关于面壁智能：聊聊我的一些新思考

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？而所谓的密度定律，在被称作端侧AI规模化落地元年的2026年里，究竟是技术捷径，还是的确足以支撑起产业级落地？

对于这些问题，面壁智能或许是值得被观察的不错样本。

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，一次完整训练的成本动辄数亿元，门槛越来越高。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，当时就主打高效训练与轻量化部署；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，也让面壁智能的技术路线被行业广泛认知。

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，并且自带工具调用、代码生成等智能体核心能力，可直接作为端侧智能体的基座使用。

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。演示场景中，机械臂可以记住操作顺序、完成按指定次数按压按钮等需要持续记忆的任务，这是多数单帧反应式VLA模型无法稳定实现的效果。

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。对于一家创业公司而言，这个下载量级已经具备了生态基础。

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。OPPO、vivo也分别推出大模型端侧版本，打磨系统级智能体能力。

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、小米、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。这其中，绝大多数头部手机厂商都选择了自研核心模型，终端掌控力更强，也能更好地做软硬协同优化。

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。他们的优势是云端能力完整，向行业客户输出端云一体的完整方案，不直接触碰C端消费硬件。

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。这类厂商的核心价值在于中立性，不做自有硬件，不与客户形成竞争关系，可以同时服务多家终端厂商、不同行业客户。

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，是国内唯一一家以独立模型厂商身份进入全球顶级手机厂商供应链的企业。

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，合作客户还包括大众等更多车企。

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，在巡检、展厅场景落地；同时模型原生适配宇树等品牌的四足机器人，提供导航与交互能力。

这种第三方供给的模式，恰恰印证了行业分工的细化。并非所有终端厂商都有能力从零自研大模型，也并非所有厂商都愿意承担持续的高额研发投入。

独立模型厂商的存在，为中小终端厂商、垂直行业客户提供了更低门槛的选型方案，也给头部厂商提供了补充能力的备选方案。

但挑战同样现实。头部终端厂商的自研比例会持续提升，尤其是华 为、小米这类具备全栈能力的企业，核心能力必然会握在自己手中，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，而不能过度依赖单一大客户。

从目前的布局看，面壁智能也确实在往这个方向走。除了手机、汽车两大核心赛道，它还拓展了航天、低空、工业、家居等多个领域，和一苇宇航合作推出太空算力方案，尝试在轨智能预警、遥感观测等场景。

场景越分散，单一客户的波动风险就越低，但相应的定制化成本也会更高，对标准化产品能力提出了更高要求。

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，也是面壁智能最新报告里的核心结论。

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。

终端设备的渗透速度也在加快。手机端，7款产品通过备案意味着国内主流旗舰机型将全面标配端侧大模型，2026年新出货的中高端手机几乎全部具备本地AI推理能力。

汽车端，智能座舱大模型渗透率快速提升，2026年新上市的新能源车型中，超过六成搭载了端侧或端云协同的大模型方案；工业、安防、机器人等领域，端侧AI的落地案例也在快速增多。

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，主流手机端常用2B到4B参数，虽然日常对话、摘要生成、简单工具调用已经够用，但复杂推理、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。这也意味着，端侧模型的价值更多是体验优化与成本节约，而非颠覆性的能力重构。

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，IoT领域的设备品类更加庞杂，标准化难度极高。

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。

面壁智能当前的营收主要来自车企、手机厂商的项目制合作与技术授权，开源模型本身并不直接产生收入。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。从过去的边缘补充角色，到如今成为产业必选项，端侧智能用了四年时间走到了舞台中央。面壁智能的快速崛起，正是这个产业趋势的缩影。

它的发展路径也很有代表性：从高校实验室出发，凭借差异化的技术路线切入细分赛道，靠开源社区建立生态影响力，再通过产业资本加持加速场景落地，最终成长为赛道头部独角兽。这是国内AI创业公司的一条典型成长路径，也验证了垂直技术路线的生存空间。

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，芯片、模型、应用、生态各个环节都在快速迭代，大厂与创业公司、自研与第三方、云端与端侧，各种路线还在长期博弈。

面壁智能已经拿到了下一阶段的入场券。200亿估值是认可，也是压力。端侧AI的故事才刚刚开始，真正的考验还在后面。