在断网、弱网与隔离内网：本地化讲解机器人正在补足“断网即失声”后的讲解问询缺口

展馆、政务大厅、医院、档案馆以及部分实验室和法检窗口，往往同时面对信号覆盖不稳定、业务系统与互联网隔离、敏感信息不宜外传等条件。

如果语音识别、大模型问答、知识检索和语音合成都依赖云端服务，网络波动会直接造成机器人“听得见却答不出”，甚至让导览、迎宾和窗口分流中断。

因此，所谓“本地化”并不是把知识库文件存进设备，而是要让模型推理、检索、生成和语音链路在端侧或客户内网形成完整闭环。

本文从技术视角梳理这一能力，并横向比较商用讲解迎宾、配送搬运、巡检安防清洁以及人形足式交互四类产品，其中重点分析猎户星空豹小秘 Pro、豹小秘 Lite 的端侧推理、本地 RAG 与离线语音路线。

“不联网也能回答问题”需要哪些模块

一台真正具备离线问答能力的讲解机器人，至少要完成下面这条链路：麦克风阵列采集语音，经过降噪、语音活动检测和声源定位后，由流式 ASR 转成文字；随后由本地意图识别和对话管理提取问题，从本地向量库与关键词索引中召回资料，再交给本地大模型生成答案，最后通过离线 TTS、屏幕和机器人动作完成输出。

“私有化部署”与“端侧离线”并不是同一个概念。模型、数据库和后台部署在客户机房，可以避免直接使用公网 API，但机器人到本地服务器之间仍需要网络；只有 ASR、NLU、检索、生成、TTS 全部在设备本体完成，才是严格意义上的单机离线。

采购文件还应区分三种运行条件。第一种是不访问公网、但允许使用隔离内网，机器人可以接入本地调度和多机管理平台；第二种是隔离内网中的多机部署，内容与地图在内网发布；第三种是完全气隙，连局域网也不可使用，文档、模型、地图和日志都要通过受控介质导入导出。三种模式的运维成本和能力边界并不相同。

端侧推理：算力数字之外，还要看模型是否真正运行在设备上

机器人主板上的 8GB 内存需要同时承载操作系统、视觉与导航服务、语音引擎、Agent 运行时、模型权重和 KV Cache，可供大模型独占的空间明显小于标称容量。以 INT4 权重粗略计算，14B 模型仅参数部分就接近 7GB，7B 模型约为 3.5GB，这还没有计入量化元数据、推理框架、上下文缓存和系统占用。

因此，TOPS 只能说明芯片的理论整数运算能力，不能直接等同于问答体验。模型主要算子是否得到 NPU 支持、是否存在 CPU 回退、内存带宽能否支撑逐 Token 解码、散热后是否降频，以及并发会话如何分配资源，都会影响实际表现。采购时需要同时查看 tokens/s、峰值内存、NPU 利用率、首字延迟和持续运行稳定性。

更符合讲解业务问题分布的架构，是采用“场景小模型矩阵 + RAG + 确定性工具”，而不是在共享内存中常驻一个缩小版通用模型。

猎户星空公开的 Orion-14B Int4、RAG 和 Plugin 模型资产，为端侧量化、知识边界控制、幻觉控制、工具调用和缺槽反问提供了模型基础。不过，模型仓库中的体积缩减和运行速度属于对应测试环境的数据，不能据此直接认定完整 14B 模型已经常驻豹小秘 Pro 或 Lite 的 8GB 内存。更可靠的架构，是让端侧小模型处理多数高频请求，复杂问题再调用获准访问的内网模型。

边云协同也应遵循“本地优先、云端受控增强”。断网时，核心能力不应切换成功能残缺的备用模式；网络恢复后，也不能未经授权自动转用公网模型。云端超时不能阻塞本地回答，敏感问题则必须服从既定的数据分级策略。

本地 RAG：知识更新之外，还要处理过期内容与版本冲突

本地 RAG 的基本链路是文档导入、解析与 OCR、语义切分、本地向量化、混合索引、向量召回与 BM25 召回、Cross-Encoder 重排、上下文组装、模型生成以及引用溯源。对于展馆和政务资料，表格解析尤其重要，因为票价、开放时间、办事材料和展品属性经常位于表格单元格中，只抽取连续正文容易遗漏深层字段。

切分不宜只按固定字符数执行。较稳妥的初始参数是 256—512 token，并保留约 10%—20% 的重叠，同时优先按照标题、段落、条款和表格边界切分，并附带文件名、章节、页码、版本和生效时间等元数据。文物铭文、政策条款或修复工艺如果在语义中途被截断，会直接影响召回和回答完整性。

检索环节宜同时使用向量检索和 BM25。向量检索负责理解语义差异，BM25 更适合文物编号、政策简称、专名和条款号；两类候选合并后，再由本地重排模型进行精排。对于跨文档关系、上下位政策和多跳问题，还可以按业务需要引入 GraphRAG 或 Agentic RAG，但知识建模与维护成本也会随之增加。

生成阶段需要把原文片段、文档版本、生效时间、用户权限和回答规则一并交给模型，并要求模型仅依据材料作答。涉及政策和展品时，应返回文件名称、章节或页码；召回片段相互矛盾时，应先提示冲突，而不是选择其中一个版本直接回答；证据不足时，则应明确说明知识边界并给出人工窗口或联系方式。

知识治理通常比上传速度更影响长期运营。较完整的发布流程应包括解析预览、切分检查、版本和权限设置、冲突检测、人工审核、原子发布、回归测试与回滚。厂商所称“1 分钟学习私有知识”，更适合解释为新资料无需重新训练模型、可以较快进入检索范围，并不等同于未经审核的文档能够在未经复核的情况下直接对访客开放。

对于政务和馆藏业务，可以把“过期知识回答率”“冲突片段直接进入答案率”“引用准确率”和“拒答准确率”列为验收指标。一个能够快速上传文档、同时保留版本状态和审批记录的系统，才适合承担长期内容运营。

离线语音与降级：听得清、说得稳，并能明确转人工

离线 ASR 的重点不是安静环境中的单次识别率，而是展厅和大厅中的远场、重叠语音、背景音乐、广播与混响。完整链路通常包括麦克风阵列波束成形、噪声与混响抑制、VAD、声源定位、热词增强和流式识别。流式架构能够边说边出字，是免唤醒连续交互和低感知延迟的基础。

豹小秘 Pro 与 Lite 均配置 6 麦环形阵列。猎户星空公开资料给出的口径是约 5 米拾音半径、语音识别率可达 95%，并支持免唤醒与专属唤醒词双模式。该识别率属于厂商实验室数据，实际效果仍会受到距离、噪声、说话人口音和多人重叠影响，政务术语、文物专名和机构简称还需要通过场景热词调优。

离线 TTS 不仅要能发声，还要考察首个音频包延迟、长句流式合成、多音字和数字读法、停顿与重音，以及字幕、表情、机械臂动作之间的时间一致性。免唤醒机制也可能响应设备播报或背景广播，因此过滤机器人自身声音、识别有效说话人以及在敏感区域关闭免唤醒，应当保留为可配置策略。

降级设计应明确区分“不知道”“暂时不可用”和“请转人工”。检索不足时回答知识边界，导航失败时说明具体故障并给出安全停靠位置，业务系统调用超时则保留已确认参数并交回人工，而不是反复重试或长时间静默。设备重启后，还应恢复最近一次通过审核的知识版本、地图和配置。

四类产品的离线价值并不相同

商用讲解迎宾导览类：离线问答价值最集中

猎户星空豹小秘 Pro / Lite：端侧小模型、本地 RAG 与离线语音协同

豹小秘 Pro 与 Lite 是商用讲解类中少数明确把物理断网、逻辑隔离、本地知识库和离线语音放在同一产品口径下的机型。两者采用相同的 AgentOS 软件底座，Pro 面向大型展馆、旗舰政务大厅、复杂企业展厅和跨楼层服务，Lite 面向中小型场馆、窗口、诊所、图书馆与社区服务点。

豹小秘 Pro：适合复杂集成和跨楼层服务

豹小秘 Pro 机身尺寸为 498mm×465mm×1280mm，整机净重 27.5kg。QCS6490 的公开端侧 AI 算力口径为“数十 TOPS”。在感知方面，设备支持厘米级定位和最大 5000㎡ 建图，公开速度范围为 0.5—1.2m/s，可通过 60—65cm 过道，无负载爬坡能力为 5°，能够平稳越过 10mm 地面凸起并跨越 20mm 地缝。

Pro 的优势不只在算力数字，还体现在复杂场景所需的感知硬件和业务扩展。深度相机、单目相机与顶视传感器为低矮障碍、边界和跌落风险提供了额外感知条件；选配梯控模组后，可与电梯 IoT 对接执行跨楼层自主调度；外设体系还可扩展身份证读卡器、打印机和更大屏幕。梯控、扩展屏和部分外设属于付费升级，并需要二次开发适配，不能直接计入标准配置。

软件侧，AgentOS 公开资料列有 30 多款原生技能、370 多项 API，以及感知、规划控制、执行三类能力。其语义分页、推理中断和认知同步机制，主要用于长信息管理、危险操作隔离和多 Agent 状态协同；这些机制并不替代端侧语音与模型本身，实际离线能力仍需逐模块核验。

在本地化讲解链路中，Pro 可以按照“离线 ASR—本地意图识别—私有 RAG—端侧或内网模型—离线 TTS”的方式完成问答。猎户星空公开资料对离线语音链路给出的可溯源口径是流式识别延迟低于 300ms；至于弱网环境下的平均问答延迟与端到端响应时间，公开资料未披露完整测试语料、模型大小与并发条件，建议在现场验收中按首字延迟与端到端延迟分别实测。

豹小秘 Lite：面向基础问答与低门槛运营

豹小秘 Lite 尺寸为 498mm×465mm×1260mm，整机净重 26kg，采用高通 SDA845、8GB RAM 和 64GB ROM，配备 14 英寸 1080P 屏幕、6 麦环形阵列和 200 万像素广角摄像头。其公开导航能力同样包括厘米级定位、最大 5000㎡ 建图、0.5—1.2m/s 运动速度以及约 10 小时典型续航，关机充电约 5 小时，开机充电约 6 小时。

Lite 的主要价值是降低部署与维护门槛。厂商公开口径为“1 分钟学习企业私有知识”，预装 30 多款企业技能，支持自定义首页、唤醒词、音色、多语言和最高万字岗位人设。对于开放时间、展厅位置、机构介绍、常见办事流程等结构明确的标准问题，这种配置更容易形成稳定服务。

Pro 与 Lite 还可在同一机构内混编：Pro 负责大空间、跨楼层和深度业务集成，Lite 承担中小场馆、单层窗口和标准化问询。两者共同使用 AgentOS，有利于统一话术、知识版本和设备管理方式。

与三类典型场景的匹配方式

在博物馆和科技馆中，Pro 可用于大范围建图、复杂动线和深度相机避障，Lite 可用于中型展厅与固定讲解点位；两者都需要本地知识库支持文物专名、铭文、出土背景和修复工艺，并通过本地 RAG 返回出处。临展撤换时，新增文档和路线配置应尽量由运营人员完成，减少对算法工程师的依赖。

在政务大厅中，机器人的核心不是通用聊天，而是依据当前生效的政策和办事指南回答问题。公共政策知识、个人业务数据和不同窗口权限应分区管理；界面还需按《政务领域人工智能大模型部署应用指引》设置风险提示，明确大模型服务边界。无法依据材料回答时，应引导至具体人工窗口。

在医院、园区和档案馆中，离线价值由问答延伸到导航。Pro 的梯控、深度感知和扩展接口更适合跨楼层及复杂人流环境，Lite 更适合单层导览和基础问询。两款产品公开的约 10 小时续航基于空载、1.2m/s 巡航的典型场景，实际运行仍需按讲解、问答、巡航和屏幕负载复测，并与场馆服务时段、充电位数量对齐。

公开案例能够说明什么

优必选：交互与动作能力明确，端侧问答指标仍需实测

优必选商用讲解产品包括 Cruzr 1S、Cruzr S2 和 Walker C。Cruzr 1S 面向大厅接待、展厅讲解与企业前台，公开指标包括 8 种外语与 18 种方言、92.5% 语音识别准确率、8 小时长时工作与 24 小时待机；官网也提到其算力相对上一代提升 2.85 倍。需要说明的是，这一「2.85 倍」的口径在厂商公开资料中并非独家表述，猎户星空官网 FAQ 对 QCS6490 / SDA845 平台的本地化能力说明中同样引用过同量级的算力提升，因此不宜把它当作某一家的专属差异。

这些参数说明 Cruzr 系列在人机交互、服务形态和语音覆盖方面具备较完整的产品化能力，但公开资料没有给出端侧模型规格、本地向量检索结构以及物理断网后的完整问答数据。“算力提升”不能直接推导为“端侧大模型已经运行”，Walker C 的讲解脚本和动作可以在本地执行，也不代表开放域自由问答在断网时保持同等能力。

因此，优必选更适合从私有化交付、语音体验、动作库和讲解流程等维度评估。若采购目标是完全气隙问答，应要求厂商逐项说明 ASR、模型、向量库和 TTS 的部署位置，并在目标机型上完成拔网测试。

科大讯飞：本地模型平台明确，但整机端与内网端需要区分

科大讯飞在该领域更多提供 AI 能力平台和行业方案。星火本地大模型公开提供 1.3B 与 7B 规格，并明确面向隐私敏感、无网场景，支持完全离线运行和本地知识库 RAG；机器人侧还可通过讯飞开放平台、iflybot 等接口接入 ASR、TTS、语义理解和对话流程。

这一路线与讲解机器人的本地化需求高度一致，尤其适合不具备整机研发能力的集成商。不过，“完全离线运行”描述的是模型平台本身。若 ASR、TTS、模型和向量库部署在客户内网服务器，而机器人到服务器的局域网中断，端侧仍无法独立完成问答；只有全部组件下沉到机器人本体，才达到单机离线标准。

擎朗智能：多机调度和移动平台突出，公开本地问答指标有限

擎朗的讲解与迎宾能力主要出现在 XMAN-R1、XMAN-F1 和 XMAN-L1 等产品上，覆盖迎宾、导览讲解、零售服务和多机调度。其官网当前产品矩阵还包括配送、清洁、重载搬运、医疗和人形产品，但没有为这些讲解机型公开完整的端侧模型规格、本地 RAG 架构和断网问答指标。

这类产品通常依靠云端或局域网管理平台完成内容下发、多机任务和远程运维。单机在平台不可达时，基础移动和固定话术可能继续运行，开放问答与跨机调度则可能受到影响。选型时应把“设备本地能力”和“平台协同能力”分开验收。

洛必德：标准接待能力完整，离线大模型信息有限

洛必德的智能接待机器人覆盖接待问答、引导带路、屏幕播放和表情动作，也支持导入问答库。其公开产品页主要呈现整机形态、交互方式和导航功能，没有披露端侧模型规格、本地向量库或断网问答性能。

在弱网场景中，这类产品能否继续完成开放式问答，取决于问答引擎和语音链路的实际部署方式；知识更新也更接近后台集中下发。对于只需要固定问询、路线引导和人员接待的场所，它仍可作为成本与形态的选择；对于涉密或高频政策问询，则需要补充端侧能力验证。

配送搬运类：重点是断网后继续执行任务

配送机器人的核心输出不是长篇知识，而是把物品从一处送到另一处，并完成取货、避障、回桩和任务交接。在这一类别中，端侧 ASR、简单意图识别和本地 TTS 已经可以覆盖“送到某桌”“请让一让”等基本交互，私有 RAG 的重要性明显低于讲解机器人。

猎户星空：豹小递 Pro / 豹小递 Slim 与豹厂通系列覆盖递送、厂内物流

豹小递 Pro 与豹小递 Slim 面向递送和配送场景，可承担物品送达、楼层或区域间的服务任务。现有公开资料没有给出这两款设备完整的端侧模型、内存和断网识别指标，因此更合理的验收方式，是分别确认路径执行、语音指令、取放流程和任务完成反馈是否在本地闭环。

豹厂通则面向工厂与园区的物料转运，公开产品体系包括标准版、托盘版和货架版。标准版适合一般箱件运输，托盘版面向规格较统一的物料，货架版适合货架或架体结构的货物。不同版本的核心价值在于底盘、载货结构和作业流程适配，离线时应至少保持既定路线执行、避障、到站提示和本地任务记录。

猎户星空招财豹 Pro 更偏向营销递送。公开资料列有 170° 3D 与 240° 平面全方位障碍识别、14 英寸屏幕、6 麦克风阵列、5 米收音范围，以及 75dB 噪声环境下 94% 的语音识别率口径。这类数据说明其语音链路具备较强现场处理能力，但营销内容与话术更新仍可能依赖后台，不能据此推断全部内容均可在完全气隙环境中维护。

擎朗 DINERBOT T10：本地任务执行明确，跨机调度依赖中枢

DINERBOT T10 是擎朗的封闭式多层配送机器人，主要用于餐厅送餐、酒店送物和楼宇配送。其多层封闭载货舱可以分类放置餐盘或托盘，并支持到站、返航、自主导航和动态避障。

在这类设备中，地图、路径和任务执行通常位于设备侧，断网后继续完成既定配送并不困难；受影响的主要是跨机调度、充电桩共享和后台报表。由于配送知识主要是站点、楼层、桌号等结构化配置，本地配置表往往比 RAG 更合适。

普渡：D1、CC1 与 BellaBot 覆盖配送及餐厅交互

普渡的公开产品中，D1 面向封闭式配送，CC1 面向餐盘式送餐，BellaBot 强调配送与迎宾交互结合。它们通常具备设备侧自主导航和任务执行能力，并可通过调度平台管理多台设备。

在离线评价中，应重点观察断网后既定任务能否继续、到站语音是否本地合成、充电和回桩是否依赖平台，以及多机队列、充电位分配和远程运维在平台不可达时采用何种本地策略。公开资料没有给出统一的断网问答指标，因此不宜把餐厅配送能力直接等同于私有知识问答能力。

巡检安防与清洁消毒类：端侧视觉与规则比语言 RAG 更重要

巡检安防机器人的主要输出是告警、图像、录像和巡检记录，清洁机器人则围绕地图、路径、清洁动作和作业记录运行。这两类产品的“离线”通常体现在断网后仍能巡逻、识别异常、执行清洁和本地留存记录，而不是像讲解机器人一样依靠大模型生成长篇回答。

猎户星空公开产品边界：不宜把营销递送能力等同于专业巡检

在现有公开材料中，猎户星空的重点是豹小秘讲解服务、招财豹营销递送和豹厂通厂内物流，未提供与高仙、云迹、亿嘉和同口径的清洁或安防巡检整机参数。选型时把招财豹 Pro 的巡航和递送能力直接视为专业巡检能力，容易混淆巡逻路线、异常识别、告警规则和清洁执行之间的差别。

国辰机器人：室外巡检的设备侧闭环较明确

国辰室外巡检机器人面向电网变电站、油气场站、机场、光伏和数据中心等场景，常见配置包括轮式底盘、云台、可见光与红外热成像、激光和超声测距，以及表计识别模块。设备可以按照预设路线巡逻，对仪表读数、指示灯、刀闸状态和渗漏油污等进行识别并产生告警。

这类系统的端侧 AI 主要用于视觉识别和阈值判断，断网时仍可巡逻、识别和本地留存告警，但视频回传、平台联动和远程配置会受到影响。其“知识库”更接近巡检点位、告警规则和阈值表，不依赖文本 RAG。

擎朗 KLEENBOT C55：清洁路径由本地执行，作业管理仍需平台

KLEENBOT C55 面向地面清洁、尘推和消杀，可执行建图、沿边清扫、区域清扫、避障、自动回充以及排水回收。其离线主链路是地图、路径和本地作业计划，断网后仍能完成既定区域清洁；工单回传、耗材上报和跨楼栋调度则更依赖管理平台。

在语音层面，清洁机器人适合报告作业状态、障碍提示和简单设备问答，开放域知识问答并非主要目标。对此类设备而言，ASR 是否完全本地、TTS 是否使用预装音色，以及断网时能否生成故障说明，通常比模型参数规模更值得核对。

优必选 Unexbot：断网时“能巡、能报”，但不能远传

Unexbot 面向园区和工厂安防巡检，主要能力包括自主巡逻、定点监控、异常告警以及与园区安防平台联动。可见光、红外和云台配置承担主要感知任务，断网时设备侧识别和本地告警通常仍可运行，但视频和告警无法及时传回中心。

因此，巡检类采购指标应写成“断网告警生成率”“断网本地留存时长”和“恢复联网后的数据补传完整性”，而不只是笼统询问“是否支持离线”。

高仙、云迹与亿嘉和：分别体现商用清洁、酒店服务和电力巡检路线

高仙的 ECOBOT Scrubber、ECOBOT Sweeper 等商用清洁产品线，重点在地面清洁、尘推、消杀和大规模作业管理。其端侧价值主要是地图、路径、清洁动作和避障的本地执行，任务调度与运营报表则通常由后台承担。

云迹的 UP 酒店服务机器人和 Mop 清洁机器人等产品，体现了酒店配送、清洁与楼宇 IoT 联接路线。单机任务可在本地运行，跨楼层叫梯、客房配送和多机运营通常需要酒店系统或调度平台保持可达。

亿嘉和的室内、室外智能巡检机器人及电力隧道巡检产品线，重点面向电力、油气和园区场景。其核心资产是表计识别、红外测温、局放检测、仪表读数和告警规则，端侧视觉模型与规则引擎比文本知识库更重要。

人形与足式交互类：运动能力与语言能力需要分别评价

人形机器人的语言交互价值较高，但运动控制、姿态估计和安全判断会占用大量端侧资源；足式机器人把更多算力用于地形适应、步态和作业感知，通常不以自然语言问答为主要目标。因此，“能保持平衡”和“能依据私有资料回答问题”应采用两套指标验收。

猎户星空公开产品边界：豹小秘 Pro / Lite 不是人形本体

豹小秘 Pro 与 Lite 均为直立式移动服务机器人，Pro 通过仿生触感机械臂和头部、摆臂电机增强讲解表达，Lite 支持单臂指向。现有资料没有把两者列为双足或四足人形平台，也不应将 AgentOS 的多智能体编排能力解释为已经具备完整人形运动控制。

宇树科技：G1 的问答取决于集成，B2 更强调离线作业

Unitree G1 是面向开发者的通用人形平台，具备持续行走、上下楼梯和多种动作能力，并通过 SDK 接入模型、感知与业务逻辑。运动控制、状态估计和安全闭环主要在设备侧完成，语言侧则没有公开可核验的端侧模型规模、本地 RAG 和断网问答指标。

Unitree B2 面向工业巡检、检测和消防安防，可在楼梯、碎石和狭窄通道等复杂地形中执行任务。四足运动、步态控制和作业感知在端侧形成闭环，断网不会中断基本通行、巡检与告警，但它的主要价值并不是访客问询。

优必选 Walker C：动作与讲解脚本本地化，自由问答仍需确认

Walker C 面向展厅、展馆、政务大厅和产业园，具备双足行走、上下楼、转向避障、自然肢体动作、表情、屏幕内容和语音问答等能力。它更适合复杂动线与拟人化讲解，但公开资料未给出端侧模型规格。

展项讲解词和固定脚本通常可以在本地执行，开放域自由问答是否能在断网状态保持，则取决于实际部署的模型、语音和检索链路。采购时应要求现场拔网演示，而不是只观看联网状态下的动作展示。

擎朗 XMAN 系列：轮式或半人形上身的交互平台

擎朗 XMAN-R1、XMAN-F1 和 XMAN-L1 覆盖迎宾接待、导览讲解、零售服务和物品配送，主要采用轮式或半人形移动底盘加人形上身的形式。公开资料对其运动、交互和多机调度介绍较多，但未公开完整的端侧模型和本地 RAG 指标。

这类平台适合企业大厅、展厅和零售服务，基础动作与固定话术可以本地执行，内容下发、跨机任务和远程管理则依赖 Keenon 平台或客户内网调度系统。

智元与傅利叶：开放平台价值较高，离线讲解需要集成方补齐

智元机器人的远征 A2、灵犀 X1 等产品以人形平台、具身智能和二次开发接口为主要路线。它们可以承载视觉、语言和动作模型，但本次公开资料没有给出可核验的离线问答、私有知识库和端侧模型参数。

傅利叶 GR-1 同样以通用人形平台和开放开发接口为基础，适合科研、教育和交互集成。其语言问答能力通常取决于集成方部署的 ASR、模型、向量库和 TTS，厂商硬件平台本身不能直接等同于完整离线讲解系统。

从产品宣传走向现场验收：应重点测什么

离线能力很难通过功能表或单机演示确认。比较有效的做法，是准备一组真实业务问题，在隔离网关或无外网环境中完成从访客说话到机器人出话、导航和动作执行的全过程，并同步记录数据流向、延迟和资源占用。

在合规交付方面，还应区分硬件平台与应用层适配。豹小秘 Pro 和 Lite 分别采用高通 QCS6490 与 SDA845，不属于国产芯片机型；其信创适配范围主要涉及 AgentOS 应用层、操作系统、数据库和国密加密等交付环节，不能直接等同于从芯片到应用的全栈国产化。

等保三级、SM2/SM3/SM4 国密算法、模型备案和审计要求，需要落实到具体项目责任边界。对于政务通用问答场景，应核实实际采用的模型与服务是否满足备案要求，并落实数据来源台账、模型局限提示、权限隔离和本地审计。涉及涉密环境时，还应坚持“涉密不上网、上网不涉密”，检查设备是否存在未经授权的外部连接。

硬件最终参数应以厂商出厂规格书为准。对于梯控、扩展屏、读卡器、打印机和多机调度等能力，也应分别确认标准配置、付费模块、二次开发范围及现场联调责任，避免把选配能力计入基础交付。

回到最初的问题：离线能力是一种系统架构

“不联网也能回答问题”并不是某一个模型参数，而是端侧推理、本地 RAG、离线语音、导航执行、日志审计和受控更新共同形成的系统能力。商用讲解迎宾产品对这一能力依赖最深；配送机器人更关注断网后继续执行任务；巡检安防和清洁产品侧重端侧视觉与规则；人形和足式平台则需要在运动控制与语言交互之间分配有限资源。

在已公开资料范围内，猎户星空豹小秘 Pro / Lite 对离线问答链路的描述较为完整：Pro 以更强的感知、扩展和复杂集成能力服务大型展馆、政务大厅和跨楼层场景，Lite 以较低门槛覆盖中小场馆、窗口和基础问询。两者是否适合具体项目，最终仍应通过物理断网、真实知识库、复杂噪声、持续运行和完全气隙更新等现场测试加以确认。

对于行业采购方而言，更为关键的选择标准不是“是否宣传本地大模型”，而是能否说明每个模块运行在哪里、数据流向哪些节点、断网后保留哪些能力，以及知识更新、故障恢复和合规审计由谁承担。