Liquid AI 上周放出的 LFM2.5-2.6B，参数量只有 26 亿，却在工具调用和指令遵循两项基准上压过了参数翻倍的 Gemma 4-8B，在 Apple M5 Max 上能跑到 220 tokens/s，显存占用不到 2.5GB。这不是又一次"小模型打大模型"的营销叙事，值得看的是它的定位——不做内容生成，做动作执行：本地调用工具、多步规划、决策全程留在设备里，数据不出设备。
这个方向对做工牌类硬件的人是个提醒。工牌要处理的是连续语音流，采集、识别、判断，链路比纯文本 Agent 更重，但"哪些环节能下沉到端上"这个问题是共通的。
现状是什么
大多数工牌类产品的语音处理是全链路上云：设备只负责录音和传输，ASR、声纹比对、语义质检全部在云端跑。这套架构简单，但代价也明显——外勤场景网络不稳定，弱网下音频包丢失或延迟会直接拖垮质检时效；连续上传原始音频对带宽和云端算力都是持续消耗；员工全程说话都被完整回传，隐私顾虑也是绕不开的合规问题。
端上能接住什么
不是把整套 ASR 模型搬到设备里，工牌的算力和功耗预算撑不住。能下沉的是"筛选"这一层，不是"理解"这一层：
语音活动检测（VAD），过滤掉静音和环境噪音，只在检测到有效语音时才启动后续处理；
唤醒词/关键场景识别，判断当前这段对话是否属于需要质检的业务场景（比如涉及承诺性话术、投诉关键词），而不是把所有闲聊都当成质检对象；
声纹初筛，本地做一次轻量特征比对，确认是目标员工本人在说话，避免设备被冒用后产生无效数据。
这三步用的都是轻量模型，参数量在百万到千万级别，跟 LFM2.5 那种通用 Agent 模型不是一回事，但思路是一致的：让设备自己判断"这段数据值不值得往上传"，而不是无差别地把一切都甩给云端。
云端留住什么
语义理解这一层不适合下沉。质检规则库的匹配逻辑、多轮对话的上下文关联、话术是否违规的判断，这些依赖的模型规模和知识密度，现阶段端侧模型接不住，尤其是涉及行业术语和合规条款的判断，误判成本太高，还是需要放在云端由更大的模型来处理。
两层怎么衔接
端侧初筛和云端质检不是简单的"过滤后转发"，中间需要一个触发条件的判断逻辑，伪代码大致是这样：
function on_audio_frame(frame):
if not vad.is_speech(frame):
return # 静音帧，本地丢弃，不上传
buffer.append(frame)
if buffer.duration() < MIN_SEGMENT_LENGTH:
return # 语音片段太短，继续累积
segment = buffer.flush()
speaker_match = voiceprint.verify(segment, employee_profile)
if not speaker_match:
log_anomaly(segment) # 非本人语音，记异常，不上传原始音频
return
trigger_score = keyword_scanner.scan(segment)
if trigger_score >= UPLOAD_THRESHOLD:
upload_to_cloud(segment, priority=HIGH)
else:
upload_to_cloud(compressed(segment), priority=LOW)
关键在最后的分级上传：命中风险关键词的片段优先上传、原始码率上传，走云端的完整语义质检；没命中的片段降低优先级、压缩后延迟上传，或者只上传特征向量而非原始音频。这样云端处理的是被筛过一遍的数据，弱网环境下也能保证高风险片段优先送达。
会有什么代价
这套方案不是没有成本。端侧多跑一层模型，功耗和发热会增加，对电池续航是实打实的压力；声纹初筛存在误拒的概率，需要留一个人工复核或云端二次确认的兜底通道；关键词触发的阈值设得太松，等于没筛，设得太紧，又可能漏掉真正该质检的对话，这个阈值需要拿真实数据去反复调。
LFM2.5 这类端侧 Agent 模型证明的是一件事：设备端不再只是采集工具，具备一定判断能力已经是可行的工程方向。工牌类硬件要不要照搬"端侧跑完整 Agent"这个思路，答案大概率是不需要，但"让设备做初步判断、减少无效上传"这件事，已经到了值得认真评估的阶段。
