# 端侧 AI 的本地生成，其实要在云端打两次卡

> 原标题：模型进了设备，治理留在云端：端侧 AI 的控制面现状

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-09-01T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/54276
- 原文：https://yage.ai/share/on-device-ai-control-plane-20260901.html

## 摘要

你在自带算力的电脑上用画图工具生成图片，整个过程要在微软云端打两次卡。逆向分析显示，提示词先发往云端审核，服务器发回修改后的提示词和两个唯一编号——一个标记请求，一个充当隐形水印编号。本地芯片画完图后，水印模块把编号写进像素（画图应用里写入失败会直接报错不出图），最后图片还要传回云端申请微软签名的内容凭证。六家主流厂商的架构高度一致：算力可以下放设备，...

## 推荐理由

一篇逆向工程文章，把微软端侧 AI 的控制面细节摆到了台面上。有具体的工程事实、编号机制，还有画图和照片应用的行为差异，三个维度都踩中了。没给更高分是因为这还只是一次逆向分析报告，不是多源交叉验证的行业定论，我会先打个折。

## 锐评

这篇文章拆解了一个反直觉的事实：模型可以下载到你的电脑上跑，但管束它的规矩和账本全在厂商的服务器里。以微软画图为例，一次所谓的本地生成，提示词要先送云端审核，服务器发回一个流水号当隐形水印，本地芯片画完图后，还得再把图传回云端盖章签名。最狠的是，水印写入被设成了硬性门禁，写不进去就直接报错，不给你出图。

把六家主流厂商拉出来看，架构高度一致：算力可以下放，治理绝不放手。苹果相对克制，只在照片编辑里固化了不可关闭的隐形水印，没发现按次向云端申请编号的环节。但行业整体上，没有一个消费级厂商敢把控制面留在设备端。原因很直白：安全规则要随时更新、滥用追溯需要中心账本、数字签名得靠云端私钥、法律责任压在厂商头上。

文章点出了一个关键信息差：欧盟AI法案只要求内容“可检测”，没要求追溯到具体是谁生成的。微软给每次生成分配独立流水号并关联账号，是自己在法规底线上加盖的风控层。但正文没披露这些云端记录会保留多久，这是判断隐私风险的核心缺口。下次看“本地AI”产品，别光听宣传，直接问三个问题：提示词出不出设备、身份标识谁签发、云端日志存多久。