本地部署正在把 AI 送进工厂：这周冒头的三个小生意

结论先行：这周 AI 领域最密集的一组发布，主线不是「模型更聪明」，而是「模型能跑在离数据更近的地方」。端侧语音模型压到几十兆、能在手机和浏览器里本地跑；轻量编程模型可以直接在笔记本上跑起来；国内一家厂商开源了非标机加工的工艺模型，专门处理扫描件和拍照读图；另一个工业互联网大会上，有团队把工序覆盖扩到了四十多类。

把这些放在一起看，指向一个对个人创业者相当友好的变化：「跑在客户现场」这件事，正在从不可能变成可交付。

一、这一组发布，到底变了什么

先把这周几件事摆开，事实部分不做任何渲染：

• 端侧语音模型做到了几十兆级。有一款开源的本地语音合成模型，参数规模三千多万，压缩后最小可以到 64.5 MB（作为对比，此前广泛使用的同类本地语音模型是八千多万参数），支持多语种，能跑在手机、笔记本、嵌入式设备甚至浏览器标签页里，官方给的说法是「把自然的语音放在手机上或浏览器标签里」，全流程不联网。
• 本地编程模型进到了普通设备。一款新的轻量编程模型被本地运行工具收录，一条命令即可启动，官方数据是在某款笔记本上每秒一百多个 token。它总共四百亿参数，但每个 token 只激活其中约二十五亿。
• 工业工艺模型开源了。国内一家厂商在工业互联网大会上开源了非标机加工工艺大模型，九十亿参数，基于国产开源底座，支持扫描件和拍照读图，工序覆盖从几十类扩到四十三类。
• 语音工具链补齐了多语种和自部署。同期发布的语音模型家族覆盖五十多种语言，并且明确提供自部署选项——在欧盟托管的接口之外，你可以把它装在自己的机房里。
• 整条链路开始支持「本地优先」。有一款桌面智能体工具宣布可以在苹果芯片电脑上完全本地运行，本地文件和本地应用的任务不出设备，需要云端时由用户逐次授权。

把五条串起来，逻辑就清楚了：能力在往下沉，部署门槛在往下掉，而隐私边界正在从「厂商的承诺」变成「你自己的开关」。

二、为什么这件事对个人创业者特别重要

在此之前，AI 服务有一个绕不开的死结：要么把客户的数据传出去，要么什么都做不了。工厂的图纸、医院的病历、律所的合同、政府的档案——这些东西很多客户连云端都不敢上。于是「AI 项目做不了」这句话背后，真正的原因往往不是技术不行，而是数据出不去。

本地部署把这个死结解开了一条缝：模型跑在客户自己的机器上，数据一步不出门。对于一直想切入这些场景但始终过不去数据关的一人公司，这是一条被打开的路。

更重要的是它的交付形态变了。过去的形态是「我给你一个网页，你自己去用」，这要求客户有电脑、有网、愿意注册账号、有学习意愿。新的形态是「我把模型装到你的机器上，按你的流程调好，你按一下按钮」——这才是传统技术服务行业熟悉的交付方式，客户接受度高，收费也更容易讲清楚。

说白了：「卖一个 SaaS 账号」是互联网时代的打法，「卖一套装在你机器上的东西」是工程时代的打法。后者的客单价高得多，而且竞争者少——因为大多数人不会做，也懒得做。

三、三个可以切进去的生意

下面这三个方向，都是围绕「现场」展开的，难度递进。

方向一：给中小厂做「看得见的质检」

工艺模型已经能读扫描件和拍照读图，工序覆盖到四十三类。这意味着过去只能靠老师傅眼睛看的东西，现在有机会变成一个「拍照—出结果」的流程。

切进去的方式很朴素：先做一道工序，不要做一套系统。比如只做「某个关键尺寸的自动复核」，只做「首件检的对照留痕」。一道工序的验收标准是明确的：拿一百个已知合格和已知不合格的样件跑一遍，能挑出多少、误报多少。这是一张能直接交出去的表。

收费逻辑也清楚：按台设备或按月付服务费都行。真正的门槛不在技术，在于你得真的蹲在产线上待够时间，知道老师傅看的是哪个角度、光线怎么打、什么情况下会看走眼。这部分知识，模型给不了。

方向二：给有合规顾虑的机构做「本地跑」

律所、医院、财税、审计、政府下属事业单位，这些客户的钱其实很好赚，但共同点是数据不能随便出内网。以前你只能给他们「建议用公有云大厂的产品」，那不是你的生意，是转介。

现在有一条新的路：用能自部署的模型，在客户自己的机器上搭一套文档处理流程——合同条款抽取、票据信息识别、内部文件检索问答，模型权重在客户机房，数据不出门，只把结果汇总给你。

这个方向的三个可交付物：① 一台能跑起来的机器（预装好模型和界面）；② 一套针对该行业术语调过的提示词和规则；③ 一份操作说明和一次现场培训。收硬件加实施加维护的钱，客户接受度比订阅高，因为钱花在看得见的设备上。

方向三：给有声音场景的商家做「离线应答」

几十兆的本地语音模型能在浏览器里跑，这个特性对一类客户特别友好：不希望数据出网、又希望有个「能说话」的接待的场景。

• 社区诊所、康养机构的健康宣教屏；
• 厂区的班前会播报、车间安全提示；
• 民宿、展馆、政务大厅的多语种接待问答；
• 零售门店的语音导购（商品介绍、售后说明）。

这条线最轻：不需要你懂模型，需要你懂那个场景里该说什么话。一个能离线跑、会说话、答得靠谱的小盒子，装在展厅、装在病房门口、装在车间——收硬件钱加内容更新年费。内容量不大，但复购很稳。

四、怎么判断哪个方向适合你

三个方向，卡点完全不同，选之前问自己三句：

• 你有没有那个行业的熟人或经历？没有的话，最小那道工序你都不知道该看什么。第一、第二个方向，行业的门槛远高于技术的门槛。
• 你能不能到现场？三个方向都要到现场。装、调、验、教，没有一步能远程做完。如果你的时间只够线上，那就别碰这个赛道。
• 你能不能承担「东西装坏了」的责任？本地部署的代价是：出问题得你上门。交付之前把「支持范围」写清楚——支持哪些操作系统、多少台设备、什么算超出范围——这行最怕的是无限制兜底。

五、四个要提前想清楚的坑

坑一：把「能本地跑」当成卖点去卖硬件。客户不买模型，客户买的是「这件事解决了」。技术路线是你的事，交付语言必须是客户听得懂的结果。

坑二：数据不出门，但别忘了你自己也在门里。如果你的服务流程需要把客户的文档传到你的开发机上做调试，那条路要写在合同里——是去现场调，还是拿一份脱敏样本回去调，这是两个完全不同的成本和风险。多数场景下，脱敏样本就够了。

坑三：设备交付后的持续费用没算进去。模型会更新、操作系统会升级、客户的机器会换。一次性收完钱，后面全是你的成本。哪怕按月只收很少，也要从第一单开始收。

坑四：以为装完就完事。本地系统最常见的问题不是跑不起来，是跑起来了但没人用。让客户愿意打开它，比让它跑起来更难——这需要界面、需要话术、需要有人愿意教。这部分工作跟技术无关，跟你在行业里的分量有关。

六、一句提醒

这一轮发布里，最值得记住的不是哪个模型又强了多少，而是「部署位置」变成了一个可以选的、便宜的、可控的参数。这在一年前还不是选项。

对一人公司来说，这条变化打开的是一类以前做不了的客户：数据敏感、预算不大、场景明确、要求有人上门。这类客户数量不小，而且大多没有被大厂认真服务过——大厂嫌单子小、嫌要定制、嫌现场成本高。你不觉得小，这就是你的位置。

顺带一句：这套「现场交付」的逻辑，和你做线上的活是同一套——把执行环节交给工具，把判断和上门留在自己手里。像本站的公众号图文工具这类把选题、成稿、排版一次走完的工具，用在你自己手上省下的时间，正好可以投到「跑一趟现场」这种别人做不了的动作上。