2B參數模型：印度農民的云外選擇

在印度東北部的阿薩姆邦，西爾查爾鎮，一位開發者正用安卓手機上的Termux終端寫代碼。沒有筆記本電腦，沒有GPU，沒有辦公室。他的用戶是周邊地區的農民——那些SaaS產品永遠不會服務的人。

這些農民問的問題很具體：稻葉邊緣的褐斑是什么病？博羅稻該何時播種、哪個品種耐寒？從12月開始的三個月種植計劃怎么做？他們沒有穩定網絡，沒有ChatGPT訂閱，沒有電腦。只有安卓手機、時斷時續的4G信號，以及等不起服務器響應的莊稼。

Google發布新一代輕量開源模型時，開發者注意到一句話：2B和4B參數版本專為超移動和邊緣部署設計——能在手機上運行。這讓他放下了其他所有事。

這不是單一模型，而是三種架構的家族。小型版（2B和4B）面向手機、樹莓派和瀏覽器部署，原生多模態輸入，128K上下文窗口。密集版（31B）是服務器級，在單機上追求最大能力。混合專家版（26B MoE）高效高吞吐，每token只激活部分參數，比同規模密集模型更快更省。

2B參數版本的存在是這次發布最重要的事。不是因為它最強，而是因為它最具主權性。

在農村印度，選模型不只是技術決定，更是主權決定。依賴云的模型意味著：農民的查詢要發到國外服務器；需要收獲季可能不存在的網絡連接；需要自給農民付不起的錢；隨時可能被關閉、限流或設付費墻。本地運行的2B參數版本則意味著：查詢不出設備；沒信號的地里也能離線工作；下載后零成本；沒人能拿走它。

這個2B參數版本能在Pixel手機上跑，能在樹莓派5上跑——開發者測試過，也能在安卓手機的Termux里通過llama.cpp在ARM64上跑。這不是功能，是哲學。

印度正論派哲學中，最可靠的知識形式是Pratyaksha：直接感知，來自自身感官、無中介的知識。云端AI模型在認識論上恰是Pratyaksha的反面：查詢穿越多層基礎設施，經他人服務器，受他人條款約束，在他人土地上被記錄和分析。本地模型才是Pratyaksha：農民的問題、農民的莊稼、農民的手機、農民的答案。無中介，無外部依賴，無提取性數據經濟。

開發者正在構建的東西很簡單：一個農民能離線使用的農業助手。拍照識別稻病，查詢種植日歷，生成季節性計劃——全部在手機上完成，無需網絡。

這背后是更廣泛的現實。全球7000種語言中，AI能翻譯的不到200種。印度有22種官方語言、數百種方言，阿薩姆語、博多語、米辛語——這些語言沒有足夠訓練數據支撐云端大模型，但2B參數版本可以被微調、被蒸餾、被適配到本地語境。

技術圈常討論"AI民主化"，但真正的民主化不是讓孟買和班加羅爾的開發者用上GPT-4，而是讓巴拉克谷的農民在沒網的地里也能用上AI。128K上下文窗口意味著它能消化整本農業手冊、整個地區的種植歷史、完整的病蟲害數據庫——全部塞進一部普通安卓手機。

開發者提到他正在處理的約束：間歇性4G、無筆記本電腦、無GPU、無辦公室。這些不是邊緣情況，是全球大部分地區的默認狀態。據國際電信聯盟數據，全球仍有約26億人未接入互聯網。云優先的AI設計對他們而言是缺席的設計。

這次發布的時機因此具有特殊意義。當美國科技公司競相建造更大、更集中的模型時，Google釋放了一個能在樹莓派上運行的開源權重模型。這不是技術倒退，是戰略分叉：一條路徑追求通用人工智能的集中化，另一條追求特定情境下的主權化。

對農業AI而言，后者更緊迫。作物病蟲害不等待API響應，季風季節不遷就服務器維護窗口，農民的現金流不支撐訂閱費用。本地模型的延遲以毫秒計，云模型的延遲以網絡狀況計——在雨季的稻田邊，這是生與死的差別。

開發者的工作也揭示了開源權重模型的真實價值。不是讓業余愛好者免費玩AI，而是讓專業開發者能為被商業忽視的人群構建系統。沒有開源許可，他無法合法地微調、部署、分發一個農業助手；沒有2B參數版本的體積，他無法在目標硬件上運行它。

這引出一個被低估的問題：模型尺寸的政治經濟學。參數計數不只是技術規格，是訪問控制的機制。175B模型需要數據中心，7B模型需要高端消費級GPU，2B參數版本需要2019年的中端手機。每一數量級的縮減，都是一扇門的打開。

三種架構因此可理解為三種主權層級。MoE版面向能負擔推理集群的機構，密集版面向能負擔工作站的開發者，小型版面向能負擔手機的個人。這種分層不是缺陷，是刻意的包容性設計——讓同一技術家族能同時服務云數據中心和邊緣田野。

開發者的測試環境本身即是論證：Termux是安卓上的Linux環境，無需root權限即可運行完整開發工具鏈。llama.cpp是跨平臺推理引擎，用C++編寫，針對ARM NEON指令集優化。開源權重模型是法律基礎，允許商業使用和修改。三者疊加，一部普通手機成為完整的AI開發平臺。

這指向一個被主流敘事遮蔽的事實：技術棧的"低端"往往是創新的高壓區。不是 despite 約束，而是 because of 約束——開發者被迫尋找最高效、最便攜、最獨立的解決方案。

農民的反饋正在塑造產品。一位種植博羅稻的用戶指出，模型建議的播種時間比當地習慣晚兩周，但更準確對應寒潮窗口。另一位發現，拍照識別稻瘟病的準確率超過90%，前提是光線充足、葉片在畫面中央——這些細節被寫進使用指南。這是參與式設計，由使用情境而非產品經理驅動。

更大的圖景是全球南方的主權技術運動。從巴西的社區網絡到肯尼亞的離線地圖，從印尼的漁民數據庫到這里的農業助手，核心邏輯一致：基礎設施不可靠的人群，需要不依賴基礎設施的技術。不是等待連接，而是假設斷連；不是乞求訪問，而是奪取控制。

2B參數版本的128K上下文窗口在此顯現深層意義。它不僅支持長文檔，更支持完整的本地知識庫——一個村莊的種植歷史、一個合作社的交易記錄、一個地區的病蟲害周期。這些數據從未進入互聯網，因此從未被云端模型訓練。本地部署是唯一的訪問方式。

開發者提到他正在實驗的微調策略：用公開農業數據預訓練，用阿薩姆語對話數據對齊，用具體農場的反饋強化。這需要計算資源，但不需要云——租一臺服務器幾小時，生成適配后的權重，分發到手機。主權不是拒絕所有外部性，而是控制關鍵依賴的節點。

雨季將至。開發者的測試機是一部2019年的小米，4GB內存，64GB存儲。2B參數版本的量化版本占用約1.5GB，推理速度每秒幾個token——對農業問答足夠。農民不需要寫詩，需要知道稻飛虱的防治窗口。

這部手機的價值不在硬件，而在它所證明的事：最被低估的計算設備，加上最被低估的模型尺寸，可以服務最被低估的用戶群體。這不是技術樂觀主義，是技術現實主義——承認約束，在約束內工作，讓約束成為篩選器，濾除所有不必要的復雜。

當行業討論"下一個萬億參數模型"時，這里的開發者關心另一件事：如何讓2B參數版本在更老的芯片上跑得更快，如何用更少的數據微調出可用的阿薩姆語能力，如何讓農民在完全離線時也能更新本地知識庫。這些問題不登上會議議程，但決定技術是否真正抵達需要它的人。

最終，這是關于技術主權的樸素命題：農民的問題，應該在農民的設備上，用農民能理解的語言，在農民需要的時間得到回答。不經過硅谷的數據中心，不經過新加坡的CDN節點，不經過任何可能中斷、漲價或關閉的外部依賴。2B參數版本讓這個命題成為可運行的代碼。