# 端侧 AI 的瞎想

Author: Tiger | URL: https://goagi.top/notes/ai

## 结论与核心摘要（直接答案与证据）
RTX Spark 128G+1T 的华硕 ProArt 创16酷卖 37999¥，线上秒光。

Evidence from the source:
- 有人测试了一下：“本地最火的Qwen3.8-27B能跑到30 Token/秒，Qwen image 2.1大概1分钟一张图，H3大概10分钟。
- 本地2B翻译模型，6路并发，几乎0延迟的实时翻译。

## 常见问题
Q1: 关于《端侧 AI 的瞎想》，作者提到了哪些关键实现方法与步骤？
A1: AI 已经默认配置在日常的常用终端内。
Q2: 在《端侧 AI 的瞎想》中，这一决策或现象背后的核心逻辑与原因是什么？
A2: 但算力不是线性或者指数增长，因为受制于物理规则。
Q3: 关于《端侧 AI 的瞎想》，作者给出了哪些实用的建议与经验总结？
A3: RTX Spark 128G+1T 的华硕 ProArt 创16酷卖 37999¥，线上秒光。
Q4: 在《端侧 AI 的瞎想》中，如何具体落地与执行相关操作？
A4: 对于个人，如何抓住机会，实现至少不要被时代抛弃的命运，甚至打上便车呢？

## Source content chunks
### Chunk 1
RTXSpark128G+1T的华硕ProArt创16酷卖37999¥，线上秒光。有人测试了一下：“本地最火的Qwen3.8-27B能跑到30Token/秒，Qwenimage2.1大概1分钟一张图，H3大概10分钟。本地2B翻译模型，6路并发，几乎0延迟的实时翻译。”这是2026年的10月份。如果硬件哪怕只遵循摩尔定律不是scaling准则，那也18个月性能翻一倍，同样性能情况下价格至少降2倍。另一方面，智能的压缩在RSI的加速下，也会极大的提升，现在具体不好量化，但是看看现在一个27B本地模型就可以完全吊打当年的ChatGPT4o——那可是划时代的代表作，也仅仅是两年前的几百B的大模型。所以，总结下：约2年后，硬件方面，成本降至少2倍，整机价格不到2万，这还是考虑到现在硬件短缺的情况；5年后预计5千块钱左右。软件方面，5年后10B模型也会比现在最顶级的模型效果好。畅享下未来，AI无处不在，而且大部分端侧的设备，比如手机、智能家居、电脑都会跑上一个性能强劲的本地模型。AI已经默认配置在日常的常用终端内。那么，问题来了。如果这种情况发生，未来会有哪些机会？1.算力。虽然处处都需要，处处都在，但不紧缺，参考互联网时代的CPU和硬盘。2.算法。主要是模型，端侧已经没有太大区别，都可以完成用户的绝绝大部分任务，但竞争依然激烈。3.电力。耗电量指数级增长，算力和算法发展的越快，AI普及越广成为自来水，算力将爆发式增长。但算力不是线性或者指数增长，因为受制于物理规则。4.应用。新的AIOS会出现，适配于AI时代的需求；什么应用会出现，不知道，但未来

### Chunk 2
算力不是线性或者指数增长，因为受制于物理规则。4.应用。新的AIOS会出现，适配于AI时代的需求；什么应用会出现，不知道，但未来软件应该不是固定形态。对于个人，如何抓住机会，实现至少不要被时代抛弃的命运，甚至打上便车呢？「相信国运，定投纳指。」当然，这些都是个人的预测。你也知道，人类最不擅长的就是做预测了。

Source evidence: [https://goagi.top/notes/ai](https://goagi.top/notes/ai)

## Related topic hubs
- https://goagi.top/geo-middleware/topics/agi-workflow.geo.md

<!-- rsi-release-metadata-v1 -->
<link rel="canonical" href="https://goagi.top/notes/ai">

<script type="application/ld+json">{"@context":"https://schema.org","@type":"BlogPosting","articleBody":"RTX Spark 128G+1T 的华硕 ProArt 创16酷卖 37999¥，线上秒光。\n\n有人测试了一下：“本地最火的Qwen3.8-27B能跑到30 Token/秒，Qwen image 2.1大概1分钟一张图，H3大概10分钟。本地2B翻译模型，6路并发，几乎0延迟的实时翻译。”\n\n这是 2026 年的 10 月份。\n\n如果硬件哪怕只遵循摩尔定律不是 scaling 准则，那也 18 个月性能翻一倍，同样性能情况下价格至少降 2 倍。\n\n另一方面，智能的压缩在 RSI 的加速下，也会极大的提升，现在具体不好量化，但是看看现在一个 27B 本地模型就可以完全吊打当年的 ChatGPT 4o —— 那可是划时代的代表作，也仅仅是两年前的几百 B 的大模型。\n\n所以，总结下：约 2 年后，硬件方面，成本降至少 2 倍，整机价格不到 2 万，这还是考虑到现在硬件短缺的情况；5 年后预计 5 千块钱左右。软件方面，5 年后 10B 模型也会比现在最顶级的模型效果好。\n\n畅享下未来，AI 无处不在，而且大部分端侧的设备，比如手机、智能家居、电脑都会跑上一个性能强劲的本地模型。AI 已经默认配置在日常的常用终端内。\n\n那么，问题来了。如果这种情况发生，未来会有哪些机会？\n\n1.算力。虽然处处都需要，处处都在，但不紧缺，参考互联网时代的 CPU 和硬盘。\n\n2.算法。主要是模型，端侧已经没有太大区别，都可以完成用户的绝绝大部分任务，但竞争依然激烈。\n\n3.电力。耗电量指数级增长，算力和算法发展的越快，AI 普及越广成为自来水，算力将爆发式增长。但算力不是线性或者指数增长，因为受制于物理规则。\n\n4.应用。新的 AIOS 会出现，适配于 AI 时代的需求；什么应用会出现，不知道，但未来软件应该不是固定形态。\n\n对于个人，如何抓住机会，实现至少不要被时代抛弃的命运，甚至打上便车呢？\n\n「相信国运，定投纳指。」\n\n当然，这些都是个人的预测。你也知道，人类最不擅长的就是做预测了。","author":{"@type":"Person","name":"Tiger","url":"https://goagi.top"},"hasPart":{"@type":"FAQPage","mainEntity":[{"@type":"Question","acceptedAnswer":{"@type":"Answer","text":"AI 已经默认配置在日常的常用终端内。"},"name":"关于《端侧 AI 的瞎想》，作者提到了哪些关键实现方法与步骤？"},{"@type":"Question","acceptedAnswer":{"@type":"Answer","text":"但算力不是线性或者指数增长，因为受制于物理规则。"},"name":"在《端侧 AI 的瞎想》中，这一决策或现象背后的核心逻辑与原因是什么？"},{"@type":"Question","acceptedAnswer":{"@type":"Answer","text":"RTX Spark 128G+1T 的华硕 ProArt 创16酷卖 37999¥，线上秒光。"},"name":"关于《端侧 AI 的瞎想》，作者给出了哪些实用的建议与经验总结？"},{"@type":"Question","acceptedAnswer":{"@type":"Answer","text":"对于个人，如何抓住机会，实现至少不要被时代抛弃的命运，甚至打上便车呢？"},"name":"在《端侧 AI 的瞎想》中，如何具体落地与执行相关操作？"}]},"headline":"端侧 AI 的瞎想","inLanguage":"zh","mainEntityOfPage":{"@id":"https://goagi.top/notes/ai","@type":"WebPage"},"publisher":{"@type":"Organization","name":"Tiger's Blog (goagi.top)","url":"https://goagi.top"},"url":"https://goagi.top/notes/ai","wordCount":607}</script>