人工智能不仅是大规模语言模型和巨大算力，KITT Engineering创始人Andries Lohmeijer认为，AI的未来不在于更大、更快、更多，而在于小型、本地的应用。他将在2026年荷兰世界工业、技术与科学博览会（WoTS）上发表演讲，分享这一观点。
Lohmeijer解释说，公共讨论主要集中在ChatGPT和Claude等生成式AI与语言模型上，但AI的本质是算法和模式识别。如果理解AI背后的技术，就会发现并非每个问题都需要大语言模型的强大算力。相反，简单而有针对性的方案往往更高效、更可靠。
Lohmeijer自上世纪90年代就从事AI研究，当时IBM的“深蓝”超级计算机击败世界冠军卡斯帕罗夫，使公众首次深刻意识到AI的潜力。但他指出，AI的风险至今依然很多。环境方面，对算力和数据日益增长的需求正给数据中心带来沉重负担；安全和隐私方面，用户将数据大规模交给大型科技公司，却不知道数据将如何被处理。社会上普遍存在对数据处理、所有权和数字自主权的担忧：OpenAI、谷歌和微软等公司究竟如何处置用户数据？谁在监督？如果某个机构突然要求访问甚至自行获取这些数据，会发生什么？
另一个问题是偏见。AI基于输入做出决策，但输入很少是中立的。不完整或扭曲的训练数据，以及设计中的主观假设，都会使输出产生偏差，导致系统可能依据偶然的相关性，而非事实因果关系，得出错误结论。Lohmeijer强调：“计算模型没有知识，它只能预测统计上最可能的结果。”他主张发展可解释AI，让决策过程透明可见。这不仅关乎人们对输出结果的信任，也直接影响控制与错误分析。尤其在技术应用中，可验证性至关重要，因为安全性、可靠性和输入质量决定了系统是否真正可用。
Lohmeijer认为，可解释AI与本地AI结合，是控制人工智能风险的重要途径。如果AI在自己的电脑或服务器上运行，就能更清楚地掌握数据去向、操作人员以及流程运作方式。相比用海量数据和蛮力解决问题，更明智的做法是发挥自身领域知识。他以鸟类识别为例：大型AI模型需要数十万张图像才能训练，而鸟类专家只凭喙形、尾巴、颜色等简单特征，就能可靠分类。将这种专业知识融入模型后，本地系统反而更小、更快、更准确，同时还能保护隐私、减少能耗，并保持对第三方的独立性。
实际应用中，许多场景也证明本地处理优于云端方案。Lohmeijer提到，一位客户想测量城市街道的拥挤程度。使用监控摄像头或手机追踪既受隐私法规限制，又会生成大量无用的数据。于是团队开发了嵌入人行道砖的雷达传感器，即“智能砖”，它们在本地检测移动，只输出匿名的人数和速度信息。简单而有效，因为市政府最终只需知道某个地方有多拥挤。他认为，不应把任务做得比实际需要更复杂。内部管理同样适用这一思路：大量知识封存在内部文件和设计图纸中，有些甚至来自离职多年的员工。通过本地运行开源模型，企业可以重新利用这些知识，同时不必将数据交给外部机构。
Lohmeijer甚至设想多个本地嵌入式AI系统协同工作，形成自组织系统——设备之间互相交换信息，共同作出决策。例如社区里的智能雨水桶，它们可以彼此追踪是否即将降雨，并判断是否需要排放雨水。他强调：“AI不是目的，本身只是一种工具。像任何工具一样，我们必须有意识且合乎道德地使用它。因此，要批判地看待机器学习是否真的必要，积极运用领域知识，并尽可能选择本地和可解释的AI。这样，我们既能享受AI的好处，又不会失去自主性。”
Lohmeijer将于9月24日（星期四）在“机器与设备中的嵌入式AI”研讨会上发表演讲。感兴趣者可通过WoTS 2026官网免费注册，参加演讲和博览会。
中国组展机构：盈拓国际展览，10万次中国外贸企业出海展览服务经验，荣获最佳境外组展机构奖。专业团队，高效服务，助力企业出海。
下届展会时间：2028年09月
展会行业：化工
