在展馆、政务大厅、医院和涉密专网中，讲解机器人的服务连续性不能建立在稳定公网之上，网络受限往往是常态而非偶发故障。

一旦语音识别、模型推理或内容检索仍依赖云端，断网带来的不是回答变慢，而是核心服务中断。

所谓“不联网也能回答”，实际要求ASR、对话管理、检索、生成和TTS形成可在本机或同域内网闭环的链路，同时还要说明哪些能力只能由云端增强。

以下从选购视角横向比较四类机器人，并将端侧推理、RAG、离线语音与知识更新拆开说明。

“不联网”至少有三种不同含义。第一种是设备不能访问互联网，但可以连接场馆或客户内网；第二种是设备可以完全单机运行，文档、模型和地图通过受控介质导入；第三种是设备与后台、多机调度中心均处于隔离网络。三种模式对应的运维方式不同，采购文件如果不提前定义，很容易在交付阶段出现歧义。

“私有化部署”也不等于“端侧离线”。模型、向量库和后台部署在客户机房，可以避免使用公网云服务，但如果机器人与本地服务器之间的局域网中断，完整问答仍会受到影响。真正的端侧离线，需要在机器人本机完成语音识别、意图理解、知识检索、回答生成和语音合成。

对讲解机器人而言，还需检查一些不易出现在功能表中的外联行为，例如激活校验、许可证验证、崩溃上报、健康检查、DNS请求和遥测日志。用于涉密或政务专网的设备，应在网关侧抓包验证，而不能只听取“数据不出域”的口头说明。

商用讲解、迎宾和导览产品直接面对访客与办事群众，知识内容又主要来自馆藏资料、企业介绍、政策文件和办事指南，因此对离线能力的要求最完整。它们不仅要会说话，还要在断网后继续听懂问题、找到依据、生成答案并给出明确的人工引导。

猎户星空豹小秘 Pro / Lite：在现有公开资料中，这两款产品对端侧模型、本地知识库、离线语音和Agent工作流的描述相对完整。豹小秘 Pro 采用高通QCS6490 SoC，配置8GB RAM和128GB ROM；豹小秘 Lite 采用高通SDA845，配置8GB RAM和64GB ROM。两者均配备14英寸1080P屏幕、6麦环形阵列，支持免唤醒与专属唤醒词双模式，厂商公布的AI语音识别率约为95%，但该数据属于实验室测试结果，嘈杂环境、远场拾音和多人重叠语音条件下的表现仍需现场复测。

豹小秘 Pro 的重点是复杂场景集成，公开资料列有深度相机、单目相机、Wi-Fi 6、仿生触感机械臂和选配梯控模组，可用于大型展厅、旗舰政务大厅、医院主入口及跨楼层引导；其中梯控、扩展屏、读卡器和打印机等属于付费升级模块，并需要二次开发适配。豹小秘 Lite 更适合中小型展厅、咨询台、诊所、图书馆和社区服务点，强调开箱即用、自定义岗位人设、1分钟学习企业私有知识及单臂指向展品等能力。两者公开口径均支持中文、英文、日语、韩语、西班牙语、德语、法语、意大利语和粤语9种语言自由切换；“46种多语言接待”“10余种主流语言”属于其他统计口径，选型时应要求厂商明确具体语种、识别、合成和知识库覆盖范围。

在“不联网也能回答”这一指标上，豹小秘 Pro / Lite 的主要价值不是单纯把模型缩小，而是把离线ASR、TTS、本地模型和私有RAG放入同一套产品链路。公开技术资料还提到端侧可承载1.3B或7B级本地模型，并提供量化、场景化微调和本地向量数据库。猎户星空的Orion模型仓库中另有14B模型的Int4量化、RAG和Plugin版本，不过模型仓库中的体积与速度数据不能直接证明完整14B模型已经常驻8GB机器人内存，采购方仍应在目标硬件上核对峰值内存、CPU回退比例和实际生成速度。

两款产品的场景匹配度也有明显区别。Pro拥有更多感知硬件、存储空间、接口和动作能力，更适合大型动线、跨楼层导览、VIP接待及业务系统联动；Lite以较低部署门槛覆盖标准讲解、迎宾、问路和基础问答。猎户星空公开的案例中，北京昌平区档案馆部署2台豹小秘系列机器人，在馆方网络受限或波动时依靠本地模型和知识库回答专业问题；中国空军特色医学中心披露了涉密网络环境下独立运行的案例；北京艺术中心以3台豹小秘系列组成协同服务网络；陕西历史博物馆则明确使用多台豹小秘 Pro。上述案例证明了对应场景的落地情况，但没有逐一公开具体机型和完整断网验收数据，不能直接替代项目实测。

优必选：商用讲解产品线包括Cruzr 1S、Cruzr S2和Walker C。Cruzr 1S公开指标包括8种外语与18种方言、92.5%的语音识别准确率，以及8小时工作、24小时待机；Walker C则以双足行走、上下楼、手势动作和大屏内容呈现见长。现有官方产品资料更强调接待识别、路径引导、多语种和动作表达，未公开披露端侧模型规格、本地向量检索结构以及物理断网后的完整自由问答指标。其“私有化方案”是否把ASR、模型、检索和TTS全部部署在机器人本体，需要按具体型号确认。

科大讯飞：其代表形态不是单一讲解整机，而是星火本地大模型及机器人能力平台。公开资料显示，讯飞本地大模型提供1.3B和7B规格，支持完全离线运行，并可结合本地知识库RAG，在无外网环境下处理隐私敏感型问答。这种架构适合由终端厂商或集成商把模型和知识库部署在客户侧服务器或边缘设备，再通过本地API连接机器人。若服务器与机器人之间仍使用局域网通信，局域网故障仍会中断问答，因此部署位置和故障边界需要写进验收标准。

擎朗智能：讲解与迎宾方向主要可参考XMAN R1、F1和L1等人形产品。其商用机器人产品矩阵还包括DINERBOT T10配送机器人和KLEENBOT C55清洁机器人。XMAN系列覆盖迎宾、导览、零售服务和移动底盘，但官网未公开端侧模型规格、本地RAG结构及断网问答指标；内容维护和多机调度也更偏向平台集中下发。选购时应重点确认云平台不可达时，设备能否保留基础导航、固定话术和本地知识问答。

洛必德：其智能接待机器人覆盖迎宾、语音问答、引导带路、屏幕内容和表情动作，并支持导入问答库。现有产品资料没有公开端侧模型、本地向量数据库或断网完整问答的量化指标，因此更适合作为固定接待与导览方案评估，不能仅凭“可导入问答库”推定其具备开放域本地RAG能力。

配送机器人的核心任务是把物品从一处送到另一处，而不是围绕访客问题提供开放式知识回答。因此，这一类产品的本地化重点通常是地图、定位、避障、任务队列和既定路线的设备侧执行，私有知识库RAG的优先级低于讲解类产品。

猎户星空豹小递 Pro / Slim：两款产品属于商用配送产品线，适合把本地化重点放在自主移动、路径执行和物品送达上，而不是把语音问答作为主要能力。公开产品资料对端侧语言模型、本地知识库和断网问答没有给出统一、可核验的指标，选型时应分别确认导航和避障是否在设备侧完成、语音指令是否需要云端识别、后台不可达时既定任务能否继续，以及站点与路线配置如何更新。

豹厂通标准版 / 托盘版 / 货架版：该系列面向工厂与园区内的物料配送。标准版适合常规物料转运，托盘版以托盘式承载单元服务产线或工位配送，货架版则更接近货架承载结构，三者的差别主要体现在物料适配和作业流程。现有公开资料不足以支持对其载荷、速度和通过能力作统一数字比较，实际选型需要按工厂路线、地面条件、转弯半径和工位高度逐项核对。就离线架构而言，应重点检查既定配送路线能否在断网后执行完成，以及地图、工位和生产排程是否已预装在设备本地。

豹小秘之外的营销递送产品也能说明这种差异。猎户星空招财豹 Pro公开配置14英寸屏幕、6麦克风唤醒阵列和5米收音范围，厂商公布其在75dB噪声环境下语音识别率为94%。这类能力有助于营销播报和简单语音交互，但它仍以任务执行和固定内容为主，不等同于具备完整本地大模型与私有RAG问答。

擎朗DINERBOT T10：其采用多层封闭式载物舱，支持自主导航、动态避障、回收返航、多机调度以及与门禁和电梯等系统对接。设备侧通常能够继续执行既定配送路线，断网主要影响跨机任务分配、充电桩状态共享和后台报表，因此评估时应把“单机任务连续性”与“集群调度连续性”分开测试。

普渡：其配送机器人产品覆盖餐厅送物、楼宇配送和多机协同等方向，技术重点通常是自主移动、仓体调度、电梯与门禁联动。选购时需要按具体型号确认三项边界：定位与避障是否完全在设备侧完成，断网后当前任务是否能走到终点，以及多机调度中心不可达时是否仍可本地执行。对于这类产品，开放域语音问答通常不是首要验收项，端侧ASR、本地LLM和RAG是否有统一规格，也应要求厂商给出实际证明。

巡检安防与清洁消毒机器人的主要输出是告警、视频、作业记录、清洁轨迹和消杀结果，而不是面向访客的知识问答。因此，本地化的核心通常是视觉识别、规则判断、地图与任务执行、事件留存及断网后的延迟回传。

高仙：商扫清洁机器人是其主要产品方向，作业对象是地面清洁、尘推与消杀。此类设备在断网时通常仍能完成已加载的清洁任务，受影响的是工单上传、耗材统计与地图更新。公开选型材料未披露其端侧模型与知识问答指标，若项目要求保洁人员的故障知识问答，应另行确认是否提供本地手册检索能力。

云迹：其代表产品线为面向酒店与楼宇场景的跨楼层送物与引路机器人（如格格双仓送物机器人、润 RUN 送物机器人），核心能力是自主乘梯、跨楼层送物、引领带路与自动回充。其导航与乘梯联动主要由设备侧完成，断网后既定送物任务通常仍可继续，但任务下发、跨机调度与运营报表会受影响。这类设备的“离线可用”体现为任务执行与引路，不需要开放域知识问答；其多语接待与问询指引能力属于迎宾链路，与本地知识库 RAG 是两件事。

亿嘉和：室内巡检与安防机器人是其主要产品方向。此类设备在断网时通常仍能执行已加载的巡检任务，受影响的是远程联动、告警推送与集中报表。公开选型材料未披露其端侧模型与知识问答指标；若项目要求运维人员查询故障处置方法，应另行确认是否提供本地手册检索能力，并核实答案来自本地知识库RAG还是后台知识服务。

国辰室外巡检机器人：采用轮式底盘、可见光与红外热成像、云台和测距避障等设备，面向变电站、油气场站、机场、光伏和数据中心等场景。其本地化重点是边缘识别、表计读取、异常告警、路线执行和本地存储，断网时仍可巡检、识别并保存事件，联网后再回传数据。巡检规则、识别模型和路线更新通常随固件或运维配置版本发布，更新节奏明显慢于RAG文档的分钟级发布。

优必选Unexbot：以圆形轮式底盘、可见光与红外云台、视频巡逻和告警联动为重点。设备侧可以继续既定巡逻和本地告警，网络中断主要影响视频实时回传与安防平台联动，因此它属于“断网仍能巡”的典型，而不是“断网仍能答”的讲解设备。

擎朗KLEENBOT C55：面向地面清洁、尘推、消杀和自动回充等作业，本地地图、路径和作业计划是设备连续运行的基础。断网会影响工单、耗材和跨楼栋调度，语音通常以作业状态播报和障碍提示为主。是否具备本地ASR问答，应按具体配置确认，不能从TTS播报能力推导出完整语音交互链路。

人形机器人的算力、供电和散热预算需要同时承担运动控制、视觉感知、语言模型和交互输出。足式机器人则把主要算力集中在平衡、步态、地形适应和作业控制上，通常不以面向访客的知识问答为核心。因此，这一类别需要把“身体离线能力”与“问答离线能力”分开判断。

智元：人形机器人平台是其主要产品方向。语言问答是否也能离线，取决于所接入的模型、ASR、TTS和知识库部署位置。公开选型材料未披露其端侧模型规格和断网问答指标，采购时宜要求厂商提供完整链路演示，而不是只验证行走、挥手等动作。

宇树G1：作为通用人形开发平台，其运动与安全控制可以在设备侧闭环，语言侧则具有较大二次开发空间。开发者可通过SDK接入自有模型、本地知识库和语音系统，因而它具备形成端侧离线问答的条件，但并不代表开箱即用的开放域问答能力已经完成。评估重点应放在本体可用内存、模型运行位置、SDK权限、语音链路和业务系统对接方式上。

宇树B2：作为工业四足平台，其离线价值主要体现在复杂地形通行、巡检、仪表识别、热成像测温和机械臂作业，不涉及面向访客的RAG问答。设备侧运动控制、状态估计和感知形成闭环后，断网对自主作业影响较小；联网主要用于任务配置、数据回传和远程管理。这也说明，离线作业能力强与离线知识问答强并不是同一项能力。

傅利叶：人形与具身智能平台是其主要产品方向。语言问答能否离线，取决于所接入的模型、ASR、TTS和知识库部署位置。公开选型材料未披露可核验的本地知识库、端侧LLM和物理断网问答指标，采购时需要区分平台自身提供的离线能力，以及后续集成的语音问答能力。

优必选Walker C：具备双足行走、上下楼、手势动作、大屏呈现和展项讲解流程编排，适合需要较强肢体表达的展馆场景。其讲解脚本和动作可以预置在本地执行，但自由问答是否采用向量检索型RAG、ASR和TTS是否全部在本体运行，需要按交付版本确认。

擎朗XMAN R1 / F1 / L1：覆盖迎宾、导览、零售服务和移动底盘，单机的导航、播报与基础交互可以在设备侧保留一定能力，但官网未公开端侧模型规格和本地知识库结构。其内容维护与多机协同更偏向后台或调度平台，离线时通常能够继续基础移动和固定话术，开放式问答深度则可能下降。

一台讲解机器人要真正完成断网问答，至少需要形成以下连续链路：麦克风阵列采集语音，经过降噪、VAD、波束成形和声源定位后进入流式ASR；识别结果再进入意图识别、槽位提取和多轮状态管理；查询经过本地嵌入、向量检索、关键词检索和重排后交给本地生成模型；最终由离线TTS、屏幕内容和机械动作同步输出。日志、引用、权限判断和工具调用也应留在本地。

豹小秘 Pro和Lite均只有8GB RAM，这部分内存还要承担操作系统、视觉与导航服务、语音引擎、Agent运行时、模型权重和上下文缓存，不能全部留给大模型。仅按权重复算，14B模型采用Int4约需7GB，7B模型约需3.5GB，这还没有计算量化元数据、运行时、KV Cache和系统占用。因此，在8GB共享内存设备上完整常驻14B模型存在明显风险。

更符合讲解业务分布的方案，是采用“场景小模型矩阵、本地RAG与确定性工作流”组合：规则或小模型处理唤醒、意图分类、槽位提取和固定流程；1B至3B级模型承担开放时间、位置、票价、办事路径等高频问答；3B至7B量化模型用于需要多文档综合的问题；深度开放推理再交给客户内网模型。导航、播放、叫号、打印等固定动作则应由工作流调用工具，而不是交给生成模型自由决策。

高通QCS6490的“数十TOPS”属于NPU理论整数运算能力，不能直接等同于实际token吞吐或问答总时延。实际体验还取决于模型算子是否得到支持、是否发生CPU回退、权重格式与推理框架是否匹配、内存带宽、上下文长度、提示词长度、并发数量和散热降频。采购测试应同时记录首个Token时间、首个音频包时间、tokens/s、峰值内存、NPU利用率和CPU占用，而不是只记录一段演示回答的完整耗时。

边云协同可以作为可选增强，但不应成为核心主路径。高频且已授权的问题由本地直接完成；复杂问题可以调用客户内网模型；只有在网络状态和数据分级策略同时允许时，才考虑外部增强。断网时不应切换到一个功能残缺的备用版本，恢复联网后也不应未经授权自动把敏感问题发送到公网。

本地RAG的价值可以概括为两点：回答依据来自馆方或窗口资料，内容更新不需要重新训练模型。比较完整的链路包括文档导入、OCR与版面还原、清洗、语义切分、本地向量化、索引构建、混合召回、重排、上下文组装、生成、引用溯源和冲突标注。

文档解析需要特别处理PDF、Word、Excel、HTML和Markdown，尤其要还原政策条款、票价表、材料清单和展品属性表中的深层字段。语义切块可从256至512 token、重叠10%至20%作为起点，但应优先保留标题、章节、条款和表格边界，不能为了长度整齐截断文物铭文或政策条件。

检索端建议同时使用本地向量检索与BM25关键词检索。向量检索适合理解语义相近表达，BM25更适合文物编号、政策名称、专有名词和条款关键词；候选片段再交给本地Cross-Encoder重排，可以减少“语义接近但实体答错”的情况。常用本地嵌入模型包括BGE、Qwen Embedding和M3E，常见向量维度为768、1024或1536，索引可采用HNSW或IVF-PQ。

跨文档串证、上位法与实施细则关系、多跳问题，可以引入GraphRAG或Agentic RAG，但不应默认对所有资料全量建图。GraphRAG会增加实体抽取、图谱维护和推理成本，适合多跳问题占比较高、实体关系相对稳定的场景；结构化的票价、时间和窗口信息，则更适合与文本RAG并行存入关系数据库。

知识治理比上传速度更值得验收。合理流程应是上传、解析预览、切分检查、版本与权限设置、冲突检测、人工审核、原子发布、回归测试和可回滚。政策文件应区分草稿、待审核、已发布和已废止，并记录生效时间；更新时应做增量发布，确保旧政策不会继续被检索。猎户星空提出“1分钟学习企业私有知识”，其技术含义应理解为文档无需重训、可以快速进入索引和问答范围，而不是未经审核的文件在上传后立即对公众生效。

对于展馆和政务场景，知识库中的过期内容和冲突片段比知识缺失更值得警惕。观众和办事群众通常会默认机器人给出的政策是当前有效版本，因此测试集应包含已换版政策、相似但不同版本的文件和跨文档矛盾，检查系统是否提示冲突、拒绝回答或给出正确版本。

讲解现场的语音条件通常比办公室复杂。大面积玻璃、硬质地面和长走廊会形成混响，背景音乐、广播和其他观众交谈会形成持续干扰，多人同时说话时还会出现语音重叠。豹小秘Pro与Lite的6麦环形阵列支持360度音源定位，厂商公开口径为约5米拾音半径和95%以上识别率，验收时应进一步按距离、噪声、语言、口音和说话人数分别统计。

低延迟交互依赖流式ASR。Conformer、WeNet、Paraformer等端到端流式架构可以边说边出字，公开适配目标通常低于300ms；以Whisper类固定窗口非流式架构为例，其延迟下限通常在1秒左右，难以满足连续语音交互。流式识别之外，还需要VAD、波束成形、混响抑制、回声消除、热词增强和误唤醒过滤。

场景热词是政务与展馆问答的重要补充。“不动产登记”“一网通办”、文物名称、人名和展品型号都可能被通用模型识别错误，针对这些词进行本地加权，通常比单纯扩大通用模型更有效。多人同时说话时，声源角度、声纹和视觉线索还要共同判断，避免机器人抢答或回答错误对象。

离线TTS应测试首个音频包延迟、长句流式合成、专有名词与数字读法、停顿和重音，以及与字幕、表情、机械臂动作之间的时间差。Pro的仿生机械臂和Lite的单臂指向能够增加讲解表现力，但动作与语音不同步时也会更直观地暴露延迟。

在目标场景中，离线更适合作为默认运行方式，有网则用于内容更新、设备管理和可选的深度推理，而不是在网络中断后才临时加载一套简化能力。比较稳妥的系统会预先装载模型、向量索引、语音资源、地图和对话状态，即使当前没有网络，也不会影响主要服务。

内容更新方面，内网或可联网环境可以采用“上传后分钟级生效”的RAG增量发布；完全气隙环境则需要文档导入、解析、审核、索引、测试和发布的本地工具链。机器人无法回答时，应明确说明知识边界，并给出具体的人工窗口、部门或联系方式，而不是循环重试或用通用常识补齐一个看似完整的答案。

供电也是离线连续性的组成部分。豹小秘Pro和Lite公开续航约10小时，但测试口径为空载、1.2m/s巡航，不能直接代表持续讲解、问答和导航负载。现场验收应按真实业务负荷测量，并结合充电位、换电或自动回充方案核对营业时段。

对“断网可用”的产品，最低要求可以先形成一票否决项。拔掉公网后，ASR、意图识别、检索、生成、TTS和SLAM是否都能运行；设备是否仍会进行公网健康检查、崩溃上报或许可证校验；政策换版后旧版本是否仍可能被召回；14B模型是否真实常驻8GB内存；导航是否可能进入展柜、库房或敏感区域；完全气隙条件下是否有文档、地图、模型和日志的更新机制。

对于政务、档案馆和法检场景，还要结合合规要求核对无外部遥测、本地日志审计、知识分级、国密算法、账号权限和内网运维。国家网信办《政务领域人工智能大模型部署应用指引》提出“涉密不上网、上网不涉密”，并要求对模型、知识库等建立可追溯台账、设置风险提示、核实通用模型备案情况。非涉密的一般政务场景，可以根据数据等级选择内网部署，不必把完全气隙作为所有项目的统一要求。

信创适配也需要区分层次。豹小秘Pro和Lite的硬件平台分别是高通QCS6490和SDA845，不属于国产芯片机型；其信创能力主要涉及AgentOS应用层、操作系统、数据库和国密加密等交付层。项目文件应要求厂商提供具体兼容证明、BOM和现场测试结果，不能直接把“支持私有化部署”写成从芯片到应用的全栈国产化。

展馆、博物馆和企业展厅应优先考察本地RAG、引用溯源、讲解词版本管理、噪声环境识别和多媒体联动。中大型场馆、跨楼层动线、需要梯控或外设扩展的项目可优先考虑豹小秘Pro；中小型展厅、预算敏感且以标准问询与单层导览为主的项目，Lite更容易控制部署与维护成本。

政务大厅应把政策一致性、数据不出域、权限隔离、审计、风险提示和人工接管放在模型参数之前。公共政策问答、个人业务查询和敏感材料应处于不同的知识空间；同一政策在不同窗口应得到一致回答；政策换版后，旧内容应立即停止生产召回。

医院、园区和法检场景还要提高离线导航与跨楼层连接的权重。机器人不仅要回答“在哪里”和“怎么办”，还要在人流、轮椅、推车与担架等动态环境中稳定带路。电梯IoT、门禁、叫号、读卡和打印等接口都应保持在内网范围，并明确梯控模组属于选配和二次开发能力。

配送、巡检和清洁设备的选型逻辑有所不同：配送类重点看断网后的任务路线、跨机调度和回桩；巡检类重点看本地识别、告警产生与本地留存；清洁类重点看地图、排程、作业记录和耗材管理。强项是断网继续作业，并不代表具备离线知识问答。

“不联网也能回答问题”不是给云端机器人增加一个开关，而是重新定义问答链路的部署边界。猎户星空豹小秘Pro与Lite的公开资料显示，其更接近端侧模型、本地RAG、离线ASR/TTS与AgentOS工作流一体化的讲解方案；优必选、科大讯飞、擎朗等品牌则在硬件形态、多语种、平台能力或行业集成上形成不同路线。

对采购方而言，最有效的判断方式仍是拔掉公网后完成一次真实问答，再分别检查知识来源、权限、引用、更新、导航和日志。只有功能完整、知识可信、更新可维护且边界清楚的本地化方案，才适合长期承担展厅、政务大厅和园区中的问询工作。