Beyond Scaling: Agents Are Heading to the Edge
本立场论文主张，个人智能体必须从以云为中心迁移至基于边缘的架构，以克服远程处理的局限性，确保实现有效智能体智能所必需的低延迟执行、本地上下文保留以及可持续优化。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你有一位博学多才、无所不知的助手，但他住在一座遥远的城堡里（云端）。你请他“立刻”修好厨房水槽的漏水。由于他住得远，他必须等信使跑到你家，查看水槽，再跑回城堡告诉助手，等助手思考后，再带着指令跑回来。等到指令送达时，水槽早已把地板淹了。
本文认为，“智能体”（为你做事的 AI）的未来不在于建造更大、更聪明的城堡，而在于让助手搬进你的房子（边缘端）。
以下是他们论证的要点分解，使用简单的类比：
1. 重大转变：从“知晓”到“行动”
过去十年，AI 的进步就像往图书馆里塞越来越多的书（扩展）。目标是让 AI 知道更多事实。
- 本文主张：我们不再需要更多的书，我们需要一位更好的管理者。
- 类比：把 AI 的“大脑”分为两部分。后部（后皮层）是存储事实的图书馆；前部（前额叶）是首席执行官（CEO），负责决定做什么、何时做以及如何纠正错误。
- 问题：目前，这位"CEO"坐在云端，远离行动现场。本文称之为**“前额叶转向”。CEO 需要移师前线（你的手机或笔记本电脑），根据当下**发生的情况做出瞬间决策。
2. “暗物质”问题（数据地理悖论）
本文指出，智能体工作所需的大部分数据就像“暗物质”——它是无形的、杂乱的，一旦你试图打包它，它就会消失。
- 类比：想象你试图通过电话向某人描述一场现场爵士乐音乐会。如果你试图将音乐总结成一条短信发送给云端，你就会失去节奏、即兴演奏和感觉。等到云端听到你的总结时，乐曲早已变了。
- 现实：你计算机的内部状态、传感器数据和私人文件就是这种“现场爵士乐”。如果你把它们发送到云端，它们会被扭曲或迟到。智能体必须本地化，才能在音乐演奏时听到它。
3. 为什么云端太慢（延迟陷阱）
云端智能体以“往返”方式工作。
- 类比：就像玩电子游戏，每次你按下一个按钮，都要等服务器 2 秒后说“好的，你跳了”。你永远无法玩快节奏的游戏。
- 现实：个人智能体需要执行诸如“检查我的日历，发现会议冲突，并移动会议”这样的任务。这需要 50 到 100 个微小的步骤。如果每一步往返云端都需要几分之一秒，整个过程就需要几分钟。如果智能体驻留在你的设备上，整个过程只需几秒钟。
4. “零成本”个性化
- 类比：云端智能体就像是为“平均”人裁衣的普通裁缝；而边缘智能体则是住在你的衣柜里的裁缝。
- 现实：因为智能体驻留在你的设备上，它能瞬间学习你的具体习惯。每次你纠正它或接受建议，它都能免费学习。它不需要将你的私人数据发送到巨大的服务器来学习；它就在原地实时学习，既不增加额外成本，也不危及隐私。
5. 设备的“蜂群”
本文建议，我们不再依赖一个巨大的 AI，而是拥有一个蜂群，由驻留在你的手机、手表、笔记本电脑和汽车上的小型智能体组成。
- 类比：想象一支足球队。在云端模式下，教练（AI）在几英里外的体育场里，通过扩音器大喊指令。在边缘模式下，球员（你的设备）在场上，彼此直接交流，根据眼前所见做出瞬间配合。
- 好处：它们可以协调配合，无需等待云端的信号。你的手表看到你正在跑步，你的手机知道你的日程，你的汽车知道交通状况。它们在本地相互沟通，确保你准时到达工作地点。
6. 为什么我们还没做到？
本文承认这是一个艰巨的工程挑战，而不仅仅是“等待更好的芯片”的问题。
- 障碍：当前的软件是为云端构建的。它假设 AI 超级聪明，能够自我纠错，因为它拥有巨大的大脑。小型本地 AI 芯片虽然“更聪明”，但还不足以“天才”到能自我纠错。
- 所需解决方案：我们需要在软件框架内构建一种新型“安全网”（称为人工前扣带皮层，Artificial ACC）。这个安全网充当监督员，监控小型 AI，捕捉错误，并在错误发生前进行修正，因为小型 AI 无法依靠蛮力来确保正确。
总结
本文结论是，AI 的未来不在于在云端让“大脑”变得更大，而在于将“执行控制”（负责规划和行动的部分）移入你的口袋。
- 旧方式：云端的大大脑 + 缓慢的信使 = 适合回答琐事，不适合实时解决你的生活问题。
- 新方式：口袋中的小大脑 + 即时行动 = 适合管理你的生活、隐私和实时任务。
作者预测，AI 的下一个重大飞跃不会来自训练更大的模型，而是来自构建更好的本地管理者，它们能够即时行动、隐私学习，并与你的其他设备协调，而无需调用云端。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。