# 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。

## 正文
RTX Spark 128G+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。”

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 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。

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