斯坦福大学 Scaling Intelligence Lab 开源了 OpenJarvis，一个专为本地设备端 AI Agent 构建的框架，目标是让个人 AI 完全运行在用户自己的设备上，无需将隐私数据上传至云端。
研究团队此前的 Intelligence Per Watt 研究表明，本地语言模型可以在交互延迟下满足 88.7% 的单轮对话和推理查询，且从 2023 到 2025 年间，智能效率提升了 5.3 倍。
核心特性
- 共享基元：提供统一的模型服务、编排、内存、工具接口和适配流水线抽象
- 效能感知评估：ENERGY leaderboard，评估模型在本地设备上的能耗与性能
- 本地学习循环：利用本地 trace 数据持续改善模型，不依赖云端训练
- 隐私优先：个人上下文数据不经过第三方服务器
- GitHub：github.com/open-jarvis/OpenJarvis
行业背景
OpenJarvis 将自己定位为 AI 从大型数据中心走向个人设备的”PC 时代”转折点。类比 1970-80 年代从大型主机到个人计算机的转变，它认为本地 AI 的拐点已经到来。