联想天禧 AI 4.0:1.7B 本地记忆模型和个人知识库来了

产品更新

联想发布天禧 AI 4.0,核心是 1.7B 多模态记忆模型完全本地部署,配合个人知识库系统实现离线智能。同时推出 P7 和 mini 两款 AI 主机,最高 190TOPS 算力,起售价 2999 元。

联想天禧 AI 4.0:1.7B 本地记忆模型和个人知识库来了

联想今天(5 月 19 日)发布天禧 AI 4.0,这次更新的核心是把「记忆」和「知识库」两件事做到了本地。

官方说法是从「被动调用」转向「自主执行」,但实际动作更直接:上线了 1.7B 参数的多模态记忆模型,完全跑在设备本地;推出个人知识库系统,能把 PDF、Word、音视频、聊天记录这些原始数据结构化成可检索的知识图谱。同时发布两款 AI 主机硬件,P7 和 mini,分别对应高算力和便携场景。

联想天禧 AI 4.0 发布会现场

本地记忆模型:1.7B 参数,三种记忆类型

天禧 Claw 是这次的新组件,核心能力叫「仿生记忆」。联想用了一个 1.7B 的多模态模型实现三种记忆机制:

  • 情景记忆:记录用户的操作上下文,比如你在某个时间点打开了哪些文件、做了什么操作
  • 语义记忆:理解内容含义,而不是简单的关键词匹配
  • 程序记忆:学习用户的操作习惯,形成可复用的执行模式

这个模型完全部署在本地,不需要联网。联想强调的是「离线安全」,数据不出设备。从参数量看,1.7B 是个务实的选择——既能在端侧跑起来,又能覆盖基础的多模态理解任务。对比动辄几十亿参数的云端模型,这个规模更适合做持续的后台记忆采集,功耗和延迟都可控。

但 1.7B 的能力边界也很明显。它不是用来做复杂推理或内容生成的,定位就是「记住你做了什么」,然后在需要的时候快速召回相关上下文。真正的任务执行还是要调用更大的模型,可能是本地的 7B/13B 级别模型,也可能是云端的 70B+ 模型。

个人知识库:从文档到知识图谱

天禧 AI 4.0 的另一个重点是个人知识库。这不是简单的文件索引,而是把原始文档转化成结构化知识的系统。

支持的数据源包括:

  • PDF、Word、Excel 等文档
  • 音视频文件(应该是先转文本再处理)
  • 聊天记录
  • 其他非结构化数据

处理流程是:提取内容 → 构建知识图谱 → 形成知识本体。知识图谱是实体和关系的网络,知识本体是领域概念的层级结构。这两个技术结合起来,能让 AI 不只是检索到相关文档,而是理解文档之间的关联,甚至推理出隐含的知识。

举个例子:你有一堆项目文档,传统的检索只能找到包含关键词的文件。但知识图谱能告诉你「这个项目用了哪些技术栈」「哪些人参与过」「跟之前的项目有什么关联」。这种结构化的知识表示,对于需要频繁回溯历史信息的工作场景(研发、咨询、法务等)价值很大。

联想没有公开知识库的具体实现细节,但从「知识图谱 + 知识本体」的描述看,应该是用了 NLP 的实体识别、关系抽取、本体对齐这套技术栈。这些技术本身不新,关键是能不能在端侧高效运行,以及知识图谱的质量能不能达到可用的程度。

硬件载体:P7 和 mini 两款 AI 主机

天禧 AI 4.0 不只是软件更新,联想同时发布了两款 AI 主机作为硬件载体。

P7:190TOPS 算力,手掌大小

P7 是高性能版本,核心配置:

  • 芯片:此芯 P1(应该是联想自研或定制的 SoC)
  • 算力:190TOPS
  • 内存:最高 80GB RAM
  • 上下文窗口:128K
  • 功耗:最大 30W
  • 散热:5000+ 平方毫米 VC 均热板
  • 噪音:满载低于 35dB
  • 尺寸:手掌大小

190TOPS 的算力在端侧设备里算高的,能跑 13B 甚至更大的模型。80GB 内存也很夸张,这个配置已经接近工作站级别。128K 上下文窗口意味着能处理很长的文档或对话历史,对于知识库检索和多轮对话场景很有用。

30W 功耗可以用移动电源供电,这是个有意思的设计。联想说 P7 支持「一机双模」:既可以放在家里当计算中枢,也可以随身携带。这个定位有点像便携式的边缘计算节点,适合需要在不同地点使用同一套 AI 能力的场景。

P7 将在 7 月 1 日开启众筹,价格未公布。

mini:45TOPS 算力,2999 元起

mini 是入门版本,定位是「开箱即用」:

  • 算力:45TOPS
  • 功耗:平均 15W
  • 尺寸:Mac Mini 的一半
  • 价格:2999 元
  • 预售:6 月 12 日

45TOPS 的算力能跑 7B 左右的模型,应付日常的文本生成、代码补全、简单的多模态任务没问题。15W 功耗很低,长时间运行也不会有太大的电费和散热压力。

2999 元的定价很有竞争力。对比市面上的 AI 盒子或边缘计算设备,这个价格能买到 45TOPS 算力 + 联想的软件生态,性价比不错。但具体的内存、存储、接口配置还没公布,这些细节会影响实际的使用体验。

联想 AI 主机 P7 和 mini 产品对比

生态:模型广场、智能体广场、技能广场

天禧 AI 4.0 还上线了三个「广场」:

  • 模型广场:用户可以选择不同的模型,应该是支持本地部署的开源模型
  • 智能体广场:预置或第三方开发的智能体,类似 GPTs 的概念
  • Skills 技能广场:用户可以上传自己的技能(应该是某种可执行的脚本或工作流),分享给其他人使用

这套生态设计的逻辑是:模型提供基础能力,智能体封装特定场景的解决方案,技能是更细粒度的功能模块。用户可以组合这三层来构建自己的 AI 工作流。

联想提到目前有近万开发者和超过 5000 家生态伙伴。这个数字听起来不小,但实际的活跃度和内容质量还需要观察。生态的冷启动一直是难题,尤其是在 AI 领域,用户对质量的要求很高,低质量的智能体或技能反而会拉低平台的口碑。

「一键养虾」是什么?

联想在发布会上反复提到「一键养虾」「一键组队」这些说法,但没有详细解释。从上下文推测,「养虾」应该是指本地部署和运行模型的过程——类似「养成」的概念,让模型在你的设备上逐渐学习和适应你的使用习惯。

「一键」强调的是简化部署流程。传统的本地模型部署需要配置环境、下载权重、调整参数,对普通用户来说门槛很高。联想想做的是把这些步骤封装起来,用户只需要点一下按钮,系统自动完成模型的下载、部署、优化。

这个方向是对的。端侧 AI 的最大障碍不是算力,而是易用性。如果部署一个模型需要折腾半天,大部分用户会直接放弃。但「一键」能做到什么程度,还要看实际的产品体验。

和竞品比怎么样?

端侧 AI 这个赛道现在很热闹。苹果有 Apple Intelligence,微软有 Copilot+,高通、联发科在推 AI PC 芯片,各家手机厂商也在做端侧大模型。联想的天禧 AI 4.0 在这个竞争格局里处于什么位置?

优势

  1. 本地记忆模型:1.7B 的多模态记忆模型完全本地部署,这个在国内厂商里算是比较激进的。大部分厂商还是把记忆功能放在云端,或者只做简单的本地缓存。
  2. 知识库系统:从文档到知识图谱的处理能力,如果真的能做到可用的程度,对专业用户很有吸引力。
  3. 硬件 + 软件一体:联想有完整的硬件产品线,从 PC 到手机到 IoT 设备,天禧 AI 可以跨设备协同。这是纯软件厂商做不到的。

挑战

  1. 模型能力:1.7B 的模型能做到什么程度?和云端的大模型比,差距有多大?用户会不会觉得「不够智能」?
  2. 生态成熟度:模型广场、智能体广场、技能广场听起来很丰富,但实际的内容质量和数量还需要时间验证。
  3. 用户教育:端侧 AI 对大部分用户来说还是新概念。联想需要让用户理解「为什么要用本地模型」「本地模型能做什么」「和云端模型有什么区别」。

从产品定位看,天禧 AI 4.0 瞄准的是对隐私敏感、需要离线工作、有大量个人数据需要管理的专业用户。这个群体的需求是真实的,但市场规模相对小众。联想能不能把这个产品推广到更广泛的消费市场,还要看后续的市场策略和产品迭代。

技术上还有哪些问题?

1. 记忆模型的准确性

1.7B 的模型做多模态理解,准确率能到多少?如果记忆经常出错(比如记错了你打开的文件,或者理解错了你的意图),用户会很快失去信任。记忆系统的容错率要求很高,因为它是后续所有操作的基础。

2. 知识图谱的构建质量

从非结构化文档自动构建知识图谱,这个技术本身就很难。实体识别、关系抽取、指代消解、本体对齐,每一步都可能出错。如果知识图谱的质量不高,检索结果就会不准确,用户还不如直接用关键词搜索。

3. 跨设备同步

联想强调「一体多端」,但跨设备的数据同步怎么做?如果记忆和知识库都在本地,不同设备之间怎么保持一致?是通过联想个人云同步,还是用 P2P 的方式?同步的延迟和冲突解决机制是什么?

4. 隐私和安全

本地部署确实能保护隐私,但如果设备丢失或被入侵,本地的记忆和知识库就完全暴露了。联想有没有做加密存储?有没有远程擦除功能?这些安全机制的细节还没公开。

值得关注的点

天禧 AI 4.0 最值得关注的是本地记忆模型 + 个人知识库这个组合。这两个功能如果能做好,确实能解决端侧 AI 的一个核心问题:如何让 AI 真正理解用户的个人上下文。

云端大模型很强大,但它不知道你是谁、你做过什么、你的工作习惯是什么。每次对话都是从零开始,需要你重新提供背景信息。本地记忆模型和知识库可以改变这一点——AI 能记住你的历史,理解你的偏好,在你需要的时候主动提供相关信息。

这种「个人化」的 AI 体验,是端侧 AI 相对于云端 AI 的核心优势。联想在这个方向上的探索,值得持续关注。

但产品能不能真正落地,还要看实际的使用体验。记忆准确吗?知识库有用吗?跨设备协同流畅吗?这些问题只有用户真正用起来才能回答。

P7 和 mini 两款硬件的推出,也说明联想在认真做端侧 AI 这件事。不是只做软件套壳,而是从芯片、硬件到软件全栈投入。这种投入需要长期的耐心和持续的迭代,但如果能做出来,护城河会很深。

天禧 AI 4.0 是个有野心的产品。它想做的不是简单的 AI 助手,而是一个真正理解你、记住你、帮你管理个人知识的智能系统。这个愿景很吸引人,但实现起来很难。我们拭目以待。


参考来源