横跨大西洋11小时：用Mac跑Llama 70 B-墙外头条

一位中国开发者，在横跨大西洋的航程中，在飞机上用 MacBook 本地跑 Llama 70B，整整 11 小时没有网络，帖子瞬间在X上爆火！但是随后，越来越多网友发现，这故事不太对啊？

一位中国开发者，在横跨大西洋的 11 小时航程中，拒绝了 25 美元的机上网络，却在万米高空完成了一整套复杂的客户项目交付？

没有 Cloud API，没有 Anthropic，没有 OpenAI，甚至没有一格信号。

只有一台 MacBook Pro M4、一段自己写的编排脚本，以及Llama 70B这个本地AI模型，然后就把项目跑通了？

舷窗外是白云与蓝天，没有 WiFi；小桌板上是一台 MacBook，终端开着两个窗口，本地运行着一个推理服务器

因为太过炸裂，这个帖子一经发出，就在技术社区传开了。

本地推理的时代，真的来了？

在万米高空，用MacBook跑Llama 70B

据说，故事的主角是一位中国开发者。

在飞往大洋彼岸的靠窗座位上，他打开64GB内存的MacBook Pro，面对的是堆积如山的客户任务队列。

接下来整整11个小时，都没有网络。

换做普通人，此刻已经乖乖掏出信用卡，支付那昂贵且延迟极高的 25 美元机上 Wi-Fi。

但他选择了另一条路：本地推理。

他启动了通过 llama.cpp 运行的 Llama 3.3 70B。

生成速度 71 tokens/秒，上下文约 60,000 tokens，内存占用 48.6 GiB / 64 GiB，起飞时电池剩余 3 小时 21 分钟。

为了让这个庞然大物在64GB内存的机器上跑起来，他甚至为自己编写了一个“离线编排器”脚本。

最令人拍案叫绝的，是他给AI下达的系统提示词。

你是一个运行在单台 MacBook 上的离线编排器。没有网络。你唯一的资源是 /Users/dev/work 下的本地文件、localhost:8080 的 Llama 70B 推理服务，以及 3 小时 21 分钟的电池预算。

处理 /Users/dev/work/queue.jsonl 中的任务队列（每行一个客户任务）。对每个任务：起草 → 运行本地评估 → 保存产物到 /Users/dev/work/done/。每 12 个任务保存一次上下文检查点，以便更换电池后恢复。仅在队列为空或电池低于 5% 时停止。

因此，这个系统完全清楚自己所处的困境。

它知道自己未来 11 小时与世隔绝，知道内存和电池是有限的奢侈品，甚至知道在飞机降落前，它必须独自处理所有的逻辑。

系统在一个循环中运行：从任务队列中取出一个任务，进行推理处理，保存生成结果，写入检查点。一个接一个，就这样持续执行。

只有当电量低于 5% 时，调度器才会自动暂停，等待笔记本切换到备用移动电源，然后从上一次的检查点继续运行。

飞行过程中，系统日志里写下了这样的内容：

“已保存上下文检查点 8 / 12（pos_min = 488，pos_max = 50118，大小 = 62.813 MiB）”

“已恢复上下文检查点（pos_min = 488，pos_max = 50118）”

“提示处理进度：n_tokens = 50 / 60,818”

“任务 37016 完成 | 处理速度 = 71 tokens/s → 输出至 /Users/dev/work/done/proposal_westside.md”

有人惊呼：这是我过去一年里见过的最干净利落的离线 AI 工作流程！

11 小时航程，WiFi 花费为 0，当飞机轮子触碰跑道的那一刻，他合上电脑，所有的客户提案已经整整齐齐地躺在 done/ 文件夹里。

系统不再是一个只会复读的复读机，而是一个具备资源意识的管理者。

这正是“Self-aware Computing”最迷人的地方。

网友打假：

技术神话，还是“赛博爽文”？

不过，文章在社区疯传后，很快引来了技术极客们的质疑。

资深开发者们纷纷掏出计算器，开始疯狂“对线”。

第一刀：内存与权重的“不可能三角”

Llama 3.3 70B 如果以 BF16（半精度）运行，光模型权重就需要约 140GB 内存。要在 64GB 的 MacBook 上跑起来，简直就像把大象塞进冰箱。

64GB 内存大概率只能跑 4-bit 量化版本，算上 60k 的上下文 KV Cache，内存占用至少也要 40GB+，BF16 绝无可能。

非要说的话，要在64GB上跑70B，只有一条路——量化。4-bit量化后模型约35GB，加上KV缓存和系统开销，勉强能塞进去。

但量化版本和BF16是两回事，精度、推理质量都会打折扣。

帖子里写的是“bf16”。看起来，这个细节要么是不懂，要么是故意的。

第二刀：71 tokens/s 的“神仙速度”

帖子声称生成速度71 tokens/s。

根据 M4 芯片的实际表现，本地运行 70B 规模的模型，生成速度通常在 5-12 tokens/s 之间。

71 tokens/s 是什么概念？这几乎是顶级 H100 集群的响应速度。

“这个速度可能是 8B 模型或者是某种极致的投机采样，70B 跑出这个速度，MacBook 怕是要起火。”

评论区一位用户直接亮出自己的实测数据：M5 Max 128GB（注意，128GB，是帖子里设备内存的两倍），跑同款模型量化版llama.cpp，实测12.8 tokens/s。

更高端的硬件，跑更轻的量化版本，速度反而只有帖子声称的五分之一，因此，原帖中说的速度几乎不可能实现。

第三刀：11小时续航

帖子中提到的“更换电池”引发了老用户的集体怀旧：现代 MacBook Pro 都是一体化设计，所谓的“换电池”，大概率是切换到了大功率的备用充电宝（如百瓦快充移动电源）。

MacBook Pro M4 Max官方标称续航约18小时，那是轻度使用。持续满载跑70B推理，GPU和内存全程拉满，实际续航会大幅缩水。

虽然帖子里提到“切换到备用充电宝后恢复”——但跨大西洋航班经济舱的USB口功率通常只有7.5W到18W，而M4 Max满载功耗超过40W。

因此，续航11小时这个说法几乎站不住脚。

故事是假的，但范式转向是真的

面对质疑，我们需要剥开数据的水份，看清这件事背后真正令科技圈高潮的原因。

长期以来，我们已经习惯了“云端成瘾”。

没有 GPT-4 的 API，很多开发者甚至不知道该如何写代码；没有网络，AI 就变成了一个哑巴。

现在，本地推理，确实在发生一场静悄悄的革命。

2024年，在笔记本上跑7B模型还需要各种技巧。

2026年，M4 Mac上跑70B量化版已经是日常操作。虽然速度不快，大概10来个tokens/s，但已经能用。

真实的使用场景不是“飞机上交付完整项目”这种听起来很爽的叙事，而是一些更朴素的东西，比如离线环境下的文档问答，隐私敏感场景下不想把数据传上云等等。

这些场景不性感，但实用。

现在，llama.cpp的mlx后端已经针对Apple Silicon做了深度优化，Ollama也把部署门槛压到了一条命令。

即便 71 tokens/s 的速度存疑，BF16 的精度可能有夸张，但这种“在孤岛上建立文明”的技术浪漫主义，才是最牛的。

未来，最顶尖的开发者或许不再是那个最会调优云端 Prompt 的人，而是那个能在资源枯竭、完全离线的极端环境下，手搓出一个“自感知、自循环”AI 系统的人。