☞☞☞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☜☜☜
若将时间拨回两年前，国内大模型赛道的主流叙事中，极少有人愿意押注端侧大模型这条冷门路径。彼时普遍认为，终端设备本地算力有限，难以承载复杂的大模型推理任务；端侧能力仅限于语音唤醒、基础图像识别等轻量级功能，远未触及通用人工智能的核心。
面壁智能却是少数自创立起便坚定All in端侧路线的玩家。这家源自清华大学NLP实验室的初创企业，于2022年正式成立时，便将技术重心锚定在小参数模型的极致效率优化上——目标明确：通过高密度算法设计，让大模型摆脱对云端算力的依赖，在手机、汽车、机器人等终端设备上实现原生运行。
如今来到2026年，行业风向悄然生变。端云协同已成为全产业共识，中高端智能手机与新能源汽车几乎全线标配本地大模型，端侧AI已从边缘辅助跃升为智能终端的底层能力标配。
面壁智能亦随之完成跨越式发展：2026年上半年累计融资超50亿元，公司估值突破200亿元，稳居国内端侧AI领域公开估值最高的独角兽之位；其投资方阵营中，产业资本已全面取代财务资本，成为主导力量。
热度攀升之际，质疑声并未退场：当华为、小米、阿里、腾讯等巨头纷纷入场自研端侧模型，一家创业公司究竟依靠什么构筑可持续的竞争壁垒？而所谓“密度定律”，在被业界称为端侧AI规模化落地元年的2026年，究竟是通往产业化的技术捷径，还是真能支撑起大规模商业落地的底层逻辑？
对于这些关键命题，面壁智能或许是最具观察价值的样本之一。
密度定律：一条逆流而上的技术选择
面壁智能的技术基因，从诞生之初就与行业主流形成鲜明分野。
2022年前后，国内大模型赛道盛行“参数崇拜”，训练成本节节攀升，单次完整训练动辄耗费数亿元，准入门槛持续抬高。而由面壁智能首席科学家刘知远领衔的团队却选择反其道而行之：聚焦如何以更少参数实现更高阶智能表现。
这一思路后来被面壁智能CEO李大海提炼为“密度定律”——智能的本质不在于模型体积的堆叠，而在于单位参数所承载的信息密度与推理效能。通过架构创新、训练范式升级，赋予小参数模型越级能力，最终达成大模型在终端设备上的本地化部署。
事实上，早在2020年，该团队便发布了中国首个中文大模型CPM-1，核心定位即高效训练与轻量化部署；后续迭代的CPM-2、CPM-Ant系列，持续深耕模型压缩与高效推理技术。2023年底推出的MiniCPM系列，则首次将端侧模型推向开源社区，也由此让面壁智能的技术路径进入行业视野中心。
这套路径的最新成果，于2026年世界人工智能大会集中亮相。面壁智能现场发布MiniCPM5-2B端侧文本大模型，仅20亿参数，在综合知识理解、数学推理、代码生成、指令遵循及智能体能力等维度，均达到同尺寸全球领先水平。
该模型原生支持混合思考模式，可在即时响应与深度推理间动态切换，并内置工具调用、代码生成等智能体核心能力，可直接作为端侧智能体的基础底座。
更受产业界关注的是其同步开源的具身智能模型系列MiniCPM-Robot，涵盖通用视觉语言动作（VLA）模型MiniCPM-RobotManip与跟踪导航模型MiniCPM-RobotTrack两款产品，全部开放源码。
其中参数量仅1.5B的操作模型，有效弥补了当前主流VLA模型普遍缺乏长时序列记忆的短板。演示场景中，机械臂能够准确记住操作顺序，稳定完成“按指定次数按压按钮”等需持续记忆的任务——而这恰恰是多数单帧响应式VLA模型难以可靠实现的能力。
据悉，截至目前，MiniCPM全系列开源模型累计下载量已突破3800万次，成为国内影响力最广的端侧开源模型体系。对一家初创企业而言，这一下载规模已初步构建起可观的生态基础。
大厂围猎之下，第三方厂商的破局之道
端侧AI热度升温后，大厂加速入局，成为2026年最显著的行业特征。
当前国内端侧大模型玩家的路径清晰可辨。
以华为、小米、OPPO、vivo为代表的终端厂商，核心诉求在于强化自有设备的体验护城河。华为坚持全栈自研路线，依托麒麟芯片与昇腾算力，实现芯片、系统、模型的深度协同；小米则以“人车家全生态”为支点，深度绑定米家生态体系；OPPO与vivo亦分别推出端侧大模型版本，着力打磨系统级智能体能力。
就在近期，国家网信办公布最新一批生成式AI服务备案名单，苹果、华为、小米、OPPO、vivo、三星、努比亚共七款手机端侧AI产品成功通过备案，标志着手机端侧AI正式迈入合规化、规模化落地新阶段。值得注意的是，绝大多数头部手机厂商均选择自研核心模型，以增强终端掌控力，并实现软硬一体化优化。
与此同时，阿里云、腾讯云、百度智能云等云服务商，则依托云端大模型技术向下延伸至端侧。其优势在于云端能力完备，可面向行业客户输出端云一体的整体解决方案，但并不直接涉足C端消费硬件。
而像面壁智能这样的独立模型厂商，则主打第三方通用基座，面向全行业开放合作。这类企业的核心价值在于中立性——不自研硬件、不与客户构成竞争关系，因而可同时服务于多家终端厂商与跨行业客户。
面壁智能的商业化路径正是依此展开。
在手机领域，它已成为三星Galaxy AI的端侧模型能力提供商，覆盖多款旗舰机型，也是目前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，“SuperMate”智能座舱方案已搭载于吉利银河M9、长安马自达EZ-60等量产车型，合作车企还包括大众等国际品牌。
在具身智能方向，面壁智能联合乐聚机器人推出纯端侧离线导览机器人，已在巡检、展厅等场景落地；同时其模型已原生适配宇树科技等品牌的四足机器人，提供导航与交互能力。
这种第三方供给模式，恰恰印证了产业链分工的进一步深化：并非所有终端厂商都具备从零构建大模型的能力，也并非所有企业都愿持续承担高昂的研发投入。
独立模型厂商的存在，既为中小终端厂商与垂直行业客户提供了低门槛的选型选项，也为头部厂商提供了能力补充与备份方案。
但挑战同样真实存在。头部终端厂商的自研比例将持续提升，尤其如华为、小米等具备全栈能力的企业，核心模型能力势必牢牢掌握在自己手中，第三方厂商往往只能切入边缘场景或中低端产品线。若要维持增长，面壁智能必须不断拓展新的垂直行业，覆盖更多碎片化终端场景，避免过度依赖单一客户。
从当前布局看，面壁智能确实在朝此方向推进。除手机、汽车两大主战场外，它已延伸至航天、低空经济、工业制造、智能家居等多个领域，并与一苇宇航合作推出太空算力方案，探索在轨智能预警、遥感观测等前沿应用场景。
场景越分散，单一客户的波动风险越低，但定制化成本也相应上升，对标准化产品能力提出更高要求。
2026：规模化落地元年的成色检验
“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，也是面壁智能最新行业报告中的核心结论。
数据层面已显现出拐点信号。
IDC发布的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%的增速明显收窄；而边缘AI芯片出货量同比激增45%，面向IoT与工业终端的中低端AI芯片出货量涨幅更是高达110%。两者之间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8661亿元。
终端渗透节奏也在加快。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搭载端侧大模型；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年新上市新能源车型中，超六成已搭载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落地案例亦呈爆发式增长。
然而繁荣表象之下，深层问题仍未根本破解。
据业内人士透露，当前端侧模型多集中于7B参数以内，主流手机端常用2B至4B参数模型，虽足以支撑日常对话、摘要生成、简单工具调用等任务，但在复杂推理、深度创作、专业领域作业等方面仍需依赖云端。
端侧AI目前主要承担高频、轻量、隐私敏感类任务，复杂任务仍需回传云端处理，“端云协同”将是长期演进形态。这也意味着，端侧模型的价值更多体现在用户体验优化与运营成本降低，而非颠覆性能力重构。
不同于云端大模型可一套方案服务海量用户，端侧设备形态千差万别：芯片平台各异、算力水平不一、功耗约束严苛、系统环境多样。每适配一类设备、一款芯片，均需大量调优工作。
面壁智能目前已完成十余家芯片平台、二十余种终端形态的适配，但这仅是冰山一角——IoT设备品类更为庞杂，标准化难度极高。
市场更关注端侧的商业化路径。云端大模型可通过Token计费，模式清晰；而端侧模型多采用一次性授权或按设备量收费，客单价受限。
面壁智能当前营收主要来自车企、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。如何将开源生态的流量转化为可持续的商业化收益，是所有开源模型厂商共同面临的命题。
在2026年的行业共识中，端侧AI已完成从“可有可无”到“基础配置”的身份跃迁——从昔日的边缘补充，成长为今日的产业刚需。端侧智能仅用四年时间便站上舞台中央，面壁智能的快速崛起，正是这一趋势的缩影。
其成长路径亦极具代表性：始于高校实验室，凭借差异化技术路线切入细分赛道，借开源社区构建生态影响力，再依托产业资本加速场景落地，最终成长为赛道头部独角兽。这既是国内AI创业公司的典型演进路径，也验证了垂直技术路线的现实生存空间。
当然，终局尚远。端侧AI才刚刚步入规模化落地阶段，芯片、模型、应用、生态各环节仍在高速迭代，大厂与创业公司、自研与第三方、云端与端侧，各类路径仍处于长期竞合之中。
面壁智能已稳握下一阶段的入场券。200亿元估值，是认可，更是压力。端侧AI的故事才刚启幕，真正的考验，才刚刚开始。
本文来自微信公众号 “新眸”（ID：xinmouls），作者：李小东，36氪经授权发布。
