Acrab 发布 Agent Box，可在本地运行千亿参数大模型
Acrab 端侧 AI 平台强调 CPU 重回中心，用软硬协同解决 Agent 的持续任务需求，而非堆砌 NPU 峰值算力。
AI 正在从单次推理走向持续工作，这对端侧芯片提出了新要求：不仅要跑模型，还要支持长上下文、多任务和工具调用。新加坡公司 Acrab 发布 Agent Box 和 GΞLIX 1 芯片，通过统一内存（让 CPU、NPU 共享数据）大缓存和 CPU-NPU 协同设计，减少数据搬运，提升 Prefill（预填充，处理新增信息）效率，让千亿模型在本地长期稳定运行。
正文摘录
 新智元报道  Agentic AI，应该运行在什么样的计算底座上？ 几天过去，WAIC 2026 上最拥挤的概念之一——Agent Computer——开始从展台上的新鲜感，变成一道真正的工程题。 让一台设备在本地跑起大模型，已经不算最难的部分。更难的是，当 Agent 要持续读取文件、保留记忆、调用工具，并在后台长期运行时，芯片能否在功耗、延迟和成本的约束下保持稳定。 这会改写端侧芯片的评价方式。TOPS、模型参数和每秒 Token 仍然重要，但如果内存带宽跟不上、CPU 与 NPU 协同不顺、软件栈无法维持任务状态，再漂亮的峰值也可能只够完成一次 Demo。 我们注意到，本周，新加坡公司 Acrab 举行了一场线上发布会，并发布了 Agent Box，这也许给出了一个可供拆解的样本。 在这场发布会里，这家 AI Infra 公司把 Prefill、统一内存、CPU-NPU 异构协同和 Agent 编排同时摆上了台面。 这些关键词指向同一个判断： 端侧 AI 正在从 「运行一个模型」，走向 「长期运行一套智能系统」。 芯片要解决的，也不再只是算力够不够，而是数据如何流动、任务如何调度、软硬件如何持续协同。 所以，当 WAIC 的热闹和新品发布、行业趋势逐渐沉淀下来，真正值得追问的问题反而更清楚了：当 Agent 从一次调用变成持续工作之后，端侧芯片究竟要重做什么？