关于面壁智能，聊聊我的一些新思考

[IMG:0]

放在两年前，有关国内大模型赛道的叙事逻辑，很少有人会把赌注押在端侧大模型这条小众路线上。在当时的主流判断里，本地算力不足以支撑复杂的大模型推理，端侧只能做些简单的语音唤醒、图像识别，算不上真正的通用智能。

面壁智能是少数从成立之初就All in这条路线的玩家。这家脱胎于清华大学NLP实验室的创业公司，2022年正式成立时，把技术锚点放在了小参数模型的效率提升上，试图用高密度的算法设计，让大模型脱离云端算力束缚，在手机、汽车、机器人等终端设备上原生运行。

时间走到2026年，行业风向发生了一些转向。端云协同成为全行业共识，中高端手机、新能源汽车几乎全员标配本地大模型，端侧AI从边缘补充变成了智能终端的基础能力。

面壁智能也跟着赛道一起完成了跳跃式增长：2026年上半年累计完成超50亿元融资，公司估值突破200亿元，成为国内端侧AI赛道公开估值最高的独角兽，投资方名单里，产业资本已经取代财务投资成为主力。

热度飙升的同时，行业里的疑问也未消散：一家创业公司，在华为、小米、阿里腾讯纷纷下场自研的端侧赛道，靠什么建立长期的壁垒？

[IMG:1] [IMG:2]

密度定律，一条非主流的技术路径

面壁智能的技术底色，从成立之初就和行业主流拉开了距离。2022年前后，国内大模型赛道普遍遵循“参数至上”的逻辑，算力投入水涨船高。面壁智能首席科学家刘知远带领的团队，却选择了反向而行：研究如何用更小的参数量实现更强的智能水平。

这套思路后来被面壁智能CEO李大海总结为“密度定律”，智能的核心不在于模型体积的大小，而在于单位参数的信息密度与推理效率。通过架构优化、训练方法革新，让小参数模型具备越级的能力，最终实现大模型在终端设备上的本地运行。

事实上，早在2020年，团队就发布了中国首个中文大模型CPM-1；后续迭代的CPM-2、CPM-Ant系列，持续在模型压缩、高效推理方向积累技术。2023年底推出的MiniCPM系列，正式把端侧模型推向了开源社区。

这套技术路线的最新成果，在2026年世界人工智能大会期间集中公开。面壁智能现场发布MiniCPM5-2B端侧文本大模型，仅20亿参数，在综合知识、数学推理、代码、指令遵循和智能体能力上做到同尺寸全球领先。模型原生支持混合思考模式，可在快速响应与深度推理之间切换，自带工具调用、代码生成等智能体核心能力。

更受产业关注的是其首次公开的具身智能模型系列MiniCPM-Robot，包含通用VLA模型MiniCPM-RobotManip与跟踪导航模型MiniCPM-RobotTrack两款产品，全部开源开放。其中1.5B参数的操作模型，补上了当前行业内VLA模型普遍缺乏长时序列记忆的短板。

据了解，截至目前，MiniCPM全系列开源模型累计下载量突破3800万次，是国内影响力最大的端侧开源模型体系。

大厂入局下，第三方的生存空间

端侧AI的热度起来之后，大厂纷纷下场，这是2026年行业最显著的变化。当前国内端侧大模型的玩家路径清晰。

拿华为、小米、OPPO、vivo为代表的终端厂商来说，核心诉求是强化自身设备的体验壁垒。华为走的是全栈自主路线，依托麒麟芯片与昇腾算力，实现从芯片、系统到模型深度协同。小米则以人车家全生态为锚点，绑定米家生态。

前不久，国家网信办公布最新一批生成式AI服务备案，苹果、华为、小��、OPPO、vivo、三星、努比亚共7款手机端侧AI产品通过备案，标志着手机端侧AI正式进入合规规模化阶段。

除此以外，阿里云、腾讯云、百度智能云这些云厂商，则依托云端大模型技术向端侧下沉，向行业客户输出端云一体的完整方案。而对于面壁智能这类独立模型厂商，主打第三方通用基座，面向全行业开放合作，核心价值在于中立性。

面壁智能的商业化路径也正是沿着这个逻辑展开。在手机领域，它成为三星盖乐世AI的端侧模型能力提供方，覆盖多款旗舰机型；在汽车领域，自研的SuperMate智能座舱方案已搭载吉利银河M9、长安马自达EZ-60等量产车型；在具身领域，和乐聚机器人合作推出纯端侧离线导览机器人。

但挑战同样现实。头部终端厂商的自研比例会持续提升，第三方厂商只能切入边缘场景或中低端产品线。面壁智能要维持增长，就需要不断拓展新的垂直行业，覆盖更多碎片化的终端场景。

规模化落地元年的真实成色

“2026年是端侧AI规模化落地元年”，这是李大海在多个公开场合反复强调的判断。数据层面确实能看到拐点信号。

IDC 2026年Q1数据显示，全球云端AI芯片出货量同比增长仅12%，较2025年同期35%的增速明显放缓；而边缘AI芯片出货量同比大增45%，面向IoT、工业终端的中低端AI芯片出货量涨幅更是突破110%。两者形成显著的增速剪刀差。

国内市场方面，2026年边缘AI芯片市场规模预计突破210亿元，同比增长38%，全年端侧AI整体市场规模有望达到8661亿元。但繁荣之下，行业的深层问题并没有得到根本解决。

据行业人士透露，当前端侧模型大多集中在7B参数以内，复杂推理、深度创作、专业领域任务依然需要依赖云端。端侧AI更多承担的是高频、简单、隐私敏感的任务，复杂任务还是要回传云端，端云协同是长期形态。

和云端大模型可以一套方案服务海量用户不同，端侧设备形态千差万别，芯片平台、算力水平、功耗限制、系统环境各不相同。每适配一类设备、一款芯片，都需要做大量的调优工作。面壁智能目前已经适配了十余家芯片平台、二十余种终端形态，但这只是冰山一角。

市场更关心端侧的商业化模式问题。云端大模型可以按Token计费，模式清晰；而端侧模型大多是一次性授权或按设备量收费，客单价有限。如何把开源生态的流量转化为可持续的商业化收入，是所有开源模型厂商都要面对的共同命题。

2026年的行业共识里，端侧AI已经完成了从“可有可无”到“基础配置”的身份转变。面壁智能的快速崛起，正是这个产业趋势的缩影。当然，现在谈终局还为时过早。端侧AI才刚刚进入规模化落地阶段，真正的考验还在后面。