Den ser ut som en lite för tjock smartphone, men under det kompakta höljet döljer sig hårdvara som många bärbara datorer idag skulle avundas.
Medan artificiell intelligens hittills främst har levt i molnet, pressar en ny typ av minidator beräkningskraften bokstavligen ner i din jackficka. Inget datacenter, inget abonnemang, bara en fristående enhet som kör språkmodeller på ditt skrivbord, i tåget eller i en hotelllobby.
Ett AI-laboratorium som faktiskt får plats i handen
Tiiny AI Pocket Lab, avslöjad på CES 2026, räknas officiellt som världens minsta mini-pc som kan köra stora språkmodeller lokalt. Rekordet erkändes av Guinness World Records, men det är framför allt specifikationerna som väcker nyfikenhet.
Höljet mäter 14,2 x 8 x 2,5 centimeter och vikten håller sig runt 300 gram. Det motsvarar en lite tyngre smartphone eller en kompakt powerbank. Enheten passar i en jackficka, i en handväska eller helt enkelt i handen, utan att du får känslan av att släpa runt på en komplett dator.
Tiiny AI Pocket Lab kör språkmodeller med över 120 miljarder parametrar helt offline, utan koppling till molnet.
Enligt tillverkaren bearbetar systemet mer än 20 tokens per sekund, vilket motsvarar en respons som känns behaglig för de flesta textuppgifter. Enheten riktar sig inte bara mot hobbyister, utan också mot professionella som inte vill koppla sitt AI-arbetsflöde till externa servrar.
Hårdvara: liten låda, seriösa specifikationer
I kärnan kör Pocket Lab på en 12-kärnig ARM-processor, kopplad till en NPU (neural processing unit) som levererar 160 till 190 TOPS. Den sortens beräkningskraft ser man normalt i avancerade AI-bärbara eller kompakta servrar, inte i en fickformaterad låda.
Särskilt anmärkningsvärt är minnet: 80 GB LPDDR5X. Det är rejält mer än vad många konsument-bärbara idag erbjuder. Den generösa RAM-budgeten gör det möjligt att ladda in stora språkmodeller i minnet utan aggressiv komprimering eller tunga begränsningar.
- Processor: 12-kärnig ARM-cpu
- NPU: 160–190 TOPS för AI-beräkningar
- Minne: 80 GB LPDDR5X
- Användning: helt offline, utan molnberoende
- Format: 14,2 x 8 x 2,5 cm, cirka 300 gram
Pocket Lab stöder en rad open source-modeller, däribland Llama, Qwen, DeepSeek, Mistral, Phi och GPT-OSS. De kan laddas in via installation med ett klick, varefter OTA-uppdateringar (Over-the-Air) hämtar nya versioner och optimeringar utan manuella ingrepp.
TurboSparse och PowerInfer: smartare beräkning med mindre energi
Utöver den råa kraften spelar två egna teknologier från Tiiny AI en roll: TurboSparse och PowerInfer. Namnen låter marknadsföringsinriktade, men de hänvisar till konkreta optimeringar i beräkningspipelines.
TurboSparse fokuserar på de ”tomma” eller mindre aktiva delarna av neurala nätverk. Istället för att aktivera varje neuron fullt ut vid varje token, detekterar systemet var aktivitet faktiskt behövs. Därmed slösar chippet mindre energi och den effektiva hastigheten ökar.
PowerInfer fördelar beräkningsbördan mellan cpu och npu. Vissa operationer fungerar bättre på den generella processorn, andra körs mer effektivt på den specialiserade AI-kärnan. Schemaläggaren försöker hitta rätt balans, vilket särskilt vid längre sessioner märks tydligt i värmeutveckling och batteriförbrukning.
TurboSparse begränsar överflödig neuronaktivitet, medan PowerInfer söker balansen mellan cpu- och npu-beräkningskraft.
Varför en fickformaterad AI-dator är praktisk
Den största fördelen med Pocket Lab ligger inte bara i det tekniska konstverket, utan i hur användningen förändras. Eftersom enheten knappt tar någon plats, glider den in i situationer där en bärbar eller stationär dator ger för mycket besvär.
På ett kafé kan en redaktör använda en lokal modell för att omvandla råa anteckningar till ett första utkast, utan wifi. Under en affärsresa kan en konsult räkna igenom scenarier och sammanfatta rapporter medan flygplansläge är aktiverat. Hemma kan en person med känsliga dokument använda AI utan att konfidentiell data lämnar via internet.
Därmed undviker användaren två klassiska kompromisser vid AI: du behöver inte välja mellan mobilitet och beräkningskraft, och du behöver inte dela personliga eller företagsdata med en extern part.
Lokal AI förhindrar att rådata skickas till servrar i okända jurisdiktioner, något allt fler företag är betänksamma kring.
Ingen träning nödvändig för komplexa modeller
Tiiny AI positionerar enheten uttryckligen som användarvänlig. Gränssnittet förblir enkelt uppbyggt, med tydliga kommandon och visuell feedback som guidar nya användare steg för steg. Därmed riktar sig Pocket Lab inte bara mot utvecklare eller data scientists.
En lärare kan till exempel använda systemet för att generera skräddarsydda uppgifter, utan att fördjupa sig i modellparametrar. En liten entreprennör kan få utarbetade standardmejl, produkttexter eller interna instruktioner utan att behöva sätta sig in i molnplattformar. Genom att hålla tröskeln låg försöker Tiiny AI skapa en kategori ”AI-enheter” som existerar vid sidan av smartphones och bärbara.
Vad kan du använda den till i praktiken?
Kombinationen av stora modeller och lokal bearbetning gör enheten användbar för olika uppgifter. Med utgångspunkt i några scenarier blir rollen hos en sådan ficka-pc snabbt tydlig.
| Användning | Vad enheten gör |
|---|---|
| Textproduktion | Genererar artiklar, bloggar, mejl och rapporter utan internetanslutning. |
| Kodassistans | Kodförslag, felanalys och refaktorering för utvecklare på plats. |
| Sammanfattning | Komprimerar långa dokument eller referat lokalt till överskådliga kärnpunkter. |
| Prototyping | Testar snabbt AI-funktioner till appar, utan att behöva etablera en komplett servermiljö. |
| Undervisning och träning | Genererar interaktiv förklaring och övningsmaterial, även i klassrum med svagt wifi. |
För svenskspråkiga användare spelar ytterligare en faktor in: open source-modeller kan relativt enkelt finjusteras till specifik fackterminologi eller dialekt, och det direkt på fickenheten själv. Tänk på juridisk terminologi, medicinska journalformat eller tekniska instruktioner.
Fördelar och risker med AI i fickan
Användningen av en bärbar AI-dator har några tydliga fördelar. Data förblir lokala, svarstiden är förutsägbar och enheten fungerar även i situationer där det saknas täckning. Därtill kommer att du inte är bunden av månatliga abonnemangskostnader för varje användare, vilket märkbart gör skillnad för små företag.
Samtidigt uppstår nya frågor kring säkerhet och policy. Om en medarbetare har ett kraftfullt AI-system i väskan, kan vederbörande bearbeta känsliga dokument lokalt utanför IT-avdelningens kontroll. Gränsen mellan personlig och professionell hårdvara suddas ut ytterligare.
Organisationer blir tvungna att göra upp om spelregler: vilka data får köras på sådana enheter, hur hanteras förlust eller stöld, och vem administrerar modelluppdateringar? Ett lokalt AI-system sänker tröskeln, men kräver också tydliga riktlinjer.
Vad detta kan betyda för nästa generation av enheter
Tiiny AI Pocket Lab visar att AI-hårdvara frigör sig från den klassiska modellen ”tunn klient – tjockt moln”. När fickformaterade datorer hanterar stora modeller effektivt, uppstår utrymme för en ny produktkategori mellan smartphone och bärbar.
Tillverkare av telefoner och ultrabärare kommer sannolikt fråga sig hur mycket AI-beräkningskraft som kan få plats i deras nästa generations enheter. Samtidigt kan framväxten av open source-modeller som körs lokalt försvaga beroendet av få stora molnaktörer. Det ger utvecklare större frihet att bygga specifika tillämpningar utan vendor lock-in.
För dem som redan arbetar med språkmodeller idag, kan en ficka-pc fungera som bärbart testlaboratorium. En utvecklare kan på plats köra prototyper, pröva prompt-strategier eller skicka små dataset genom modeller, utan att omedelbart behöva reservera ett kluster eller molninstans. Den som precis börjat med AI får en påtaglig enhet istället för en abstrakt instrumentpanel i webbläsaren.
På så vis skjuts frågan fram om hur AI tar form i vardagen: som osynlig molntjänst i bakgrunden, eller som ett konkret objekt du lägger på bordet, tänder och medvetet använder. Pocket Lab väljer tydligt det senare scenariot, och sätter därmed en riktning som fler hårdvarutillverkare kan ansluta sig till.
