

先说结论:一场整活,但整得有价值
先说结论:这是整活,但整得很有价值。它没证明打印机能当服务器,它把「跑 AI 最少需要多强的硬件」这道题,用一个最土的办法重新量了一遍。
11 月 17 日,Google DeepMind 的 Omar Sanseviero 在 X 上贴了一份打印作业:一份 PostScript 文件,发给一台理光办公激光打印机。据他本人描述,量化后的 Gemma 3 270M 全部编译进这一个文件,100% 在打印机里跑,峰值内存约 14MB,约 60 秒出一个 token。
我第一眼以为是摆拍。看到「不刷固件、不接外接计算板」这句才反应过来:机器没被改装,它只是在干自己干了四十年的老本行——解释 PostScript。

打印机凭什么能跑模型
答案在 PostScript 这门语言。它是 Adobe 在 1984 年前后推出的页面描述语言,用来告诉打印机「这一页的字、线、图该画在哪」。
它不只是排版指令表。PostScript 有操作数栈,支持过程定义、循环、条件跳转,能表达任何可计算的过程,通常被算作图灵完备的语言。打印机里的解释器本来就要把它跑起来。
所以 Omar 这活儿,本质是把 transformer 的前向计算翻译成一串 PostScript 操作,让打印机一边排版一边算数。据快科技 11 月 20 日报道,这层编译由 AI 编码助手 Carbon 完成。
这里有个容易看漏的地方:他不是给打印机写了新固件,而是找到了一扇老机器本来就开着的门。这比硬改硬件聪明,也更好笑。

270M 到底有多小
Gemma 3 270M 是 Google 2025 年 8 月发布的小模型,2.7 亿参数。据 Google 发布时的说明,其中约 1.7 亿待在嵌入层,真正干活的 transformer 部分只有约 1 亿参数,词表约 25.6 万 token。
它生来就是给端侧和微调用的:能在手机、单板机上跑,也方便拿小数据集改成专用模型。装进打印机,靠的就是这个体量。
拿现在的主流开源模型比一下:70 亿参数约是它的二十六倍,80 亿约是它的三十倍。差的不只是算力,是能不能塞进一块几 MB 的内存。
还有量化这一步,把每个权重压到更低的位宽,体积先砍掉一大截,代价是精度掉一点。这件事在端侧几乎是标配,只是这次压到了打印机能承受的程度。

14MB 内存是什么概念
约 14MB 是 Omar 自己给的峰值数字。做个对照:如今一台智能音箱的主控内存普遍在几十 MB 到几百 MB,工业控制板常见 64MB、128MB 起步。
也就是说,它跑在比你家音箱还紧的内存里。一台 8GB 内存的手机,可用空间差不多是它的 585 倍(8192 ÷ 14 ≈ 585)。
压得住的关键手法叫「层智能轮换」:模型算完一层就换下一层,同一块内存反复用,用完即弃,峰值才不至于爆掉。
我的判断是,这个技巧比模型本身更值得记。打印机的内存本来就在几 MB 到十几 MB 之间,不做流式加载,第一层就 OOM 了。

一分钟一个 token 是什么体验
约 60 秒一个 token,还是他原帖里的数。一句话按 20 个 token 算,你得等二十分钟;一篇五百字的短文,理论上要十几个小时。
他在 X 上留的梗很贴切:输入 Read the fine,打印机慢慢吐出来的是 Read the fine print。中间那几分钟,机器咔哒咔哒走纸,你在旁边等一个词落地。
所以这不是能用的产品,是一场公开的极限测试。但它把一条曲线画明白了:内存越省,等待越长;反过来,想快就得给资源,没有第三种答案。
我还挺好奇它连跑一小时稳不稳。我猜问题不大——打印机按印纸设计的散热和供电本来就很轻,负载低,反而不容易出事。

从打印机到智能家电
这条新闻最值钱的部分不在打印机。它说明只要模型足够小、编译足够狠,算力门槛能低到你想不到的地方,连十年前的办公设备都能挤进去。
往近处看,智能家电、车机、门锁、路由器这些常年开机的设备,本来就有便宜的主控和一点闲置内存。跑对话不行,跑个分类、唤醒词判断、格式转换,是够的。
我的判断:接下来一年会出现一批「不联网、只干一件事」的小模型设备。它们谈不上聪明,但便宜、离线、不往外传数据,这就是它们的活路。
这也是我为什么愿意花时间看这种整活。产品发布会告诉你上限,这种实验告诉你下限,而下限往往决定一件事能不能真的铺开。

普通人该记住哪条思路
第一条,小模型不等于没用。270M 这个体量写不了文章,但把一句话分好类、把一张表填对,它干得了,而这类活在工业现场到处都是。
第二条,编译器被严重低估。同一个模型编译到不同后端,内存和速度能差出数量级。Carbon 在这件事里的分量,不比 Gemma 3 小。
第三条,瘦身要动结构,不只压权重。量化省的是位宽,层轮换省的是峰值,两样叠一起,才凑得出 14MB。
给看热闹的人留一句:这实验大概率不会变成产品,但它把「AI 最小可行硬件」这条线又往下拽了一截。下次谁再说这台设备跑不动 AI,你可以让他先看看打印机。