智东西

作者 | 江宇

编辑 | 漠影

2026 年世界人工智能大会的展馆里，端侧智能的身影几乎无处不在。

从智能座舱里 " 比副驾更懂你 " 的主动服务，到手机 AI 离线运行的隐私保护，再到机器人 " 听得懂指令、做得稳任务 " 的具身交互，端侧智能正在各类终端上密集落地。

大模型要想真正运行在汽车、手机、机器人等终端硬件上，端侧 AI 已经成为不可或缺的 " 接地点 "。

但不同终端，对 AI 提出的要求并不相同。手机、汽车和机器人都属于端侧 AI，却几乎是三门生意。

硬件厂商陆续推出自己的端侧 AI 产品，一系列现实问题也随之出现：模型能不能适配不同芯片，换一款硬件是否需要重新开发，系统升级会不会打断已有能力，一次项目积累能否迁移到下一台设备 ……

端侧 AI 真正进入产业化阶段之后，比拼的不再只是模型能力。

行业需要的是能够理解模型、芯片、操作系统、终端设备和交付流程的参与者，把原本割裂的各个环节连接起来。

作为国内较早布局端侧大模型、率先实现端侧量产交付，并持续聚焦端侧 AGI 方向的企业，面壁智能近年来不断验证端侧 AI 的产业价值，也逐渐积累起跨终端落地能力。

今年 WAIC 期间，面壁智能集中展示了手机、汽车、机器人、航天等多个行业案例，新一代 MiniCPM 系列端侧模型、全新 VLA 具身模型、具身智能解决方案，以及 "AI 制造 AI" 的最新成果。

把这些成果放在一起看，它们共同指向一个问题：谁来把分散的芯片、模型、操作系统和应用组织起来，让端侧 AI 摆脱一次次重复适配？

一、端侧 AI 进入产业化，难点已经不只是模型

模型能够跑在终端，只是端侧 AI 产业化的第一步。

真正进入落地阶段之后，不同终端面对的是完全不同的工程约束。

若以三类代表终端拆解，大致可以看到这样的差异：

手机关注内存占用、功耗、响应速度，以及相册、通信等隐私数据的安全保护；

汽车关注车规级安全、芯片生命周期、座舱系统兼容以及量产交付；

机器人关注实时感知、本体差异、动作执行，以及复杂环境下的稳定运行。

这些终端都属于端侧 AI，却没有一套完全相同的解决方案。

目前行业普遍面临的问题是，终端厂商拥有各自不同的芯片和系统，模型厂商往往需要逐个平台适配；一次成功的 POC 并不意味着能够顺利量产，更不意味着可以快速复制到下一家客户。

行业需要的不只是更小、更快的大模型，也需要能够同时理解模型、芯片、操作系统、应用、终端和交付体系，把这些能力真正串联起来。

随着端侧 AI 进入规模化部署阶段，模型能力逐渐成为产业化的基础能力，真正拉开差距的，则是跨终端适配、持续交付和工程化能力。

二、模型之外，端侧 AI 还需要一套产业能力

眼下可以确认的是，模型能够跑起来，意味着技术已经跨过第一道门槛；如何让不同终端更快完成部署、更稳定进入量产，则成为端侧 AI 下一阶段需要回答的问题。

目前，面壁智能已经形成 MiniCPM 系列端侧模型矩阵，覆盖文本、视觉、全模态和语音等多个方向。

MiniCPM 5-2B 在最新的 Artificial Analysis（AA）榜单评测中，以 17 分的成绩占据榜首，成为 4B 以下模型中 " 性能王 "。

MiniCPM-V 4.6 采用 1.3B 参数规模，在同级模型中实现更高的智能密度。

MiniCPM-o 4.5 提供实时全模态交互能力，是行业首个即时自由对话的大模型。

截至目前，MiniCPM 系列开源模型累计下载量已超过 3800 万次。不同尺寸模型覆盖不同算力终端，让手机、汽车、机器人、开发板等设备能够根据自身硬件条件选择合适模型，在降低部署成本的同时提升适配效率。

模型之外，面壁智能也围绕产业化持续完善配套能力。

目前，其已经完成5 款主流智能座舱芯片的量产级适配，在6 款 AI Box 平台开展商业化探索，并完成2 款全模态芯片适配；手机侧则覆盖高通、联发科以及三星等多个主流芯片平台，为不同终端厂商提供完整适配能力。

7 月 15 日，国家互联网信息办公室公布最新一批生成式 AI 服务备案名单，三星盖乐世 AI 等 7 款手机端侧 AI 产品通过备案。

面壁智能 MiniCPM 系列作为三星盖乐世 AI 的端侧模型能力提供方，深度参与此次备案落地，也是唯一一家以端侧模型能力参与备案的大模型企业。

此次与三星的合作，也成为面壁智能端侧模型进入全球头部手机厂商的重要一步。

这一合作释放出新的产业信号：AI 模型公司正在成为手机 AI 能力的重要供给方，手机厂商不必事事自研，端侧模型的专业化分工正在逐步形成。

作为国内聚焦端侧大模型方向的独角兽企业，面壁智能也成为这一趋势中的代表性参与者。

汽车行业则是另一项重要验证。

随着参与环节不断深入，面壁智能交付给客户的内容已经覆盖模型、芯片适配、工具链以及交付体系等多个层面。

来自真实项目的持续积累，也让这些能力不断沉淀下来，并逐渐形成能够服务更多客户的共性经验。

三、多行业落地，验证端侧 AI 的共性能力

如果把汽车、手机、机器人放在一起观察，会发现它们属于完全不同的产业，却不断验证着同一套端侧能力。

面壁智能推出的智能座舱方案——面壁智舱 SuperMate，已经实现本地感知、记忆、推理和执行能力，并搭载于吉利银河 M9、长安马自达 EZ-60 等量产车型，与吉利汽车、上汽大众、广汽集团、长城汽车等多家车企形成合作。

围绕事故处理 Agent、主动服务等真实用车场景，面壁智舱团队已经沉淀并验证 68 个可量产亮点场景。与此同时，SuperMate 能够伴随车型持续升级，让模型能力随着产品生命周期不断演进。

手机则是另一块更大的验证场。

手机拥有数量庞大的终端设备，也是端侧 AI 最容易触达用户的入口。

通信、相册、系统管理等大量场景涉及用户隐私，本地推理能够兼顾实时响应与数据安全。模型是否足够轻、功耗是否可控、芯片兼容是否完善，都能够在真实使用环境中得到持续验证。

此次与三星盖乐世 AI 的合作，也进一步证明其端侧模型已经开始进入全球主流消费电子产品。

机器人则进一步考验模型的泛化能力。

此次 WAIC 期间，面壁智能展示了RoboHarness 具身智能方案，其兼容双足、轮式、四足等不同机器人本体，并覆盖导览、巡检等多个真实场景。

无论是展厅讲解、商场导购，还是园区巡检、社区物业，机器人都需要在复杂环境中持续感知环境信息、理解用户指令并完成动作执行。

与此同时，面壁智能还发布了新一代 VLA 具身模型。该模型融合多模态技术沉淀与视觉 Token 压缩能力，在保留完整历史观测记忆的同时，计算量与不保留记忆时持平，在 RMBench（机器人上下文记忆基准）上取得显著优势。

松果派 AI 开发板则承担着开发验证平台的角色。

它集成MiniCPM 系列模型和端侧 Agent 运行环境，能够帮助开发者快速完成端侧硬件原型开发，降低 AI 硬件应用门槛，缩短产品验证周期。

航天场景则进一步验证了无网络、带宽受限环境下，本地推理的重要价值。

汽车、手机、机器人、航天属于不同产业，也拥有各自不同的技术要求。

它们共同验证着端侧 AI 的一组基础能力：低资源运行、多模态理解、本地决策、数据安全、跨芯兼容以及持续升级。而这些能力正在成为越来越多终端产品的共同需求。

四、产业化竞争，也在生态和标准中展开

模型能够落地，只意味着迈出了第一步。

随着端侧 AI 逐步走向规模化，模型之外的标准、工具链、开发者生态和产业协同，也开始影响整个行业的发展效率。

今年 WAIC 期间，面壁智能携手中国信息通信研究院人工智能研究所，联合启动《AI For AI 标准》，深度参与 AI 标准体系建设，希望推动端侧 AI 形成更加统一、可复用的产业规范。

除了参与标准建设，面壁智能也持续扩大开发者生态。

由清华大学自然语言处理实验室联合面壁智能发起的开源社区 OpenBMB，持续开放 MiniCPM 系列模型、压缩量化工具、推理工具链以及 Agent 能力，让更多开发者能够直接体验、部署端侧模型。

与此同时，面壁智能联合 OpenBMB 正式启动 " 全球开发者大使计划 "，并发起 "MiniCPM 火种计划 "，向全球开发者持续开放模型、工具链、实践资源和社区支持，希望吸引更多开发者参与端侧 AI 生态建设，加速应用创新。

生态建设的另一端，则连接着产业伙伴。

此次 WAIC 期间，面壁智能还同步发布 " 面壁 + 行业伙伴计划 "。其中，面壁智能提供基础模型、AgentVerse 平台、私有化部署、算力以及商业化渠道等能力，行业伙伴则贡献行业认知、业务规则、私有数据、应用场景和客户资源，双方共同打造面向行业客户的定制化 AI 解决方案。

端侧 AI 涉及模型、芯片、操作系统、终端设备、应用开发、行业落地等多个环节，没有任何一家企业能够独立完成全部工作。

正如李大海所言，大模型竞争已进入行业应用落地的下半场，" 行业深刻认知 + 端侧 AI" 才是真正的护城河。面壁智能将基础模型与 Agent 平台的能力开放给行业伙伴，让懂行业的人用 AI 重新定义行业。

结语：端侧智能的产业化，需要更多 " 先把路走通的人 "

端侧 AI 是一套系统工程，每一个环节都会影响最终产品落地。随着越来越多终端部署大模型，产业竞争也逐渐延伸到模型之外。

如何让一次项目积累服务更多客户，让一次芯片适配覆盖更多平台，让更多开发者快速参与应用开发，成为行业共同关注的新课题。

从这一角度看，面壁智能正在尝试承担一种新的角色：把模型能力、芯片适配、开发工具、行业经验和开发者生态组织在一起，为终端厂商提供一套可复用的方法。

汽车、手机、机器人、航天等多个行业，为这套方法提供了真实验证；OpenBMB 开源社区和持续开放的工具链，则不断吸引更多开发者参与端侧 AI 生态建设。

随着端侧 AI 持续走向规模化，面壁智能也正从一家端侧大模型公司，逐步向端侧智能产业定义者迈进。