办公智能体赛道分化：本地大模型加速融入企业场景
随着腾讯、阿里、字节等行业巨头发力通用办公智能体，一条基于本地大模型（Local LLM）的差异化赛道正在迅速崛起。业内人士指出，随着云端大模型不断抬高智能上限，本地大模型的推理能力与智能水平也在持续提升，结合智能体（Agent）技术正加速融入办公场景。
核心突破：端侧 AI 性能与隐私的双重胜利
9 月初，北京大学科学智能学院孵化的元空 AI发布了自研本地大模型Boxer及配套的 AI 办公平台。该模型基于阿里千问 Qwen3.5-35B-A3B 进行后训练强化，在消费级硬件上展现了惊人的性能：在一台 40TOPS 算力的 PC 上，对话延迟接近真人交流，运行内存占用仅约 8GB。
与此同时，另一家初创企业原点星辉也发布了本地大模型 StartLux-V1.0-27B-Preview。该模型以 Qwen3.6-27B 为基座，专门面向工具调用与通用智能体场景进行优化。在工信部中国信通院可信 AI 大模型基准测试的 MCP（模型上下文协议）专项测试中，StartLux 的综合性能超越多款千亿参数大模型。
“当 AI 工作得越来越深，隐私、成本和持续运行就会从附加条件变为真正影响体验的核心问题。”原点星辉 CTO 郭权玮表示，“本地不再只是一个部署选择，而会成为下一代智能越来越自然的形态。”
小模型打开办公新空间：为何 20B-100B 参数区间最具潜力？
与云端大模型相比，中小参数模型为何能承担更多办公任务？
- 数据安全与隐私刚性需求：企业级 AI 竞争的关键在于数据是否出设备。对于财务、科研等敏感行业，数据“蒸馏”风险是云端方案难以避免的隐患。本地大模型确保数据不出设备，成为企业用户的刚性需求。
- 成本与稳定性平衡：20B 至 100B 参数的本地大模型是当前最适合规模化交付的区间。它们既能支撑长链路智能体任务，又能在消费级硬件（1 万 -6 万元 PC）上流畅运行，显著降低了硬件门槛。
- 技术曲线红利：本地模型正享受三条技术曲线的红利——大模型本身越来越高效、消费级硬件越来越强、推理和智能体系统越来越成熟。
从“能用”到“好用”：深耕垂直场景构建壁垒
尽管技术门槛降低，但企业采用的核心挑战仍在于数据应用与执行能力。Gartner 管理副总裁孙鑫指出，中小参数模型能否按权限找到正确文件、调用业务系统、在失败后恢复，比能装下多少参数更能决定其办公价值。
ChatExcel 及其背后的元空智能团队认为，本地大模型无需“包打天下”，而应聚焦高频、长期且用户数据与工具深度绑定的场景，例如：
- 长期整理电脑中的文件和邮件；
- 梳理企业内部知识和流程；
- 开展科研资料分析。
未来，ChatExcel 将优先深耕低容错率的垂直行业场景（如精密制造、医疗、财务），通过沉淀高价值行业能力与数据，构建高替换成本的产品壁垒。
关键指标：
- 模型基座：Qwen3.5-35B-A3B / Qwen3.6-27B
- 硬件需求：40TOPS 消费级 PC
- 内存占用：约 8GB
- 测试表现：MCP 专项测试超越多款千亿参数模型
- 适用参数区间：20B - 100B
