在近期舉辦的全球開發者大會（WWDC）上，蘋果公司宣布其語音助手Siri通過集成谷歌的1.2萬億參數大模型Gemini實現功能升級，引發行業對"端側模型"應用前景的熱烈討論。與此同時，亞馬遜因內部AI工具濫用導致算力成本激增，被迫關閉爭議性AI排行榜的事件，暴露出大模型商業化進程中面臨的成本困境。這兩起看似矛盾的事件，共同指向人工智能領域正在經歷的關鍵轉折點——如何在保持模型性能的同時降低計算資源消耗。
中國AI企業明日新程（Nextie）近日宣布，其研發的40億參數端側認知模型"新程Alpha"已實現商業化部署。該模型通過強化學習訓練，在群體智能任務中達到與GPT-5.4等千億級模型相當的效果，同時支持在MacBook等消費級設備上運行。測試數據顯示，在辯論、反思等復雜場景中，新程Alpha的決策質量顯著優于傳統推理模型，而算力消耗僅為同類產品的1/250。
技術團隊透露，模型訓練過程融合了跨學科研究方法。研究人員系統梳理了1800-2020年間220年的人類學術論文，構建群體智能演化圖譜，并據此設計強化學習框架。這種獨特路徑使模型具備跨領域遷移能力，例如將圍棋策略應用于日常決策場景。創始人表示："我們剝離了模型中的'知識庫'，但強化了其'思考引擎'，這就像給AI安裝了可自主升級的操作系統。"
該模型的商業化落地正在重塑AI應用生態。在具身智能領域，傳統方案需要云端支持的高算力模型，導致家務機器人單次決策成本超過人工服務。新程Alpha的端側部署能力使這類設備得以真正進入家庭場景。更值得關注的是，其低功耗特性支持24小時自主運行，為開發主動式智能體創造了條件。這類無需用戶指令即可自主決策的AI系統，被認為將開啟萬億級新市場。
資本市場已敏銳捕捉到這一趨勢。2026年3月，OpenAI投資6.5億美元支持多智能體協同初創公司Isara，驗證了群體智能賽道的戰略價值。在智能深度評測（IDI）中，明日新程的解決方案在多智能體協作效率、決策魯棒性等指標上全面領先單一大模型。這種技術優勢與其創始團隊背景密切相關——核心成員曾開發36億參數模型擊敗650億參數的Llama，創下行業紀錄。
隨著80億參數版本進入最終測試階段，認知模型的經濟性優勢有望進一步擴大。據測算，當端側模型運行成本降至當前水平的1/10時，現有AI產品的交互模式將面臨根本性變革。從被動響應到主動服務，這場由算力革命引發的范式轉移，正在重新定義人工智能的商業邊界。
