跃昉科技突破RISC-V计算边界，DeepSeek大模型本地化运行

边缘AI新突破，从“云端排队”到“私人Co-Pilot”

近日，国内领先的RISC-V架构SoC芯片公司跃昉科技宣布，其自主研发的AI Mini Computer（AMC）成功实现DeepSeek系列蒸馏模型的本地化运行，以U盘形态重塑了AI计算方式。基于RISC-V架构的开放性和AMC本地化计算能力，跃昉科技让AI计算由传统的云端模式迈向边缘端，使普通电脑秒变AI工作站，让AI随时待命，为用户提供高效的智能助手（Co-Pilot）。

这一创新降低了AI计算的使用门槛，并在数据安全、本地推理和个性化应用方面展现潜力。用户无需再受网络限制或云端排队影响，即可享受稳定的AI体验，让AI真正融入日常工作与生活。这无疑再次验证了RISC-V架构在AI计算领域的潜力，展现了其开放、灵活、高效的优势，为边缘端智能计算拓展了更多空间。

AMC 实拍 | 口袋里的专属智能助手

RISC-V助力边缘AI计算，迈入本地化新阶段

长期以来，AI计算主要依赖云端，但算力成本、网络延迟及数据隐私等问题限制了其在边缘端的应用。跃昉科技基于自研RISC-V架构芯片，打造了AMC低功耗计算设备，并初步验证了其在边缘端运行轻量级AI模型的能力。AMC具备以下核心优势：

即插即用：可通过USB直连，无需服务器，快速完成环境部署，用户体验更便捷。

超低功耗：仅3W功耗，在边缘计算场景下兼具节能和高效的优化潜力。

网页本地化访问：相比云端排队、等待响应，你的AI助手随时在线。目前已在AMC上成功运行部分轻量化AI模型，但计算能力仍有限，适配更复杂任务的模型仍在开发中。

本地私有知识库：保护数据隐私，随身携带，安全可控。目前仍处在开发验证阶段，未来将推出本地私有知识库方案，增强数据隐私保护。

目前，AMC主要适用于轻量化AI推理，仍在不断优化模型适配能力，以支持更复杂的AI任务。

已经实际部署运行成功的模型

UI 界面：设计简洁直观，用户可快速上手，无需复杂配置，Less is More！

OTA+场景化模型，开启边缘AI计算新范式

在推动DeepSeek系列蒸馏模型在AMC本地化运行的过程中，跃昉科技还提出一个全新的边缘AI计算应用概念——“OTA（Over-the-Air）+场景化模型”。目前正在进行相关技术验证，以评估其在边缘AI计算中的可行性：

场景化模型适配：针对教育、工业、办公、个人助手等不同场景，训练更精巧的 AI 模型，以适配本地场景化的应用需求。

OTA动态部署：设想是突破传统OTA仅用于软件升级的局限，AMC可按需拉取和更新最适合当前应用场景的AI模型，优化边缘设备的智能交互体验。

开放生态构建：希望打造可订阅、可迭代的模型市场，促进开发者和用户形成良性互动，推动AI计算生态持续优化，目前仍在规划阶段。

这一全新计算模式不仅有望降低用户的AI使用成本，同时也为开发者提供了更大的创新空间，让AI从“大而全”向“小而精”转变，真正实现按需适配、精准计算。

让AI成为个性化的智能伙伴

AMC的便携性与在计算能力方面展示出的潜力，使其不仅仅是一款AI计算设备，更有望成为用户长期成长的智能伙伴：

离线运行，随时调用：无论是在办公、学习还是工业应用场景，AI即插即用，不受云端依赖的限制，但完整大模型推理能力仍在测试中。

数据存储与回传：AMC具备32GB本地存储，可将使用过程中的数据本地化存储，同时支持同步至个人主机，形成用户专属的AI记忆。但目前知识库储存与数据同步功能仍在研发阶段，后续将视技术进展进行优化。

个性化成长：未来AI可长期学习用户的知识、经验和决策方式，逐步形成个人数字孪生（Digital Twins），让AI真正理解用户需求，成为长期的智能助手。

这一模式使AI助手不再是千篇一律的通用工具，而是可以随用户需求不断优化，逐步形成个性化智能助手，提升日常工作与生活体验。

推动RISC-V架构在边缘AI计算的应用探索

跃昉科技始终致力于RISC-V架构在AI计算、边缘计算及智能互联领域的创新融合，并通过AMC这一产品形态，尝试推进边缘端大模型推理的可行性。目前，部分功能仍处在开发或概念验证阶段，但跃昉科技将继续围绕低功耗、高效能、场景化AI计算进行深度优化，推动边缘AI计算生态的持续演进。

未来，AI计算不应仅存在于云端，而是应成为一种更普惠、更个性化、更灵活的智能能力，赋能千行百业。跃昉科技将持续探索“OTA +场景化模型”的应用，推动边缘AI计算的优化升级，助力AI计算向更灵活、更个性化的方向发展。

注：目前部分功能仍处在研发或概念验证阶段，如AMC适配的AI模型主要为轻量级模型，完整大模型推理能力仍在优化中；OTA场景化模型、知识库存储等功能仍在研发和概念验证阶段，未来将根据技术进展逐步探索落地。部分功能如本地网页访问仍处于测试阶段，性能和用户体验仍需进一步优化。本文中提及的功能和应用方向部分仍为探索性内容，具体技术进展将依据研发进度持续更新。