一张 4090、约 17GB 显存、十行命令十分钟跑通——本周 Ollama 把"本地函数调用"（让模型按结构化 JSON 触发外部 API 的能力）做成了开箱即用的工具。我们注意到，27B 量级（270 亿参数）的开源模型已经能在单张消费级显卡上稳定承担企业内部自动化任务，"本地 Agent"（能自主调用工具完成多步任务的 AI）从极客玩具变成了企业 IT 的可选项。

这是什么

函数调用是让大模型按结构化格式触发外部工具——比如"查上海天气"自动转成调天气 API、再把结果回灌给模型生成回复。本地跑通这件事过去需要工程师手搓推理框架、配置多卡，Ollama 的更新把"下载模型、起服务、接工具"收敛成几条命令。Qwen3 系列 27B 在 Q4 量化（一种压缩模型体积、略微损失精度的技术）后权重约 17GB，单张 24GB 的 4090/3090 就能常驻。开发者实测显示，这一规格在中文工具调用评测上能稳定输出合规 JSON，覆盖工单分类、日志初筛、表单填充等场景。

行业怎么看

支持者认为，本地部署意味着数据不出门、推理成本接近零、长尾任务终于算得过来账——过去只能用云端旗舰模型、动辄几分钱一次的中小型自动化，现在一张显卡的电费就能覆盖全年。

但反对意见同样尖锐。第一，27B 在多步推理、长上下文、复杂工具编排上仍明显落后于 GPT-4/Claude 级别，"能跑通"和"能上生产"之间隔着工程化长尾——错误率、稳定性、可观测性都需要补齐。第二，安全边界尚未划清：本地 Agent 一旦接上公司内网数据库，权限管控、调用审计、Prompt 注入（攻击者通过精心构造的输入劫持模型行为）防御都是空白。第三，开源生态快速演进本身是风险，Qwen3.8 到下一代之间模型权重和接口都可能变，今天的投入三个月后要重做。

对普通人的影响

  • 对企业 IT：内部自动化（工单、日志、表单）的"算账单位"从"每次调用几分钱"变成"一台机器一年几百度电"，ROI 逻辑要重写；但合规和审计若未跟上，贸然接生产反而是新增风险点。
  • 对个人职场：掌握 Prompt 编写和工具编排的开发者、运维、初级分析师会更值钱；纯"调模型 API 的胶水代码"岗位会被压缩。
  • 对消费市场：端侧 AI（直接在设备上跑的 AI，不依赖云端）的体验会快速改善——智能音箱、车机、办公软件开始能本地处理更复杂任务，不必每次联网；但消费者短期内感知不强，变化先发生在企业后台。