肯尼亚创企Fastagger：让AI在离线低端手机上跑起来

当全球AI竞赛聚焦于更大参数、更强算力时，一家来自肯尼亚的初创公司选择了完全相反的路径：把AI塞进低端手机，让它在没有网络的环境下也能工作。Fastagger的故事说明，AI普惠的关键或许不在于模型有多强，而在于它是否愿意为最普通的用户重新设计。

被忽视的非洲，与一个迟到的问题

2019年，Mutembei Kariuki在东京大学参加一场关于AI未来的会议。台上反复讲着这项技术将如何改变世界，但整场会议没有一次提到非洲。"没有人提到非洲，"他回忆道。

那时的OpenAI和Anthropic尚未向公众发布聊天机器人，但Kariuki已经看清了非洲采用AI的现实障碍：网络又慢又不均衡，训练模型所需的算力稀缺，高质量的结构化训练数据几乎没有。更关键的是，大多数人上网靠的是内存有限的旧款功能机，而不是电脑或高端智能手机。

回国后，Kariuki与Jude Mwenda、Stephanie Njerenga共同创办了Fastagger，目标很明确——做能在离线和低功耗手机上运行的AI模型。

Auni：从手机钱包里读出商业洞察

Fastagger的第一个重要产品Auni是一款商业智能助手。它被集成进肯尼亚最大的移动支付服务M-Pesa的业务应用中，获得了关键的渠道推力。据IEEE Spectrum报道，Auni上线后已有约6000家企业注册使用，用户包括理发店、餐馆和小型制造商。

这类小企业的共同点是没有像样的数据基础设施。内罗毕一家理发店的老板Peter Chege此前把所有销售记录写在纸上，"我们没法把这些信息转化成图表"。接入Auni后，他能看出哪天、哪个时段最忙，也能识别出常客；如果一位熟客不再出现，他可以发送个性化消息把人唤回来。

对Chege来说，最直接的价值是时间管理。一张简单的图表显示上午是生意最冷清的时段，他于是把跑腿的事安排在那时，或者推迟到下午1点客流回升前再增加理发师。

M-Pesa是肯尼亚最大的移动支付服务，由Safaricom于2007年推出，用户可通过功能手机进行转账、支付和储蓄，无需银行账户。它在肯尼亚的普及率极高，超过80%的成年人使用，因此沉淀了海量交易数据。对于小企业而言，M-Pesa的账单和交易记录实际上构成了他们唯一的"财务系统"，这也是Fastagger选择将其作为数据入口的原因。

为现实条件做设计，而不是把产品硬塞过来

Fastagger的做法和"把成熟市场的产品稍作适配"有本质区别。开发Auni之前，团队先解决了训练数据从哪来的问题。他们把目光投向移动支付应用——肯尼亚超过80%的成年人使用移动钱包，这本身就是一座数据富矿。

第一步是改造一个开源OCR模型，让它能读取移动支付应用生成的财务报表。现成模型在这些低质量PDF上表现不佳：格式陌生，还夹着印章和错误。考虑到目标用户网络不稳定，团队把表格整理等关键步骤放到了设备端运行。

接下来是理解用户的生活节奏。团队花了整段时间观察小企业主如何工作、如何与顾客互动。一个障碍很快浮现：店主们整天站着剪头发，根本没有时间和精力去想日常运营之外的事。Kariuki说，"你必须考虑用户旅程的这种动态，他们怎么生活，后台会发生什么。"

在功能设计上，Auni把能力做了分层：读取销售报表、分析数据、可视化结果这些环节可以在低价手机上离线完成，不发起云端查询；更复杂的分析和围绕数据的问答则需要联网。这类功能混合了AI与传统软件——标准OCR提取文本，小型神经网络判断文档结构。

OCR（光学字符识别）是一种将图片中的文字转换为可编辑文本的技术。传统OCR模型通常在扫描文档或清晰印刷体上训练，但移动支付应用生成的PDF往往格式不规范、分辨率低，还夹杂印章、手写批注等干扰元素，导致现成模型识别准确率下降。Fastagger改造开源OCR模型，使其适应这些低质量文档，并通过在设备端运行关键步骤来规避网络不稳定的问题。

多源视角：约束催生的创新，也暗藏分叉风险

在Auni之外，Fastagger还开发了一套面向肯尼亚安保行业的人力管理工具。保安常驻偏远地点，没有稳定网络，用的也是低端手机。Fastagger的AI代理通过短信与他们沟通，追踪巡逻路线、发现异常，并向运营团队生成可执行的警报。

Fastagger并非孤例。据IEEE Spectrum梳理，智利有面向无网农村学校的应用，印度有服务农村患者的医疗分诊聊天机器人，还有能在普通人已有手机上运行的非洲语言翻译模型。这些从约束中生长出来的创新，正在推动AI的民主化。

哥伦比亚大学研究AI对发展中经济体影响的经济学家Daniel Björkegren认为，撒哈拉以南非洲以基础手机为主的现实，可能催生不同的AI使用形态。"技术史应该告诉我们，这里不会是人们在笔记本电脑上跑Claude Code或Codex，"他说，"你会看到这样的人，但对大部分人口来说，我们得想出不同的使用方式。"

但他也提出了一个值得警惕的判断：为新兴经济体设计的小模型，与为富裕地区打造的越来越大的模型之间，如果界限过于清晰，可能导致"分叉"。"我们需要提供丰富的选项菜单，确保人们能获得访问权，然后看什么真正有效。"

这一分歧值得认真对待。乐观的一面是，约束倒逼出的工程创新确实能让更多人用上AI；悲观的一面是，如果小模型被定位为"够用就好"的降级方案，数字鸿沟可能以新的形式固化下来。

AI能力分叉（AI divergence）指的是不同地区因基础设施、数据、算力等条件差异，发展出截然不同的AI应用形态和能力水平。富裕地区倾向于追求更大参数、更强性能的通用大模型，而新兴经济体则可能依赖专为低资源环境设计的小型专用模型。如果两者之间的能力差距持续扩大，且缺乏互通与迁移路径，可能导致数字鸿沟以新的形式固化——小模型用户被锁定在"够用就好"的降级体验中，无法享受前沿AI的进阶能力。

三个人的公司，与一个更大的命题

Fastagger获得了Google、Microsoft和NVIDIA加速器项目的支持，但至今仍只有三名员工——三位联合创始人。他们正在为Auni加入能自动执行业主营销动作的代理功能。

这家小公司的价值不在于规模，而在于它提供的样本：当AI产品从最受限的用户条件出发做设计，反而可能触达更广阔的真实需求。对全球AI开发者而言，这或许是比参数竞赛更值得思考的方向。