)在軌實測，RROS可在200毫秒內完成故障切換，平均無故障時間超過1萬小時。

這帶來了一種誘人的商業(yè)圖景：把芯片發(fā)射到太空，組成星座，用太陽能驅動算力，把能源轉化成Token，再用Token的收入繼續(xù)加強整個制造環(huán)節(jié)�！斑@是一場工業(yè)體系對地面?zhèn)鹘y(tǒng)的基建IDC模式徹底的顛覆，它是一個閉環(huán)的飛輪，這個效應會不斷自我加強。”

長遠看，這甚至可以形成AI for AI的循環(huán)，讓AI自己來迭代這套太空算力系統(tǒng)——基于Token的消耗產生更多Token，構建新時代的商業(yè)飛輪。

有意思的是，這個看似最為硬核的創(chuàng)業(yè)故事，有個頗為詩意的名字�！耙蝗斢詈健比∽赃_摩“一葦渡江”的典故。達摩一葦渡江傳播自己的理念，邢若粼和他的團隊想在茫茫宇宙中“擴展人類意識的邊界”，并且要在五年內，追趕乃至超越SpaceX的10萬瓦級衛(wèi)星算力。

概括而言，一葦宇航最終優(yōu)化的是端到端產生Token的成本。當大量算力可以在太空軌道上運轉，地球上的我們，大概不必再為AI賬單焦慮了。

1

有必要再提一句這些項目的地理坐標：海淀。

一個好項目可以在一個季度內完成兩輪融資，有野心改變未來的在校生不必猶豫就能大膽創(chuàng)業(yè)。這些事以前都是小概率，現(xiàn)在正變得越來越普遍。很難說這跟海淀的土壤沒有關系。

跟這里的創(chuàng)業(yè)者聊天，很容易得到類似的反饋：在這兒做AI和硬科技，不用跨區(qū)就能對接研發(fā)、測試和場景。從種子期到成長期，有人幫你把投融資、政策申報、孵化服務全鏈條跑通。這意味著你可以把絕大部分精力，留給技術攻堅本身。

這其實是一種很稀缺的托底。在介紹中關村科學城創(chuàng)投生態(tài)時，中關村科學城公司副總經理聶麗霞說，海淀正在持續(xù)構建“投資本+投資源+強服務”的創(chuàng)投 生 態(tài)體系。

從這個角度看，AI的賬單大概真的會變便宜。但這不只因為創(chuàng)業(yè)者們在發(fā)揮才智、技術在演化進步，也因為有人愿意，先把創(chuàng)新本身的代價壓下來一截。比起解決某一個技術命題，這也許是更重要的事。

點個“愛心”，再走 吧