明福今投端侧AI的“火把”，为什么由面壁智能点燃？

最近，AI手机大战已经愈演愈烈了。苹果智能选择与通义千问合作，采用端云结合的方案，而三星“盖乐世AI”由面壁智能MiniCPM系列深度赋能，标志着中国端侧AI大模型规模化赋能全球顶级终端厂商。

不仅终端厂商集体下场，政策层面也释放了鲜明的信号。

7月15日，国家网信办首次公布了7款手机端侧大模型的备案名单，苹果、华为、小米、三星等海内外主流终端品牌悉数上榜。端侧AI正式告别“无证驾驶”，进入合规运营阶段。

值得一提的是，在本次完成备案的七家手机端AI技术供给方中，面壁智能是唯一一家以端侧模型能力参与备案的大模型企业。

回望过去三年，整个AI行业长期被云端优先的叙事主导。行业普遍认为模型参数越大、集中式算力越强，才是AI发展的唯一路径。但如今，市场现实、政策导向与硬件迭代，正在合力推翻这套固有假设。

2026年，端侧AI市场规模预计将突破8000亿元，AI推理计算需求将达到训练需求的4到5倍。政策层面，政府工作报告将“促进新一代智能终端和智能体加快推广”写入国家战略，从消费电子到智能座舱，从具身机器人到行业应用，越来越多的终端正在拥有自己的端侧模型。

行业浪潮下，端侧AI急需一个全栈方案的提供者：一个不只给模型，还能打通从芯片适配到量产交付整条链路的人。但行业过去都在押注云端，谁能为端侧AI点燃火种？

我们在WAIC 2026上注意到，面壁智能正在输出这样一套全栈方案。具身智能赛道，携手乐聚机器人打造纯离线运行的导览、巡检智能体方案；智能汽车领域，自研座舱系统SuperMate已落地超30万台量产车，合作覆盖长安、吉利、上汽大众、广汽等多家车企。

从手机到具身智能、智能座舱，横跨多赛道的落地成果证明面壁智能正在端侧产业荒原上搭建起一套从底层模型到量产交付、完整闭环的产业助燃体系。扎实的技术实力与规模化落地能力也收获了资本市场的高度认可。

2026上半年，面壁智能融资总额超50亿元，估值突破200亿，稳坐国内端侧AI独角兽头部位置。

那么，面壁智能何以成为端侧赛道上第一个举起火把的人？这场由云向端的算力大迁移中，面壁如何将它传递到真实世界的每一个终端？

要理解端侧智能的产业意义，不妨回溯一个简单却深刻的历史类比。

人类掌握火种之后，很长一段时间里，火只在少数地方燃烧。部落的篝火、工坊的熔炉、城堡的壁炉……火的力量显而易见，但大多数人对它的使用方式相当原始：集中在一个地方，需要用的时候走过去。直到有人开始把火种分装成可携带的火把、火折、火柴，火才真正走进每个人的日常生活。

AI产业正在经历同样的演进。过去三年，以GPT、Claude等为代表的云端大模型就像集中发电站一般证明了AI的潜力。但正如火只有进入千家万户才有社会价值，AI只有走进真实世界的万千终端，才能完成从炫酷技术到基础设施的跨越。这就是端侧智能崛起的底层逻辑。

而行业真实情况也验证了这一趋势。

一方面，传统云端AI模式的结构性瓶颈日益凸显，难以适配规模化、常态化的产业落地需求。云端推理高度依赖远程算力调度，随着AI用户规模持续扩张、应用场景不断丰富，算力成本呈指数级上涨。应用规模越大、亏损越严重的困境长期困扰着云端AI的商业落地，始终无法形成健康可持续的盈利模式。与此同时，云端远程调用的架构天生存在诸多缺陷。实时交互场景下的网络延迟问题严重影响工业、自动驾驶等终端用户体验。海量数据上传云端的传输模式则滋生了隐私泄露、数据合规等风险。多重痛点叠加让云端模式根本无法满足AI应用随取随用、安全可控、低延迟响应的核心需求。

另一方面，终端算力的跨越式跃升，为端侧智能的规模化落地筑牢了硬件根基，搭建起适配本地AI运行的专属电网。各大芯片厂商持续深耕端侧算力赛道，不断迭代优化端侧NPU架构，持续突破终端AI算力上限，如今各类智能终端已具备独立轻量化、本地化运行大模型的硬件基础。旗舰手机NPU普遍超过三十TOPS，车载AI Box算力最高可达180–200TOPS。在此背景下，手机、PC、汽车等终端厂商正在将AI能力作为核心竞争力与差异化卖点。行业整体正式从依赖云端AI调用转向自主布局、自研自用端侧AI的全新阶段。

纵观AI产业的发展历程，行业已先后走完内容生成、智能推理、自主行动三大发展阶段，如今正式迈入真实世界落地的全新阶段。与前三个虚拟场景阶段不同，真实物理世界的AI应用具备高实时性、高数据敏感性、多离线场景的核心特征，对AI的响应速度、数据安全、离线适配能力提出了极高要求。这恰恰是云端AI的短板、端侧AI的优势。

因此，端侧要有足够强的模型、足够成熟的部署工具链、足够完整的产业生态。而谁来构建端侧智能的基础设施，成了智能在终端全面爆发的第一个灵魂拷问。

在AI产业高速迭代的数年间，端侧AI在很长一段时间里一度是一块无人深耕的空白赛道。并非没有人意识到终端智能的价值，但绝大多数团队在评估了算力约束、模型压缩的精度损失、端侧部署的工程复杂度之后，选择了继续留在云端这片已经被验证过的舒适区。

面壁智能却在三年前就看到了这片没有火种的荒芜之地。2024年，当全行业仍在追逐云端大模型的参数规模时，面壁智能便开始将公司核心资源投向端侧，成为业内首个布局、首个量产落地、首个全栈All in端侧AGI的模型企业。

如今回看，面壁智能在WAIC 2026上展示的全栈成果，正是过去三年在这片荒芜之地上持续耕作的结果。区别于行业多数企业单点突破、碎片化布局的模式，面壁智能以密度定律为内核，从模型层、训练层、系统层、硬件层搭建了一套完整的端侧AI基础设施。

模型层，用最小的燃料烧出最旺的火，以轻量化高性能模型矩阵筑牢端侧智能核心基座。端侧AI基础设施的起点是模型层，面壁智能自研MiniCPM多模态家族持续践行高效的技术路线，重构了行业对轻量化模型的认知。从2024年首发2B参数初代MiniCPM、首次验证小参数模型亦可承载高阶智能能力，到迭代出多模态能力顶尖、适配全场景的MiniCPM-V 4.6，再到本次WAIC重磅开源的MiniCPM-Robot系列模型，面壁智能自研模型完成了从感知、理解到真实世界行动的能力跃迁。

作为面壁智能首个具身智能技术成果，MiniCPM-Robot系列成果包括两个具身智能模型：通用VLA模型MiniCPM-RobotManip以及面向移动机器人跟踪导航的MiniCPM-RobotTrack。

MiniCPM-RobotManip仅1.5B，但能实现体量更大的3-4B模型的性能，综合性能与QwenVLA、π0.5等知名VLA模型性能相近。而作为业内首个本地断网部署跟踪模型，MiniCPM-RobotTrack原生适配宇树Go2 Edu，模型仅依靠原装摄像头和本地算力即可完成单目标、动态多目标及模糊目标跟踪，实现了纯视觉的本地自主指令追踪。

简言之，依托极致的视觉Token压缩技术，整个MiniCPM系列实现了轻量化、高精度与低延迟的兼顾，成为面壁端侧AI方案的核心技术底座。但模型层并非孤立存在，面壁在模型层面的快速迭代离不开训练层的底层支撑。

训练层，让AI学会自己添柴，以自进化框架打通模型持续迭代闭环。为破解端侧模型迭代周期长、工程成本高、人工依赖度高的行业难题，面壁智能自研并开源ForgeTrain AI自进化框架，这是全球首个完全由AI自主编写、零人类代码介入的生产级大模型训练框架。该框架不仅在英伟达H100芯片上训练速度超越Megatron框架10%，还原生适配国产昇腾算力，实现了国产算力、国产模型、AI自研框架的全闭环迭代。依托这套自动化引擎，端侧模型可完成自主训练、优化、迭代升级，大幅降低研发成本、缩短迭代周期，让端侧智能能力得以持续进化。

而模型层的进化，最终要落到真实世界的场景中才有意义。只有进入终端、进入场景，端侧智能才算真正走完了从技术到价值的闭环。智能汽车领域，面壁智能联合长安汽车、英特尔发布业界首个大规模量产车载AIBox，搭载SuperMate 2.0智能座舱能力，实现毫秒级本地推理、高隐私安全防护，已落地长安马自达EZ-60、吉利银河M9等车型，年度量产规模有望突破30万台。具身智能领域，携手乐聚机器人推出纯离线可用的展厅导览、园区巡检两大Agent方案，依托端侧模型无网运行能力，破解展馆、园区等信号盲区的作业难题，实现敏感数据本地处理、全程不出设备，兼顾实用性与数据合规性。

在极度碎片化的终端世界里，全栈就是壁垒。没有全栈能力，就不可能在不同场景中快速复制。全栈能力的完整性使面壁智能能够将端侧AI从一次性演示转化为可持续交付的产业能力。从智能汽车到具身智能，从手机到PC，面壁智能的端侧AI能力正在覆盖越来越多的行业场景。

从无人问津的产业荒原到星火燎原的时代风口，面壁智能率先点燃了端侧智能的产业火种，并用全栈技术能力与量产落地成果向全行业证明了端侧AI的未来。如今火种已燃，但对于面壁智能而言，这只是端侧AGI赋能千行百业、定义AI真实世界时代的全新起点。

一个行业的发展通常遵循这样的节奏：少数先行者预判趋势、率先探路，头部玩家跑通技术与落地路径，最终行业标杆成型、统一标准体系、开启规模化时代。面壁智能在端侧AI领域的三年，恰好走完了这条线的验证和量产阶段，成为端侧赛道上第一个真正拾柴、生火、传递火种的人。而2026年，它正在迈入第三阶段——成为端侧行业定义者。

最早拾柴，面壁智能入局端侧比同行早了12到18个月。2024年，当全行业都在押注大参数、追赶OpenAI时，面壁智能做出了一个反共识的决定：布局端侧路线。2024年2月，面壁智能开源2B参数MiniCPM模型，首次向全行业验证了“轻量化模型亦可承载高阶通用智能”的可行性，颠覆了业界参数越大、智能越强的固有认知，为整个端侧行业奠定了技术落地的共识。

最早生火，跑通从实验室到量产的全程。端侧AI行业有一个长期困境：demo惊艳、量产尴尬。面壁用自研的压缩、量化、推理优化工具链，把适配周期从半年压到数周。2026年，超30万台量产车搭载SuperMate交付。从长安汽车到吉利汽车，从上汽大众到广汽集团，面壁智能的技术方案正在加速渗透汽车产业。消费电子领域，三星“盖乐世AI”由面壁MiniCPM系列深度赋能。

车规级要求的是安全与稳定性，消费电子要求的是体验与响应速度。能同时满足这两套差异巨大的标准说明面壁的端侧AI能力已经具备了跨场景、跨行业的通用性。从长安到吉利，从三星到更多正在验证中的终端品牌，面壁正在用一个个量产交付的案例证明：端侧智能已经走出实验室，具备大范围商业化普及的确定性。

截至当前，MiniCPM系列开源模型全球累计下载量突破3800万次，技术方案同步覆盖具身智能、车载、法律、消费电子等多条赛道，多条商业化管线同步跑通，完整证明端侧路线具备大范围复制、稳定变现的商业可行性。

但面壁智能的野心不止于落地千行百业，因此，面壁做出了第三个选择：搭建火堆，成为端侧行业定义者。

北京市科学技术委员会、中关村科技园区管理委员会正式公布2025年北京市重点实验室名单。以清华大学为依托单位，面壁智能、趋境科技为共建单位的“端侧智能北京市重点实验室”成功获批成立，实验室主任由面壁智能联合创始人兼首席科学家刘知远担任。

实验室汇聚三方优势，形成产学研协同的创新联合体。清华大学提供跨学科团队在人工智能、软硬协同优化等领域的理论积淀，面壁智能输出端侧大模型、智能体、高效开源工具链等技术研发能力，趋境科技则补上全系统异构协同推理的专长。三方的合力之下，实验室将重点攻关高能力密度理论体系、软硬协同架构、多模态融合、端侧智能体、产业生态等课题方向，推动从模型研发到芯片优化再到应用落地的全链条创新。

WAIC 2026期间，该实验室联合北京智源人工智能研究院发布《端侧智能2026——规模化落地的元年》报告，系统性地绘制了端侧智能的技术演进图谱、能力地图和规模化路径。

同期面壁还同步落地两大生态布局：一是发布“面壁 +”行业伙伴计划，开放MiniCPM模型、AgentVerse智能体平台、工程交付全套能力，联动政务、金融、教研、物业等七大领域头部企业共建标准化行业AI方案，打通通用大模型垂直落地的“最后一公里”；二是联合中国信通院启动《AI For AI标准》制定，针对传统Scaling Law受数据、算力、成本三重约束的瓶颈，以标准化体系锚定“AI 自主迭代研发”新路径，大幅压缩大模型迭代周期，为全行业提供 AI 自研生产的统一标尺。

多线布局之下，面壁智能正在清晰界定端侧AGI与云端AGI的差异化定位标准。面壁智能的端侧目标是：以低于30瓦功耗，让端侧具备与普通人相当的运动、判断、智商及学习能力，实现机器人实用化与端侧AGI。

未来两到三年，面壁智能将全力推进端侧真实世界ASI落地。对于行业而言，这意味着端侧智能的火种已经点燃并传递到了足够多的场景和伙伴手中；对于面壁智能自身而言，从先行者到定义者的角色转变才刚刚开始。