GPU 工作站/小型服务器
RTX 4080/4090 或专业 GPU 搭配 vLLM、Ollama 和轻量向量库。
中小团队和高合规部门 应用层 开放阅读
本地 RAG
Local RAG
本地 RAG 把向量数据库和大语言模型完整部署在用户设备或内网服务器上，让敏感数据不出域也能完成检索增强生成。
Compassing AI 上下文 评估本地 RAG 的硬件路线、隐私价值和部署边界。
✓产业信号
- AI PC、边缘工作站和轻量向量库同步成熟，降低本地 RAG 门槛。
- 数据主权和行业合规需求推动金融、法律、医疗等场景采用私有部署。
⚠口径风险
- 本地 RAG 不能完全替代云端方案，高并发和大型模型能力仍受硬件约束。
- 硬件达标不等于效果达标，仍需知识库治理、分块、检索和评测。
本地 RAG 位于哪条链？
本地 RAG MDX · 2026-05-29应用层 / 私有知识问答与边缘推理
MDX 强调其全程在企业防火墙内运行，核心价值是数据不出域和合规。
上游依赖
- 本地 GPU/NPU/CPU 和统一内存
- 本地向量数据库与嵌入模型
- Ollama、llama.cpp、vLLM 等推理引擎
下游承接
- 金融、法律、医疗、政务和制造业内网知识系统
- AI PC 和边缘工作站
- 数据主权要求高的企业问答
相关公司
MDX 提及的产业参与者-
NVIDIA RTX/Jetson 与 TensorRT-LLM -
Intel Core Ultra / Xeon -
AMD Ryzen AI / GPU -
Qualcomm 骁龙 X Elite NPU -
Apple M 系列统一内存 -
Zilliz Milvus Lite
本地部署路线怎么分？
本地 RAG MDX · 2026-05-29AI PC 原生方案
Core Ultra、Ryzen AI、骁龙 X Elite、Apple M 系列结合本地运行时。
个人高隐私和轻量任务纯 CPU/统一内存
Apple Silicon、APU 或含 HBM CPU 跑量化模型和大知识库。
低并发、大内存场景相邻概念链
便于横向跳转来源台账
数字与判断口径| 来源 | 类型 | 截至 |
|---|---|---|
| 本地 RAG MDX | mdx | 2026-05-29 |
本地 RAG
3 秒看懂
本地 RAG（Local Retrieval-Augmented Generation）是将检索增强生成系统的两个核心——向量数据库与大语言模型（LLM）——完整部署在用户自有设备或内网服务器上运行的技术范式。它让企业敏感数据在不离开本地网络的前提下，完成“检索相关文档→基于文档生成答案”的闭环，从根本上解决数据外泄与合规风险。
3 分钟产业解释
一家投资银行或律所内部沉淀了海量尽调报告、合同与客户隐私数据。若使用云端 RAG 服务，这些文件必须上传至第三方服务器进行向量化和推理，在金融监管和跨境数据流动规则下几乎不可行。
本地 RAG 的解法是把流水线封装在企业防火墙之内。员工在内网提问，查询首先由本地部署的嵌入模型转化为向量，再向本地向量数据库执行相似度搜索，抽取出最相关的段落；这些片段与原始问题组合成提示词，交给本地运行的 LLM 产出答案。全程数据不出域，天然满足《数据安全法》、GDPR 等法规要求。
这催生了一个软硬件交叉的新市场：能流畅运行 70 亿–130 亿参数模型和向量索引的高内存带宽工作站、边缘服务器，为本地部署优化的轻量级向量数据库，以及专为消费级硬件设计的量化小模型。
技术原理
本地 RAG 技术栈自底向上分为三层，每一层都需针对本地资源约束做专门优化。
[本地用户查询]
↓
[查询理解/重写层] (可由参数量<1B 的小模型或规则完成)
↓
[1. 本地嵌入与检索]
- 本地嵌入模型（BGE、GTE 等量化版）将查询向量化
- 在本地向量索引中执行近似最近邻搜索（ANN）
- 返回 Top‑K 相关片段
↓
[2. 上下文构建]
- 拼接检索片段与系统提示词、历史对话
- 裁剪至模型上下文窗口上限以内
↓
[3. 本地 LLM 推理]
- 量化后的模型在 GPU/NPU/CPU 上推理
- 仅基于提供上下文生成答案
↓
[输出给用户]
关键适配机制
- 嵌入模型本地化
查询和文档的向量化必须在本地完成，不能调用云端 API。要求嵌入模型本身轻量化，并与下游检索的向量维度、归一化方式严格一致。 - 本地向量索引的单机优化
与云端分布式向量数据库不同，本地方案受限于单机 DRAM 与 SSD。常用手段包括内存映射（mmap）、磁盘索引（如 DiskANN、乘积量化索引 PQ），并结合 CPU 友好的 ANN 算法 HNSW 或 ScaNN，在召回率与延迟之间取得平衡。 - 模型量化与推理加速
千亿参数模型无法在单台设备运行，需使用 INT4/INT8 量化（GPTQ、AWQ、bitsandbytes），并辅以算子融合、Flash Attention、Speculative Decoding 等技术，使消费级 GPU 或 NPU 可达到 20–50 tokens/s 的可用速度。 - 内存与存储协同
向量索引、模型权重、KV 缓存三类实体竞争内存。系统需要在 DRAM、显存（VRAM）与高速 NVMe SSD 之间做精细化分层，例如将注意力缓存交换到 VRAM、非热点索引落在 SSD。
关键参数
以下参数是衡量本地 RAG 方案能否满足生产级需求的核心锚点。所有数值均为截至 2025 年中的行业参照，具体受硬件配置、模型选择及知识库规模影响。
| 参数 | 定义 | 典型量化目标（2025 年） | 说明/口径 |
|---|---|---|---|
| 端到端首 Token 延迟 | 用户发送请求至首 Token 返回的时间 | ≤2 秒（单并发，7B 模型，RTX 4070 级别） | 含网络（本地环路）与检索耗时；来源：多家框架社区基准（2024–2025） |
| 生成吞吐量 | 每秒可生成的 Token 数量 | 30–60 tokens/s（7B INT4，单 GPU） | 受量化算法、上下文长度影响；来源：NVIDIA TensorRT‑LLM 白皮书（2024）及第三方实测 |
| 检索召回率@5 | 前 5 个返回片段中包含正确答案的比例 | ≥90%（针对 10 万文档级知识库） | 依赖于嵌入模型与索引算法；来源：MTEB 基准各模型评测（2024） |
| 内存占用峰值 | 运行时索引 + 模型权重 + KV 缓存的总内存 | ≤16 GB（7B INT4 + 百万向量级索引） | 衡量日常硬件成本门槛；来源：开源框架部署指南综合 |
| 知识库更新延迟 | 新增文档到可被检索的时间窗口 | ≤5 分钟（增量更新，不重建全索引） | 包含分块、嵌入、索引 upsert 等步骤；来源：Milvus Lite、Chroma 技术文档 |
| 最大知识库容量 | 单节点可稳定承载的向量总数 | 500 万–2000 万条（768 维，有压缩） | 超过上限需分库或分层；来源：厂商最佳实践及实测报告（2025） |
技术路线
本地 RAG 的实现并非只有一种路径，当前主流路线围绕 硬件平台 与 模型生态 分化，并决定性能边界与适用场景。
路线一：异构算力工作站 / 小型服务器（主流）
- 硬件核心：NVIDIA RTX 4080/4090 或专业 GPU，辅以 AMD EPYC 或 Intel Xeon 处理器，192–256 GB 系统内存。
- 软件栈：vLLM、llama.cpp、Ollama 等推理引擎 + 嵌入式向量数据库（Chroma、Milvus Lite）。
- 适用：中小型团队、合规要求高的企业部门。可承载单用户高吞吐或 2–5 并发访问。
路线二：AI PC 原生方案
- 硬件核心：Intel Core Ultra（集成 NPU）、AMD Ryzen AI、高通骁龙 X Elite NPU、苹果 M3/M4。
- 软件栈：操作系统级 AI 引擎（Windows DirectML、Apple Core ML、高通 AI Engine）+ ONNX Runtime 或 GGUF 模型。
- 适用：个人极客、律师、医生等单人高隐私场景。主打功耗敏感、无风扇可用的轻量任务。
路线三：纯 CPU / 统一内存方案
- 硬件核心：Apple Silicon 统一内存架构 Mac、AMD Instinct APU、Intel 下一代至强（含 HBM）。
- 软件栈：llama.cpp (Metal/CPU)、MLX。利用超大统一内存可运行 70B+ 量化模型。
- 适用：低并发但需大知识库、大模型的场景，如法律文书审查。
技术趋势：硬件 NPU 算力正从 10 TOPS 向 40–100 TOPS 快速攀升；模型侧 4‑bit 量化技术的成熟使 13B 模型能在 16 GB 内存设备上流畅运行；向量数据库从云原生转向 embeddable，支持完整 CRUD 和毫秒级检索。预计 2025–2026 年，三大路线将在软件抽象层走向收敛，用户可“一次编译、随处推理”。
上游
本地 RAG 产业链上游聚焦在提供基础算力、存储和基础软件的环节。
-
算力芯片
GPU：NVIDIA（GeForce RTX 系列、Jetson 系列）；AMD（Radeon RX、Instinct）。
NPU/CPU：Intel（Core Ultra 集成 NPU）、高通（骁龙 X Elite）、苹果（M 系列 Neural Engine）、国内厂商（瑞芯微、算能等）。
这些芯片厂商在 2024–2025 年将 AI 引擎视为核心卖点，推动本地推理能效比显著提升。 -
存储与内存
高速 DRAM（DDR5/LPDDR5X）、HBM（用于高端服务器）及 NVMe SSD，决定向量索引的驻留能力与访问延迟。据 TrendForce 2024 年 10 月报告，AI PC 推动的 DRAM 容量升级（16 GB→24 GB/32 GB）使行业需求同比增长超 15%。 -
基础软件与中间件
操作系统内置的推理运行时（Windows Copilot Runtime、苹果 Core ML、Linux 内核支持的异构内存管理）为本地 RAG 提供了底层接口。此外，编译框架（ONNX、MLX、MLIR）将模型转换并优化到不同硬件后端，成为关键“柔韧层”。上游不存在单一集中供应商，呈现“硬件+运行时”耦合的特点。
下游
下游应用由合规与性能需求驱动，行业分布高度集中。
-
金融业
投资研究、反洗钱调查、内部合规问答。所有数据流水须在机构内部完成，系统审计日志完整。（来源：中国人民银行《金融数据安全 分级指南》及券商内部实践调研，2024 年） -
法律与知识产权
合同审查、判例检索、知识产权分析。律所多采用内网部署的 RAG 一体机，避免客户资料上传至云。某国际律所 IT 顾问公开表示 2025 年本地 AI 预算增加 30% 以上（来源：Legaltech News, 2025 年 1 月）。 -
医疗与制药
临床病例分析、药物副作用检索。患者隐私法（HIPAA、国内《个人信息保护法》）要求数据不动模型动。 -
政府与国防
涉密文件问答、政策条文检索。几乎不采用任何云端 AI 服务，完全依赖本地或私有云部署。 -
高端制造业
产品设计文档、维修手册的智能助手，需要在无网络的生产线环境中运行。据公开资料，西门子、博世等企业已试点本地 RAG。
下游客户的需求特点是安全 > 成本 > 绝对性能，并且希望以软硬一体机（Appliance）形式获得开箱即用体验。
受益公司
以下公司处于本地 RAG 产业链关键环节，其业务可能因该趋势而获得增量机会。此处仅为产业参与方列示，不构成任何投资建议。
- 英伟达（NVIDIA）：消费级 RTX 40/50 系列 GPU 和 TensorRT‑LLM 推理软件栈是本地 RAG 的事实标准硬件之一。其 Jetson Orin 系列锁定边缘端。
- 英特尔（Intel）：Core Ultra NPU 推动 AI PC 概念，同时至强服务器 CPU 适用纯 CPU 推理场景。IDC 数据显示英特尔在 2024 年 AI PC 处理器出货中占比领先（来源：IDC Quarterly PC Tracker, 2024Q4）。
- AMD：锐龙 8040/8050 系列集成 Ryzen AI NPU；Radeon GPU 在中小规模本地推理中具备性价比。ROCm 生态逐步完善。
- 高通（Qualcomm）：骁龙 X Elite/Plus 平台 NPU 算力突出，已在多款 Windows on Arm 笔记本中部署本地推理能力。
- 苹果（Apple）：M 系列芯片统一内存架构天然适合大模型本地推理，开发者工具 MLX 吸引开源社区迁移。
- 微软：Phi 系列小模型、Windows Copilot Runtime 以及 Azure 本地边缘方案（Azure Stack）提供端到端工具链。
- Meta：开源 Llama 3.1 8B、70B 等模型，成为本地部署的主流基座之一。
- 阿里巴巴：通义千问系列（Qwen）提供 1.8B–72B 多尺寸开源模型，部分预置量化版本可用于本地。
- 深鉴求索（DeepSeek，未上市）：DeepSeek‑V2/V3 等 MoE 模型虽参数总量大，但激活参数少，社区已出现本地化部署尝试。
- Zilliz（未上市）：Milvus 向量数据库推出轻量版 Milvus Lite，可嵌入 Python 应用离线运行。
市场规模
本地 RAG 自身并未形成独立品类的统计，但其价值可通过 AI PC、边缘 AI 服务器和本地推理软件 等邻近市场间接估量。
- AI PC 出货量：IDC 在 2025 年 1 月发布的数据显示，2024 年全球 AI PC（带有专用 NPU 处理器）出货量约为 4900 万台，预计 2025 年将达到 1.5 亿台（来源：IDC, Worldwide AI PC Forecast, 2025‑01）。其中支持本地运行 7B 级模型的“高级 AI PC”占比约 15%，对应约 2250 万台设备具备完整本地 RAG 潜力。
- 边缘 AI 服务器/工作站：据 Counterpoint Research 2025 年 4 月报告，2024 年全球边缘 AI 服务器出货约 120 万台，面向本地推理的专用工作站增长最快，涵盖金融、医疗等领域。预计 2025 年该细分市场保持 40%+ 同比增长。
- 向量数据库市场：嵌入式/轻量级向量数据库是本地 RAG 的关键组件。Mordor Intelligence 2024 年报告预测全球向量数据库市场将从 2024 年的 19 亿美元增至 2029 年的 98 亿美元（年复合增长率 39%），其中“本地部署许可”占比约 25%（来源：Mordor Intelligence, Vector Database Market Report, 2024）。这意味本地化向量数据库相关收入 2024 年约 4.7 亿美元。
- 私有化大模型部署服务：据多家系统集成商调研，2024 年中国金融、政务行业本地化模型部署项目金额合计超 50 亿元人民币，30%+ 项目包含 RAG 能力（来源：公开招标信息综合，2024 年）。全球范围内，该领域缺乏统一统计，公开资料暂未见精确汇总数字。
整体看，本地 RAG 直接拉动的硬件、软件和服务市场在 2024 年已达数十亿美元级别，并随 AI PC 普及和企业数据主权意识提升而高速扩张。
玩家对比
按照技术阵营与产品形态，产业玩家可分为以下五类，各具特点和短板。
| 玩家类别 | 代表公司/项目 | 核心优势 | 关键弱点 | 典型产品/服务 |
|---|---|---|---|---|
| GPU 硬件巨头 | 英伟达 (NVDA)、AMD (AMD) | 推理性能绝对领先、软件栈成熟 (CUDA/ROCm) | 成本高、功耗大、专用 NPU 生态较弱 | RTX 4090 工作站、TensorRT‑LLM |
| AI PC 芯片平台 | Intel、高通、苹果、AMD (APU) | 大规模出货、NPU 低功耗、AI PC 生态聚合 | 算力有限（10–50 TOPS），暂时难以承载 13B+ 模型 | 骁龙 X Elite PC、MacBook Air M4 |
| 开源大模型提供商 | Meta (Llama)、阿里 (Qwen)、Mistral | 模型质量快速追赶闭源，社区量化版本丰富 | 没有自研推理硬件，依赖第三方硬件生态 | Llama 3.1 8B GGUF、Qwen2.5 量化 |
| 向量数据库/工具公司 | Zilliz (Milvus Lite)、Chroma、LanceDB | 提供嵌入式、零依赖的本地检索方案 | 市场教育不足，很多企业仍不了解纯本地部署 | Milvus Lite、Chroma 嵌入式模式 |
| 系统集成商与一体机 | 戴尔、联想、HPE、本地 OEM | 提供开箱即用的软硬一体机，缩短部署周期 | 溢价高、易受硬件更新周期拖累 | 戴尔 PowerEdge 本地 AI 一体机 |
对比可见，本地 RAG 市场缺少“全栈垄断者”，生态呈现 芯片-模型-数据库-集成商 的多层协作结构。竞争的关键在于能否降低使用门槛（模型开箱优化）、降低总拥有成本（TCO）并快速响应行业合规需求。
风险
本地 RAG 在快速发展的同时，也面临多重结构性风险。
-
模型能力缺口
本地可运行的开源模型（7B–13B）在知识广度、复杂推理和多语言能力上与云端顶级模型（GPT‑4o、Claude 3.5）存在代差。若本地模型无法通过微调/检索弥补该差距，可能导致使用者放弃本地方案，回归云端。 -
工程化复杂性与隐性成本
虽然“数据不出域”是核心卖点，但本地系统需要自行处理模型更新、索引维护、向量数据库调优、安全补丁等。据多家企业 IT 部门估算，同等功能下本地 RAG 的运维人力成本是云方案的 2–3 倍（来源：Forrester Consulting 调研，2024 年 11 月）。若 TCO 超出预期，可能抑制中型企业采用。 -
硬件迭代风险
NPU 算力、模型量化方法迭代极快。2024 年购买的顶级 AI PC 可能在 2026 年就已无法运行最新一代轻量化模型，导致资产提前贬值。企业可能因此推迟投入。 -
安全边界模糊化
模型一旦部署在本地，可能面临内部越权访问、推理 API 无鉴权等新安全问题。本地不代表绝对安全，缺乏云厂商的安全运营能力可能带来新的数据泄漏敞口（来源：Gartner, “DevSecOps for Edge AI”, 2024）。 -
生态碎片化
目前不同芯片平台的驱动、推理运行时互不兼容，开发者需要适配多套工具链。标准化进程（如 ExecuTorch、QNN）尚在早期，可能延缓生态繁荣。
误读纠偏
-
误读一：“本地 RAG 就是离线版聊天机器人，性能差，只适合玩具项目。”
纠偏：本地 RAG 是面向企业关键业务的隐私增强架构。其性能在限定知识库内可以达到或超过通用云模型。价值核心不是“性能第一”，而是“在数据绝对不外泄下的最佳可用性”。金融、法律等领域的本地 RAG 系统已承担正式工作负载，绝非玩具。 -
误读二：“本地 RAG 不用向量数据库，直接开大上下文窗口即可。”
纠偏：大语言模型的上下文窗口即使扩展至 128K tokens，也无法容纳大型知识库（如 10 万份文档）。向量数据库的职责是精确召回与问题最相关的几条片段，避免噪声淹没有效信息。没有高效检索，模型会因为上下文冗余而生成不准确答案。本地 RAG 中，轻量向量数据库是不可或缺的组件。 -
误读三：“本地 RAG 能完全替代云端方案。”
纠偏：二者并非替代关系，而是互补。本地 RAG 主要覆盖合规刚需和高频固定知识库场景，云端 RAG 则适用于需要最新全球知识、超大模型能力和弹性扩展的场景。混合部署（本地检索 + 云端审核推理）正在成为新趋势。 -
误读四：“只要硬件达标，部署本地 RAG 无需模型调优。”
纠偏：通用模型直接用于本地特定知识问答，往往会出现幻觉或格式不符。仍需通过指令微调、提示词工程甚至模型对齐来适配业务语境。硬件只是第一关，模型适配与数据工程才是决定成败的关键。
最新事件
（统计节点：2024 年 1 月 至 2025 年 6 月）
- 2024 年 5 月：微软 Build 大会公布 Phi‑3 家族，包含可在本地运行的视觉小模型 Phi‑3‑vision，并展示了在骁龙 X Elite NPU 上的运行视频。
- 2024 年 6 月：苹果在 WWDC 推出 Apple Intelligence，明确强调所有个人数据理解均在设备端完成，只有必要时才使用私有云计算。这直接推动了本地 RAG 理念走入消费级视野。
- 2024 年 9 月：英伟达发布 RTX AI PC 套件，整合 TensorRT‑LLM 与本地向量搜索示例，联手联想、华硕等 OEM 推广本地 RAG 解决方案。
- 2024 年 10 月：高通推出骁龙 8 Elite 移动平台，NPU 算力较上代提升 45%，支持直接运行量化后 10B 级模型，手机端本地 RAG 能力初现。
- 2024 年 12 月：Meta 发布 Llama 3.3 70B，并同时提供多种量化版本，社区在 24 小时内即实现基于 Mac Studio 的 70B 本地 RAG 部署。
- 2025 年 2 月：阿里云开源 Qwen2.5-13B 及其轻量化版本，多家国内系统集成商推出基于该模型的本地 RAG 一体机，面向政务与制造业。
- 2025 年 4 月：微软宣布 Windows Copilot Runtime 全面开放 NPU 编程接口，允许第三方向量数据库在 NPU 上卸载 ANN 检索计算，显著降低延迟。
- 2025 年 6 月：欧洲数据保护委员会（EDPB）发布关于 AI 与数据本地化的指导意见，首次明确本地 RAG 架构在 GDPR 第 25 条“数据保护设计”中的合规优势，推动欧洲企业加速评估本地方案。
（以上事件来自各公司官网新闻发布、行业媒体 The Verge、Ars Technica、IT 之家等公开报道。）
跟踪指标
要把握本地 RAG 产业的脉动，需持续监测以下定量与定性指标。
技术指标
- 开源社区模型月度平均量化版本下载量：反映本地推理热度。可跟踪 Hugging Face 模型卡上 GGUF/AWQ 文件下载量。
- AI PC 季度出货量及 NPU 算力中位数：来源为 IDC、Canalys 季度报告，算力可参考各芯片厂发布参数。
- 主流推理框架（Ollama、llama.cpp）星数、插件生态及新增硬件后端数量：表征开发者普适性。
- STARV2 / MTEB 等基准中 7B 级模型检索增强准确率：衡量模型+检索适配水平。
- 本地向量数据库的嵌入式版本性能基准：如 Chroma 在 10 万量级知识库的 QPS 与召回率。
产业与需求指标
- 企业招标文件中明确要求“数据不出域”的比例：可从中国政府采购网、TED 欧盟招标等截取关键词。
- 主要云厂商私有化部署项目数量与营收占比：云厂商财报中“本地部署/混合云”分项，间接体现需求向本地迁移。
- 法规动向：如各国数据安全立法对“模型训练/推理必须本地”的强制条款数量。
- 关键零部件价格：高端 DRAM、NVMe SSD 现货价格，影响本地设备总拥有成本。
- 人才市场：求职平台“本地推理”“向量数据库”技能标签的出现频率与薪资，反映行业扩产强度。
市场情绪指标
- 社交媒体 / Reddit / 知乎上 “本地 RAG” 话题讨论量。
- ArXiv 有关 “local RAG”“on‑device retrieval” 的论文月度提交数量。
建议每季度统计以上数据，并结合头部公司（NVIDIA、英特尔、微软）季度业绩发布会管理层讲话进行交叉验证。
信源
-
行业分析
- IDC, “Worldwide AI PC Forecast, 2025‑01”
- Counterpoint Research, “Edge AI Server Tracker, 2025‑04”
- Mordor Intelligence, “Vector Database Market Report, 2024”
- Grand View Research, “Edge AI Market Analysis, 2024”
- Forrester Consulting, “Operational Costs of Local AI,” 2024‑11
- Gartner, “DevSecOps for Edge AI,” 2024
-
技术框架与模型
- LangChain 官方文档 (docs.langchain.com)
- LlamaIndex Local Deployment Guide (docs.llamaindex.ai)
- NVIDIA TensorRT‑LLM 白皮书 (developer.nvidia.com, 2024)
- Hugging Face 模型卡及量化指南 (huggingface.co)
- MTEB Leaderboard (huggingface.co/spaces/mteb/leaderboard)
-
硬件平台
- Intel Core Ultra NPU 技术白皮书 (intel.com, 2024)
- AMD Ryzen AI 开发者指南 (amd.com)
- 高通 AI Engine Direct 文档 (qualcomm.com)
- 苹果统一内存与 MLX 框架 (github.com/ml-explore/mlx)
-
法规与标准
- 中国《数据安全法》全文 (全国人大网)
- GDPR Regulation (EU) 2016/679
- EDPB Guidelines 07/2025 on Local AI Compliance
-
公司公开信息
- 英伟达、英特尔、AMD、高通、苹果季度财报与投资者会议纪要 (2024‑2025)
- 微软 Build 2024 官方新闻稿
- Meta AI 博客 (ai.meta.com) 发布 Llama 3.1/3.3 相关博文
- 阿里云通义千问开源模型发布博客
（注：以上信源均基于公开可查的官方发布或权威第三方机构，具体数字口径已在正文各小节标注。）