AI 手机和 AI PC 都有一个有意思的设计：同一个功能，今天走本地，明天可能走云端。照片消除在手机里跑，复杂问答发去数据中心。这不是厂商随意安排，本地模型和云端模型各有擅长的领域。弄清分工，能帮你理解哪些功能离线可用、哪些断了网就失灵，也能看懂产品说明里的处理路径声明。
两条路径的本质差别
本地推理把模型装进设备，手机里的 NPU 是它的工作台，三种芯片如何分工可见NPU 和 CPU、GPU 差在哪。云端推理则把请求发出去，数据中心的模型算完再把结果传回来。一句话概括差别：本地是「把模型搬到数据旁边」，云端是「把数据搬到模型旁边」。搬什么、搬多远，决定了后面的所有体验差异。理解这一点，很多产品决策就变得好懂：为什么有些功能要先联网激活，为什么有些功能在飞行模式下依然能用。
| 路径 | 响应速度 | 隐私边界 | 能力上限 | 失效条件 |
|---|---|---|---|---|
| 本地 | 毫秒级，省去网络往返 | 数据不出设备 | 受内存与功耗约束 | 设备算力不够 |
| 云端 | 随网络状况波动 | 数据离开设备 | 参数与上下文更长 | 断网或服务关停 |
本地的两个长处
第一是即时。省去网络往返，响应以毫秒计，通话摘要这类要抢时效的功能因此在端侧有天然优势；第二是隐私。语音、照片不出设备，敏感内容留在手机里，这也是厂商把通话摘要、相册搜索放在本地跑的主要原因。对于日记、家庭照片这类内容，处理位置本身就是产品卖点。代价是能力受限：端侧模型要塞进几 GB 内存、控制在功耗预算里，参数规模和上下文长度的天花板都明显。
云端的两个长处
云端模型不受设备约束，参数规模、上下文长度、知识更新都高出一截。复杂推理、长文档理解、最新信息问答，云端才有完成度——联网问答的全过程可见联网检索是怎么发生的。日常用的豆包、DeepSeek 这类助手，核心能力都在云端完成。代价同样清楚：依赖网络，请求延迟随网络状况波动，数据要离开设备，身份与账号也系在服务商那里。
一个功能两条腿
成熟的 AI 功能往往两头都部署，按任务难度动态分配：简单任务本地秒回，复杂任务转云端处理。AI PC 上的本地模型是入门配置，跑得动的任务不出机器，跑不动的交给云，设备定位见AI PC 和普通笔记本差在哪。作为使用者，判断一个功能靠不靠谱，可以先看它的处理路径声明——涉及隐私的内容走了哪条路，正规产品会写明，含糊其辞的反而值得多留个心眼。断网是个简单的测试开关：出门关掉流量用一天，哪些功能还在、哪些变灰，一测便知，比翻参数表更直观。
两条路径对照
- 本地：即时响应、数据不出设备、能力受硬件约束
- 云端：能力强、知识新、依赖网络与账号
- 典型分工：实时摘要与相册整理在本地，深度问答在云端
- 体验信号：断网后仍可用的多半是端侧功能
回到具体功能上，通话摘要的实时性与隐私诉求让它在端侧落了地，两种安排的过程细节在通话摘要是怎么生成的里有展开；而云端依赖带来的服务风险是另一条线索，会在买断制误区一篇里接着讲。
再多说几句本地与云端
- 怎么判断某个功能是不是本地跑？：看断网表现，离线仍能用的就是端侧；再看厂商的功能说明，通常会标注处理位置。
- 本地功能一定更隐私吗？：数据不出设备是基本盘，但设备本身的系统权限与存储安全同样影响隐私水平，两方面要一起看。
- 端侧模型会追上云端吗？：小模型进步很快，在特定任务上能缩小差距，但资源约束摆在那里，综合能力难以等量齐观。
