元空智能发布端侧模型Boxer，携手惠普实现工作站预装

互联网静态数据的增长红利正在逼近上限，下一轮大语言模型能力的跃迁，开始转向与真实环境持续交互的端侧设备。

面对行业瓶颈，从北京大学实验室走出的元空智能团队给出了明确判断：端侧AI不能仅是把模型搬到设备上的单向传输，而是一套自驱动的演进飞轮。近期，元空智能正式发布端侧模型Boxer，同步推出办公AI智能体「元空AI Work」与科研智能体「元空AI Science」，并与硬件巨头惠普达成战略合作，成功进入惠普工作站设备预装链路。

静态数据见顶，设备成为稀缺数据的生成现场

此前，元空智能曾凭借AI表格工具ChatExcel积累了数百万用户，随后又将产品线延伸至AI数据智能体与开源科研项目e2Sci。长期扎根真实业务场景，让团队更早观察到了大模型数据供给的结构性危机。

斯坦福《AI Index 2026》报告曾明确提出“数据峰值”（Peak Data）概念，指出人类现存高质量静态训练数据正逐步耗尽。已有学术研究也表明，单纯对存量数据进行重复训练，模型算力投入的边际收益将趋近于零。依靠单纯抓取网页文本的Scaling Law扩展模式，正在遭遇现实阻力。

在元空智能看来，下一阶段模型进化的核心养分来自真实任务现场。设备不仅是AI的运行载体，更是持续产生高价值轨迹数据的交互环境。无论是PC、手机还是工作站，AI在执行实际任务时留下的目标决策、操作路径与正负反馈，正是传统静态互联网数据中所欠缺的。

由此，元空智能提出了生产力公式：生产力 = 模型 × Agent × 设备。模型负责决策，AI智能体组织行动，设备完成物理或软件层面的具体执行，执行结果再回流驱动模型持续学习，让端侧AI形成进化循环。

聚焦中尺寸甜点区，端侧模型与智能体协同落地

为了在性能与设备负载之间找到平衡，元空智能此次发布的端侧模型Boxer并未盲目追求千亿级参数，而是锁定在20B至100B的“中尺寸区间”。

10B以下的小模型难以稳定应对长链路复杂推理，200B以上的大模型又无法常驻常规硬件。在20B至100B区间内，模型不仅能胜任文档编写、数据分析与代码生成等高频严肃生产力任务，还能被合理控制在端侧设备的算力与内存承受范围之内。评测数据显示，Boxer-35B在40 TOPS算力及8GB以下内存占用条件下，能完整保留87.3%的基座任务效果，在办公自动化评测集WorkArena中表现出色。

在模型之上，两款AI智能体承载了工作流闭环的构建：

• 元空AI Work：面向现代日常办公，覆盖表格处理、数据检索、PPT制作及文件编排等任务。用户输入明确目标后，智能体跨软件自动拆解执行，且全流程可在离线本地环境运行，断网状态下仍能维持任务恢复与执行。
• 元空AI Science：专为科研工作流打造，除覆盖文献综述、蛋白质结构分析外，更能直接串联真实实验仪器，实现“实验设计—设备控制—数据回传”的可追溯闭环。

为避免智能体每次调用时陷入“经验清零”，元空智能引入了Memory记忆飞轮架构。该机制能将执行过程中沉淀的环境变量、任务轨迹和操作偏好转化为本地知识资产，实现跨应用与长周期的偏好持续对齐。

牵手惠普工作站，迈出端侧商业化关键一步

端侧AI从概念走向成熟，最终考验的是规模化商业交付能力。硬件OEM厂商对引入本地模型的稳定性、能效与适配度有着极为严苛的评估标准。

日前，元空智能已正式与惠普签署战略合作备忘录。元空AI Work与Boxer 35B端侧模型已深度适配惠普Z系列工作站（包括ZGX Nano G1n、ZBook 8 G2i及Z2 Mini G1a），并面向金融、医疗、智能制造等行业客户输出场景解决方案。后续，这套端侧智能体方案还将借助惠普的全球营销网络，逐步拓展至更多PC产品线及海外市场。

对于企业用户而言，本地部署意味着无需为持续增长的调用Token承担高额云端开销，同时在数据安全与运行稳定性上获得了更明确的保障。从早期的轻量级云端工具到如今的端侧预装系统，端侧AI正通过真实生产力场景，开启全新的软硬件整合周期。