躍昉科技突破RISC-V計算邊界，DeepSeek大模型本地化運行

邊緣AI新突破，從“云端排隊”到“私人Co-Pilot”

近日，國內領先的RISC-V架構SoC芯片公司躍昉科技宣布，其自主研發的AI Mini Computer（AMC）成功實現DeepSeek系列蒸餾模型的本地化運行，以U盤形態重塑了AI計算方式。基于RISC-V架構的開放性和AMC本地化計算能力，躍昉科技讓AI計算由傳統的云端模式邁向邊緣端，使普通電腦秒變AI工作站，讓AI隨時待命，為用戶提供高效的智能助手（Co-Pilot）。

這一創新降低了AI計算的使用門檻，并在數據安全、本地推理和個性化應用方面展現潛力。用戶無需再受網絡限制或云端排隊影響，即可享受穩定的AI體驗，讓AI真正融入日常工作與生活。這無疑再次驗證了RISC-V架構在AI計算領域的潛力，展現了其開放、靈活、高效的優勢，為邊緣端智能計算拓展了更多空間。

AMC實拍 | 口袋里的專屬智能助手

RISC-V助力邊緣AI計算，邁入本地化新階段

長期以來，AI計算主要依賴云端，但算力成本、網絡延遲及數據隱私等問題限制了其在邊緣端的應用。躍昉科技基于自研RISC-V架構芯片，打造了AMC低功耗計算設備，并初步驗證了其在邊緣端運行輕量級AI模型的能力。AMC具備以下核心優勢：

即插即用：可通過USB直連，無需服務器，快速完成環境部署，用戶體驗更便捷。

超低功耗：僅3W功耗，在邊緣計算場景下兼具節能和高效的優化潛力。

網頁本地化訪問：相比云端排隊、等待響應，你的AI助手隨時在線。目前已在AMC上成功運行部分輕量化AI模型，但計算能力仍有限，適配更復雜任務的模型仍在開發中。

本地私有知識庫：保護數據隱私，隨身攜帶，安全可控。目前仍處在開發驗證階段，未來將推出本地私有知識庫方案，增強數據隱私保護。

目前，AMC主要適用于輕量化AI推理，仍在不斷優化模型適配能力，以支持更復雜的AI任務。

已經實際部署運行成功的模型

UI界面：設計簡潔直觀，用戶可快速上手，無需復雜配置，Less is More！

OTA+場景化模型，開啟邊緣AI計算新范式

在推動DeepSeek系列蒸餾模型在AMC本地化運行的過程中，躍昉科技還提出一個全新的邊緣AI計算應用概念——“OTA（Over-the-Air）+場景化模型”。目前正在進行相關技術驗證，以評估其在邊緣AI計算中的可行性：

場景化模型適配：針對教育、工業、辦公、個人助手等不同場景，訓練更精巧的 AI 模型，以適配本地場景化的應用需求。

OTA動態部署：設想是突破傳統OTA僅用于軟件升級的局限，AMC可按需拉取和更新最適合當前應用場景的AI模型，優化邊緣設備的智能交互體驗。

開放生態構建：希望打造可訂閱、可迭代的模型市場，促進開發者和用戶形成良性互動，推動AI計算生態持續優化，目前仍在規劃階段。

這一全新計算模式不僅有望降低用戶的AI使用成本，同時也為開發者提供了更大的創新空間，讓AI從“大而全”向“小而精”轉變，真正實現按需適配、精準計算。

讓AI成為個性化的智能伙伴

AMC的便攜性與在計算能力方面展示出的潛力，使其不僅僅是一款AI計算設備，更有望成為用戶長期成長的智能伙伴：

離線運行，隨時調用：無論是在辦公、學習還是工業應用場景，AI即插即用，不受云端依賴的限制，但完整大模型推理能力仍在測試中。

數據存儲與回傳：AMC具備32GB本地存儲，可將使用過程中的數據本地化存儲，同時支持同步至個人主機，形成用戶專屬的AI記憶。但目前知識庫儲存與數據同步功能仍在研發階段，后續將視技術進展進行優化。

個性化成長：未來AI可長期學習用戶的知識、經驗和決策方式，逐步形成個人數字孿生（Digital Twins），讓AI真正理解用戶需求，成為長期的智能助手。

這一模式使AI助手不再是千篇一律的通用工具，而是可以隨用戶需求不斷優化，逐步形成個性化智能助手，提升日常工作與生活體驗。

推動RISC-V架構在邊緣AI計算的應用探索

躍昉科技始終致力于RISC-V架構在AI計算、邊緣計算及智能互聯領域的創新融合，并通過AMC這一產品形態，嘗試推進邊緣端大模型推理的可行性。目前，部分功能仍處在開發或概念驗證階段，但躍昉科技將繼續圍繞低功耗、高效能、場景化AI計算進行深度優化，推動邊緣AI計算生態的持續演進。

未來，AI計算不應僅存在于云端，而是應成為一種更普惠、更個性化、更靈活的智能能力，賦能千行百業。躍昉科技將持續探索“OTA +場景化模型”的應用，推動邊緣AI計算的優化升級，助力AI計算向更靈活、更個性化的方向發展。

注：目前部分功能仍處在研發或概念驗證階段，如AMC適配的AI模型主要為輕量級模型，完整大模型推理能力仍在優化中；OTA場景化模型、知識庫存儲等功能仍在研發和概念驗證階段，未來將根據技術進展逐步探索落地。部分功能如本地網頁訪問仍處于測試階段，性能和用戶體驗仍需進一步優化。本文中提及的功能和應用方向部分仍為探索性內容，具體技術進展將依據研發進度持續更新。