今天想写一下

@Acurast

刚放出来的 Laya 演示。

这次终于不是拿“全球有多少节点”让我自己脑补用途，而是把运行在手机上的 AI 模型直接摆到网页上，贪吃蛇、邮件分类、聊天审核、提示词攻击拦截都能现场试。

我原本以为手机跑 AI，多少会有点表演性质。看完 Laya 的工作方式，反而觉得这类小模型和手机算力挺搭。

它不负责陪你聊天，也不生成一大段文字。应用把当前情况和几个固定选项发过去，它返回每个选项的概率，再选一个执行。

贪吃蛇该往左还是往右，邮件该进收件箱、垃圾箱还是钓鱼分类，某段提示词该放行还是拦截，走的都是这套流程。

一次判断就是向 Acurast 网络里某台 Android 手机发起一次请求，由手机 CPU 跑完模型再返回结果。按照官方演示，快的设备处理一次短决策大约需要0.2秒，普通情况在1秒左右。

页面还会显示这次回答来自哪个国家、用了什么芯片、这台设备已经处理过多少次请求，对应记录也能继续到链上核对。

这比单纯展示“我有32万多台手机节点”更有说服力，因为用户能看到算力到底在干什么。

我比较喜欢提示词守卫和邮件分类这两个演示。现在很多 AI Agent 每天要处理大量小判断，并不是每一步都需要调用昂贵的大模型。先由轻量模型做筛选、分类和拦截，复杂任务再交给后面的模型，成本会好算很多。

Laya也没有被包装成万能模型。官方测试中，邮件分类160封只判断对144封；碰到诱导性文字仍然可能出错，单台手机请求太多也会排队。它更适合做第一层过滤，不能直接拿来当最终裁判。

这次演示让我对 Acurast 的理解具体了不少。

一张由手机组成的计算网络，价值不能只靠在线设备数量证明。开发者愿不愿意把任务放上去，任务跑完要花多久、多少钱，结果能不能核对，这些才会决定手机算力最后是产品，还是一张很大的节点地图。

Laya至少把其中一类任务跑出来了：不用机房，也不需要高配显卡，一台普通手机就能替应用完成连续的小型 AI 决策。