静态互联网数据的增长红利正在见顶。元空智能团队给出一个判断：下一轮模型能力的跃迁，会越来越依赖与真实环境持续交互的“端侧”。这家从北大走出来的公司，三年前靠国内最早一批AI Excel产品ChatExcel出圈，如今已从云端应用延伸到本地端侧。
近期，元空一口气发布端侧模型Boxer、面向办公场景的元空AI Work，以及科研Agent元空AI Science，从模型、Agent到设备侧形成闭环。更直接的市场信号是，其端侧模型拿下惠普商务电脑预装，从高校实验室走出的团队由此进入全球头部硬件厂商的设备里。
团队把端侧AI重新定义为“生产力=元空端侧AI=模型×Agent×设备”。这意味着端侧不再是一条“把模型搬下来”的单向链路，而是一套能自己转起来的飞轮：设备产生真实交互数据，Agent在本地完成任务并产生反馈，模型据此持续更新。相比一味把更强的模型塞进设备，这条路线更强调长期运行中的进化。
支撑这一判断的，是数据侧的压力。斯坦福《AI Index 2026》报告提出“Peak Data”，指向高质量人类生成数据正接近被前沿模型吃透；Hugging Face等团队的研究也在模拟模型反复使用已有数据后的效果衰减。当静态数据红利趋弱，真实任务、真实环境与持续交互产生的数据，价值随之上升。科研Agent把文献检索、数据分析一路接到真实实验设备，正是这条逻辑的延伸。
这与星战科技在AI实训平台与企业AI落地上关注的方向一致：端侧和本地化部署让数据不必全部上传，也让模型更贴近具体业务；但要让能力真正沉淀，仍需要有平台把模型、Agent、工具与算力组织起来，让人和团队能在真实任务中训练与验证。AI实训的价值，正在于把“会用AI”变成可复制的工程能力。
当然，端侧AI的约束同样明显。设备算力、功耗、隐私与模型更新都要在本地权衡，“会进化”也意味着版本管理、数据回流和安全边界更复杂。从“能跑”到“长期跑”，考验的不只是模型压缩，而是整套端云协同的工程体系。
当模型红利从静态数据转向真实交互，端侧就有了独立的价值。但能力能否被稳定交付，取决于平台化的组织能力与工程纪律。谁能让设备、Agent与模型形成可持续的飞轮，谁就更接近端侧AI的规模化落地。
