人工智能浪潮奔涌向前，当多数力量聚焦于云端算力的激烈角逐时，面壁智能却另辟蹊径：致力于大模型轻量化，让其顺畅运行于手机、智能座舱乃至一只毛绒玩具之中。作为面壁智能联合创始人兼cto，年仅28岁的曾国洋，正亲身参与并引领这场端侧ai的深刻变革。
曾国洋的AI探索起步甚早。22岁那年，他牵头训练出中国首个大语言模型CPM-1——那个被业内调侃为“电子打字机”的朴素网页界面，悄然点燃了首批AI研究者对生成式模型潜力的认知火种。此后数年，他亲历BERT到GPT的范式跃迁，并始终笃信：生成式AI，是通向更高阶智能的关键路径。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如今，在面壁智能，曾国洋带领团队锚定“知识密度”这一核心命题。他们提出：盲目扩大参数规模绝非AI进化的唯一解法。依托自研的“模型风洞”技术，团队可在小规模实验中快速验证与精准预判模型表现。该方法论的底层逻辑在于：知识密度每3.5个月翻倍，而达成同等智能水平所需的参数量则呈指数级萎缩。以面壁推出的MiniCPM为例，其仅以2B参数规模，性能即超越同期8B竞品，在端侧落地场景中迅速赢得市场认可。
AI真正落地的底层逻辑，正悄然由“依赖云端算力”转向“扎根深度理解”。在曾国洋看来，端侧模型不仅要攻克功耗控制、响应延迟与异构硬件适配等工程挑战，更需构建具备人格化记忆能力的智能体。他描绘了“默契系统”的愿景：未来的AI不该是被动应答的工具，而应基于行为模式库，在用户尚未开口前便自动调节室温、规划通勤路线——这种“润物无声”的交互体验，才是端侧AI的理想终点。
为支撑这一目标，团队正全面重构训练范式。面壁智能自主研发了ForgeTrain训练框架，并构建起覆盖数据治理、模型优化、推理加速、硬件编译到终端部署的五级分层技术标准。曾国洋强调：“数据质量决定模型天花板”，每位算法工程师都须下沉至数据源头，严控知识输入的准确性与一致性。
目前，面壁的端侧AI方案已在吉利、上汽大众等车企的量产车型中完成定点搭载。随着芯片生态与边缘算力持续成熟，AI正加速脱离云端聊天框，嵌入人们每日触达的各类智能终端。曾国洋坚信：计算本应云—端共生；而连接物理世界与数字世界的最前沿界面——那个紧贴用户感知的“气球外皮”，正是端侧模型不可替代的使命所在。
