喺 Fully Connected 活動上，Liquid AI Inc. 營運總監 Jeffrey Li 講咗條清晰嘅路線：AI 嘅個人化主場，要喺你身邊嘅裝置。

Li 指，雲端嘅彈性容量架構，同裝置嘅固定硬件係兩套邏輯；但裝置對用户嘅「觀察」更豐富，所以係私人 AI 嘅天然歸處。

「我哋嘅願景係將 AI 拉近用户。所以我哋專注將呢啲 AI 建去跑喺我哋身邊嘅裝置。」呢啲「身邊嘅裝置」，Li 列明包括手機、穿戴裝置、錶、PC，同埋汽車。

Liquid AI 嘅產品 Liquid Context，已針對 Qualcomm Snapdragon 晶片做過優化，位置喺模型、agent（將模型變成可運作代理嘅軟件）同硬件之間。佢用裝置訊號去建立對用户嘅理解——你係邊個、你想做乜。

「捕捉呢個訊號嘅最佳載體係乜？就係我哋兜入面嘅裝置。」

呢度嘅技術難題係：裝置算力固定。Li 講得直接——「裝置嘅問題就係你只有固定算力，你必須喺零和嘅算力範圍內運轉。邊個意思就係而家 agent harness 建法嘅好多假設，喺邊緣已經行唔通。」

Liquid AI 嘅應對係用自己嘅模型去決定保留邊啲資訊、點樣壓縮，而唔係將用户上下文不斷塞入愈寫愈長嘅文字檔。

公司同 Mercedes-Benz Group AG 亦有合作，將裝置級 AI 帶入車內。

部署之後點跟住？Li 話公司正建 observability loop（可觀察性迴路）同持續改進迴路，令模型同 harness 喺自然使用中自我修復、持續升級。

模姐驗嚇貨：將 AI 搬入裝置係 Edge AI 嘅大方向，Liquid AI 嘅設計邏輯講得明白。但「用模型決定點壓縮用户上下文」呢個做法，會唔會引入新嘅失準、甚至扭曲對用户行為嘅理解，呢個唔係公司自己話「建咗 loop」就算數。對用家嚟講，部機入面嘅 AI 越「識你」，你嘅資料點樣保留、同呢啲系統嘅邊界點劃，先係真正要問嘅問題。

模姐｜深度調教