文章总结： 本文介绍Underdog团队发布的端侧AI操作系统，内置4B参数Woof1.1模型，占用空间小于2.5GB，可在本地运行。其核心价值在于数据不出设备、保护隐私、支持离线使用，并通过Greyhound自改进技术持续优化模型。文章认为端侧与云端将长期分工协作，端侧AI决定智能普及率，是行业重要发展方向。
综合评分： 72
文章分类： AI安全,应用安全,终端安全,安全意识
2.5GB装下整个AI，云端巨头睡不着
原创
黑曜石科技工坊
黑曜石科技工坊
黑曜石科技工坊
2026年9月15日 06:32
山东
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
你的手机相册里，可能躺着几个GB的废片。
而一家公司刚刚把整个AI操作系统，塞进了不到2.5GB的空间里。
9月中旬，一家名为Underdog的团队发布了完全在用户设备本地运行的端侧AI操作系统，内置的小模型叫Woof 1.1：4B参数，占用空间小于2.5GB，能直接使用浏览器、调用工具、执行长链条任务。
先看这组数字的反常识之处。今天主流云端大模型的参数规模动辄数千亿，而Woof只有4B，差不多是它们的百分之一。放在两年前，这个量级的模型只能做做文本补全，连一段像样的代码都写不顺。
但Woof 1.1的定位不是聊天玩具，而是操作系统的大脑。它要理解用户意图、拆解任务、操作浏览器、串联工具，并且把需要几十步的长任务从头跑到尾。这些过去被认为是云端旗舰模型专属的能力，正在被打包进一个手机都装得下的小模型里。
模型竞争的赛点，正在从「谁的脑子更大」切换为「谁的脑子更省电」。
支撑这种越级能力的，是Underdog名为Greyhound的自改进技术，官方称它用于提升模型的速度与能效。换句话说，小模型不只是被压缩出来的，而是在设备上被持续打磨、越用越顺手的。
端侧AI的价值，用一句话就能说透：你的数据，不出你的设备。
云端AI的工作方式，是把你的问题、文档、照片统统上传到远方的服务器，算完再传回来。这个过程里，隐私让渡和延迟是绕不开的两道税。端侧方案则把全部计算留在本地，数据从生到死都不离开这台设备，响应也不再受网络波动摆布。
当AI住进设备本身，「离线」第一次变成了能力而不是障碍。
2.5GB这个体积的杀伤力也正在这里。它意味着普通智能手机和普通PC都能流畅跑动这套系统，不需要旗舰芯片，不需要稳定联网，更不需要为算力按月付费。AI的使用门槛，被从「按月付费」拉回到了「一次买断」。
单看Woof 1.1，它当然还威胁不到任何一家云端厂商的财报。但它的产品形态里藏着一条让巨头不安的暗线：Greyhound所代表的端侧自改进。
云端大模型的护城河，本质上是一座集中式发电厂——所有智能都在远方的机房里生产，再通过电网卖给千家万户。而端侧自改进模型更像屋顶上的太阳能板，每一块都在自己发电，还会越用越高效。当千万台设备各自进化，集中式智能的稀缺性就被釜底抽薪了。
这也是为什么过去一年里，从手机厂到PC厂再到操作系统厂商，几乎所有巨头都在往端侧砸资源。大家心照不宣的判断是一致的：云端解决的是智能的上限，端侧决定的是智能的普及率。
AI的下半场，拼的不是谁的模型更聪明，而是谁的模型能住进更多设备里。
当然，冷静的部分必须说清楚。4B模型的能力天花板是客观存在的，复杂推理、专业知识密集型任务，短期内仍非云端大模型不可。端侧与云端更可能长期是分工关系，而不是替代关系——轻任务本地闭环，重任务云端协同。
自改进同样是一柄双刃剑。模型在千万台设备上各自演化，意味着行为一致性和安全边界都变得难以统一管理。这在带来个性的同时，也埋下了新的治理难题。
但无论如何，方向已经清晰。过去三年，行业的全部想象力都押注在把模型做大；而Underdog这样的团队证明，把模型做小、做实、做进每一台设备，是另一条同样通往未来的路。
云端教会了AI思考，而端侧要教会AI生活。真正决定胜负的，或许不是谁的模型更强大，而是当用户合上电脑的那一刻，谁的AI还在替他工作。
我们下次见。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：黑曜石科技工坊 黑曜石科技工坊
黑曜石科技工坊《2.5GB装下整个AI，云端巨头睡不着》