坐 11 个小时的跨洋飞机，你愿意花 25 美元连那个又慢又卡的机上 WiFi 吗？ 一位中共国开发者给出了一个非常硬核…

坐 11 个小时的跨洋飞机，你愿意花 25 美元连那个又慢又卡的机上 WiFi 吗？

一位中共国开发者给出了一个非常硬核的答案。 他不买。他利用这段完全没有网络的时间，在自己的 MacBook 上本地运行 Llama 70B 大模型，把积压的任务队列给干完了。

很多人觉得在电脑本地跑大模型只是极客的"炫技"。 但这件事，撕开了本地大模型真正的战略意义。 它第一次把 AI 生产力，从云端订阅、网络连接和平台许可的捆绑里，彻底解放了出来。

过程非常丝滑。 他带了一台 64GB 内存的 MacBook Pro M4。 没有网络，不调任何云端 API，不连 OpenAI 或 Anthropic 的服务器。 电脑里只跑着一个通过 llama.cpp 运行的本地 Llama 3.3 70B 模型，以及一个自己写的编排脚本。

起飞前，他给这个本地系统输入了一段极其清醒的系统提示词： "你是一个单机运行的离线编排器，没有网络。 你拥有的资源只有本地目录、localhost:8080 上的 Llama 70B 服务器，以及 3 小时 21 分钟的初始电池预算。 去处理任务队列，完成一个就保存一个，每 12 个任务存一次档。 电池低于 5% 就暂停，等换好电池再恢复。"

大模型非常清楚自己的处境。 It 知道在未来的 11 个小时里，自己处于断网状态，电量和内存都是有限的，而且人类在降落前不会插手。

于是系统开始单机循环：从队列取任务、本地推理、保存成果、写下存档点。 根据他晒出的日志，在 6 万左右的上下文下，生成速度达到了每秒 71 个 token，内存占用了 48.6 GiB。 当电量掉到 5% 以下时，系统自动暂停，等他插上外接充电宝，系统又无缝从上一个存档点恢复，继续往下啃任务。 等飞机落地时，整条任务队列已经全部跑完。

窗外是云海，小桌板上是一台 MacBook、两个终端窗口，和一个默默运转的 localhost 服务器。 这才是真正有锋芒的生产力工具。

过去我们被规训得太久，以为没有了网线，没有了向硅谷大厂按月付账的订阅费，AI 就会变成一堆废铁。 但当 70B 级别的大模型可以被塞进个人电脑，在万米高空、零网络、零服务器成本的情况下稳定产出时，规则就变了。 AI 的下半场，在昂贵的云端巨兽身上，更在这些被彻底解放出来、随时随地都能自我运转的本地终端里。