Liquid AI 推出设备端隐私层 ShieldFlow，主打“数据不出本机”
总部位于波士顿的 MIT 衍生公司 Liquid AI 近日正式发布 ShieldFlow，一款定位为“本地优先（local-first）隐私层”的数据脱敏工具。它的核心思路是：在用户的电脑上拦截并自动遮掩个人敏感信息，再把处理后的内容交给云端大模型，从而避免隐私数据离开本机。
根据 Liquid AI 官方在 X 上的发布 与配套的 YouTube 演示视频，ShieldFlow 内部直接运行 Liquid 自研的 Liquid Foundation Model（LFM），在设备端完成敏感字段的识别和打码。整个过程完全离线、几乎不依赖 GPU，对内存占用极低，可以在绝大多数普通个人电脑上做到实时运行。
连续亮相 Build 2026 与 COMPUTEX 2026
ShieldFlow 近期在两场重要行业活动中获得了高密度曝光：
- 微软 Build 2026 开发者大会：作为微软 Foundry Local 计划的组成部分登台展示，Liquid AI 也在 X 上确认，ShieldFlow 已“几乎可以在任何 PC 上本地实时运行”。
- COMPUTEX 2026 台北国际电脑展：在 AMD 笔记本电脑上完成了实机演示，验证了其在 x86 主流移动平台上的可用性。
对终端用户而言，这种“无需独显、低内存、离线可用”的特性，意味着 ShieldFlow 可以作为云端 AI 助手的“前置网关”，把证件号、地址、内部代号等敏感信息先在本地抹掉，再让 ChatGPT、Copilot 等云端模型处理剩余内容。
已开放早期访问申请
Liquid AI 目前已开放 ShieldFlow 的早期访问申请，开发者可在官网登记加入候选名单。结合公司近期在 LFM2 系列模型、LEAP / Liquid Apollo 工具链以及与 AMD、Shopify 等生态合作上的持续投入，ShieldFlow 更像是 Liquid AI 把“端侧模型 + 端侧工具链”拼图补齐的一步——把“高性能小模型”真正嵌进日常工作流的“数据入口”环节。
随着越来越多企业将大模型接入生产系统，这类“本地预清洗 + 云端推理”的组合有望成为兼顾隐私合规与模型能力的主流方案。