日本公司 EmbodyMe 这周更新了旗下的数字分身产品 DigiSelf。东京时间 10 月 21 日，官方博客宣布它新增了一条离线路径：之前只能靠云端 API 跑的实时数字人，现在可以装进一个本地 SDK，整段对话都在自己的硬件上算完，不经过 EmbodyMe 的服务器。
DigiSelf 本身不新：上传一张照片，就能生成一个能开口说话的数字人，接入 Zoom、Teams、Google Meet 开会。新的是这条离线路径，以及官方在博客里公布的一个数字——本地响应最快能到 0.005 秒开口。这个数字由 EmbodyMe 自己测得，没有第三方复核，先说清楚。
一个数字人产品加了条离线部署选项，听起来像个常规更新。但往后退一步看，它正好戳中了 2026 年整个 Agent 行业都在回避的一个问题：要让 AI 代表你、替你开口、替你露脸，你得先把「你」交出去一部分——交给谁，交多少，装在谁的机器上？
一、从「调用一次」到「长期是我」：风险等级变了
过去用云端 AI，大多是一次性调用：丢一段文字、一张图进去，它吐出结果，关系就结束了。数据确实敏感，但边界很清楚——你知道这一次给出去了什么。
数字分身不是这种关系。一个能以你的脸、你的声音去开会、回消息、代表你表态的分身，等于把「你」的一部分做成了一份可以反复调用的长期资产——不再是调用一次，而是「长期是我」。
这两者的风险不是一个量级的。
一张照片传上云，看起来只是一个文件。但当它被用来生成一个能实时说话、实时应答的分身，云端实际拿到的是三样东西：你的生物特征（脸、表情、唇形，可能还有声纹），你的身份代理权（这个分身能以你的名义出现在哪些会议、哪些对话里），你的交互数据（它替你说过什么、见过谁、出现在什么场合）。
这三样东西单独看都敏感，叠在一起就是一份数字版的你。一旦它常驻在别人的服务器上，你对「自己」的控制权，就从你手里挪到了对方的运维和合规流程里。DigiSelf 这次值得被单独拿出来说的，不是生成数字人这件事本身——会做这个的产品已经不少——而是它给出了一条明确的离线路径，让这份资产可以留在你自己的硬件上。
离线，正在从「技术上做得到」变成「商业上必须给」。
二、云端 vs 本地：这不是性能之争，是归属之争
第一反应容易把这事理解成延迟和算力的较量——云端算力强，本地延迟低。但分水岭不在性能，在归属。
云端分身的好处很实在：开箱即用，算力不用自己养，模型持续更新，对很多轻量场景完全够用。代价是归属被让渡了：分身住在别人的机房里，能不能用取决于对方服务在不在线，安不安全取决于对方防护到不到位，去留取决于对方的商业决策。当分身承载的是你的脸和身份时，这种让渡和让渡一段聊天记录完全不是一回事。
本地或离线分身换来的，不只是「数据安全」这四个字，而是更根本的一件事：模型和数据跑在自己的硬件上，会议里的实时画面不经过第三方中转，一张脸、一段声音、一次代表你出席的记录，都留在设备边界之内——这个代表你的东西，产权清楚是你的。
当云端 Agent 还在比拼谁更聪明、谁接的工具更多时，一条「本地也能跑、数据不上云」的路线，相当于在整条赛道旁边立了块牌子：聪明是前提，归属才是底线。
三、为什么「选择权」比「二选一」更重要
但如果就此得出「云端不好、本地才对」的结论，又走偏了。现实里的需求从来不是非此即彼：一个对外发声、要走品牌审核的分身，可能更适合放在云端统一管理；一个处理内部敏感会议、涉及未公开信息的分身，就该留在本地，一个字节都不出门；一个日常跑批量任务的分身，可能算力空闲时跑本地、高峰时弹到云端更划算。
不是逼用户在便利和主权之间二选一，而是把开关交到用户手里——按场景、按敏感度、按成本，自己决定每一个分身跑在哪。
DigiSelf 给出的是云端加离线两条腿。对一个要把 AI 嵌进整条业务流的团队来说，更需要的是一个统一的地方，能同时管住一群分身，并为每一个单独设定运行边界。
如何用 KarmaBox 实现？
以下是我们自己产品的介绍，请按产品信息阅读，不是独立评测。
KarmaBox 的设计起点正是主权分身加本地/云自选，让你为每一个分身单独决定它跑在哪、数据留在哪。本地/云自选：每个分身可独立设置运行位置，敏感业务的分身跑在自有硬件、数据不出内网，对外轻量任务弹到云端，一个开关按场景切换。多主权分身编排：同时管理一群各司其职的分身（对外发声、内部会议、批量执行），统一在一个工作台里调度，每个分身的权限边界和数据边界都清楚。分身权限边界管理：给每个分身单独划定能调用的权限、能出现的场合、能以你名义做的决定，对外的归对外、对内的归对内，从源头防住身份被冒用。如果这个思路对你有用，可以到 karmaboxai.com 看看。用不上也没关系，上面的分层思路配合任何工具都能用。
四、落地前，先想清楚这两件事
离线分身听着美好，真要用起来有两道坎绕不开。第一道是本地算力的真实账：离线跑意味着算力得自己扛，一个实时数字人对硬件的要求不低，小团队未必养得起一套能流畅跑分身的本地设备。可行的办法不是一上来就追求全部本地，而是先把最敏感、最不能出门的那一类分身放本地，其余留在云端，用混合部署控制成本，等业务量和敏感度上来了再逐步加重本地的比重。
第二道是身份被滥用的边界：分身越像你、越能替你行动，被冒用的后果就越重。谁能调用你的分身、它能出现在哪些场合、能以你的名义做哪些决定，这些边界不提前划清，便利就会变成风险。办法是给每个分身设定明确的权限边界和使用场景，别让一个分身拥有全权代表你的能力，对外的归对外、对内的归对内。
结语：聪明是入场券，归属才是护城河
DigiSelf 这次提醒行业的，不是数字人能多快开口，而是一个被云端大战盖住的常识：越能代表你的 AI，越该由你决定它住在哪。云端 Agent 会继续变聪明，这个趋势拦不住，但当 AI 开始以你的脸、你的声音、你的身份行动时，聪明只是入场券，这东西到底归谁才是真正的护城河。
0.005 秒本地开口很酷，但比速度更值得问的是：在云端 Agent 大战里，你那份最该守住的「你」，准备跑在谁的机器上？
你准备好把「你」拿回自己手里了吗？
文中关于 DigiSelf 与 EmbodyMe 的功能、响应速度描述来自 EmbodyMe 官方博客与新闻稿，属于厂商自述，未经第三方审计。文中 Muse 等用作行业语境下的泛指，不代表对具体厂商产品的评测结论。