本文字数：3701｜预计6分钟读完
卡位端侧，落地场景。
撰文丨何己派
国产端侧智能领域，跑出一匹超级黑马。
7月15日，面壁智能完成新一轮融资，投资方包括国家级基金、央企、汽车制造商等各类产业方、知名财务投资人等。
至此，2026上半年累计融资金额超50亿元、估值超200亿元的面壁智能，正式成为端侧智能领域，公开估值最大的独角兽。
同日，一则重要消息发布。
国家互联网信息办公室公布最新一批生成式人工智能服务备案，三星“盖乐世AI”正式获批，背后的端侧大模型能力，由面壁智能MiniCPM系列支撑。
2026年，大模型赛道在纵深分化，叙事重心从技术潜力转向生产力落地。过去拼的是谁模型更大、参数多、跑分高，现在看的是谁更好用、谁离用户更近、谁能创造更多价值。
一条更具爆发力的主线浮出水面：端侧智能正驱动AI从数字世界走向真实世界。当每部手机、每台车、每个工业设备，都拥有理解、推理和生成能力，AI将从工具真正走向组织级生产力基础设施。
面壁智能，就站在这个爆发前夜。
在大模型“新六小虎”阵营里，它显得格外另类，一开始就选择端侧这条少有人走的道路。
如今，随着端侧智能从边缘话题变成产业共识，面壁智能不仅充分验证其路径的可行性，更凭借“理论—模型—工具—应用”的全链路技术体系与产业闭环，抢先拿到端侧AI范式的定义权。
1
端侧成为产业“必答题”
端侧AI，需求和讨论度明显升温。
7月15日，网信办备案7款手机AI产品，标志着端侧AI正式进入监管视野，行业从概念验证迈入规模化落地阶段。
两个数据值得关注：
弗若斯特沙利文预测，全球端侧AI市场规模将从2025年的3219亿元，增长至2029年的1.22万亿元，年复合增长率约40%。
市场数据显示，2026年一季度，AI大模型上车装配率飙升至35.3%，上年同期，这个数字还只有10.4%。
过去几年，大模型的能力，主要发生在云端的对话框里，用户提问、模型回答。
Agent时代，AI走出屏幕、走进现实，落地车间、手术室、客厅，开始上手帮人类干活，带来的一个确定性趋势是，AI的下一个产业爆发点，就在真实世界。
端侧AI天然具有实时响应、隐私安全、离线可用等优势，令其成为AI迈向真实世界的必经之路。
我们需要智能“无所不能”，在云端大显身手，某些方面超越人类专家；也需要智能“无所不在”，在离用户更近的端侧，与环境产生深度互动，为用户隐私架起防线。
未来的智能，不可能只存在于云端，端侧绝不是云的附属品。这一产业共识形成之前，面壁智能就已在这个方向上，孤独地走了两年。
2024年2月，面壁智能开源发布首个端侧模型MiniCPM，凭借2B参数规模、1T tokens，跑出了当年GPT-3（175B参数）的同等效果。
性能开挂、极低成本，团队给系列模型取了个很形象的名字，“小钢炮”。
彼时，多数同行还在云端大模型缠斗，面壁的战略选择，相当“反常识”。
“既然已经有人在做云模型，我们为什么还要重复做同样的事情？”
在面壁智能联合创始人、首席科学家刘知远看来，历史上，计算本就一直同时存在超级计算、云计算、端侧计算，人工智能也会是这样。
这支不走寻常路的团队，颇具前瞻性地将“高效”视为自身最重要的底色，很早就抓到了行业的第一性原理，总结提炼出“大模型的摩尔定律”，取名为“密度定律”。
面壁智能相信，“知识密度”是衡量模型的真正标尺，模型智能密度随时间呈指数级增强，达到特定智能水平所需的参数量，每3.5个⽉下降⼀半。
这意味着，每隔3.5个月，就能用一半参数量的模型，实现当前最优性能。用更低成本实现更高智能水平的模型，是大势所趋。
今天需要云端才能处理的任务，在不久的将来，即可下沉至端侧。
该理论不仅登上国际顶刊《Nature》的子刊封面，更与多家海外顶级机构2026年提出的前沿洞察，高度契合。
例如Meta，2026年4月发布自研模型Muse Spark时，提出了Muse Spark Text Scaling Ladder，侧面印证面壁智能密度定律的严谨度。
一个需要指出的细节是，面壁智能早在2024 年就研判得出该规律，而后持续实践深耕，较海外机构早了两年。
近期，面壁智能推出的MiniCPM5-1B模型，以两百分之一的参数规模，逼近两年前GPT-4o的水平，给出了这一定律最新的实践证明。
2
从无人区到舞台中央
从2022年自清华大学NLP实验室孵化，到正式进入“200亿独角兽俱乐部”，面壁智能只用了4年。
它把端侧AI这张“冷板凳”坐热，凭借对“密度定律”和AGI发展趋势的理解，走出了一条“更高效、更强”的极致之路。
半年累计融资超50亿元、投资者阵容多元、估值滚雪球般快速抬升，专业投资机构抢着给出极具分量的信任票，在于对其“端侧承担高密度智能”的认可，以及长期价值的明确押注。
先来看基座模型能力层面。面壁建立了坚实的原生技术壁垒，将自己与“端侧AI标杆企业”的标签，牢牢绑定。
其开源的MiniCPM系列大模型，在GitHub、Hugging Face等平台累计下载量，已突破3800万次，囊括文本、多模态、全模态、语音等不同类别，实现从0.5B到9B不同尺寸的覆盖。
值得一提的是，面壁智能是世界少有的开源参数规模10B以下“端侧模型全家桶”的厂商。
再来看规模化场景落地层面。面壁智能同样实打实跑出了成绩，以真实量产合作为注脚。
目前，MiniCPM端侧模型成功落地汽车、手机、AIPC、具身智能、智能家居等多个领域。
尤其在汽车领域，面壁已联合长安马自达、吉利等车企，实现端侧模型的量产上车，描绘了一幅“让每辆汽车都拥有一个‘贾维斯’”的未来蓝图。
用一个超性能的“端侧大脑”接管智能座舱，满足挑剔的车企客户，并非易事。
这里头有重重工程化挑战：交互效果上对标千亿级云端大模型，响应速度要全面超越传统车载算法，同时还要严控算力硬件成本。
面壁智能将这些难题概括为“不可能三角”，团队要对效果、速度、成本三要素，破解出高可靠性的平衡之道。
面向真实车规量产环境设计，面壁所交付的一套核心能力是，即便在无云或弱网条件下，也能实现多模态感知与实时决策，兼顾安全、低延迟与隐私保护。
公司透露，其端侧智能座舱产品矩阵SuperMate，2026年底将实现超30万台车辆量产交付。
从技术突破到商业化落地，面壁智能蹚出一条确定性的端侧AI发展路径，在“先发者定义规则，后发者跟随”的大模型赛道，确立差异化优势，这是顶级投资机构愿意用真金白银为其能力投票的重要原因。
面壁智能站上200亿元估值，恰在其迈向资本市场、技术实力和商业应用获得共同验证的新阶段。
2026年6月，证券监管部门高层明确表示，扩大科创板第五套标准适用范围至人工智能大模型领域。同日，上交所出台专项指引，AI大模型企业正式适用科创板第五套上市标准。
第五套标准此前主要适配生物医药企业，此次扩围至AI领域，为暂未实现盈利、但技术硬核、前景广阔的优质大模型企业，打通上市通道。
对面壁而言，这是个令人振奋的信号：
作为端侧智能赛道的中坚力量，无论技术壁垒、产业认可度还是行业成长空间，其均符合政策导向，有望搭上快车。
3
领跑者的“开放”命题
端侧大模型的顶峰，不在冰山一角，而在整座冰山。
在面壁团队眼里，自身的技术进步必须与产业厚度挂钩，“将大模型放在离用户最近的地方”这件事，需要模型企业、芯片厂商、终端设备商、车企、系统集成商和垂直行业伙伴形成网状协同，共同完成能力闭环。
用面壁智能联合创始人、CEO李大海的话说，“端侧AI的价值，不只是让模型跑在设备上，而是让智能进入产业链的关键节点。”
面壁智能联合创始人、CEO李大海
他判断，2026年会是端侧智能规模化落地元年。
怎么推动AI能力尽快从云端走到真实世界？自创立以来，面壁智能就一直在死磕四个字：开源开放。
鲜为人知的是，它发起的开源社区，比公司成立还要早一年。
2020年底，清华大学计算机系NLP实验室的刘知远团队，训练出全球第一个中文开源大模型CPM，隔年，团队发起成立OpenBMB社区。
2022年8月，面壁智能成立，那时，OpenBMB社区已运营一年多。
开源精神，刻入这家公司的基因里。
相比很多所谓的“开源”仅开放模型权重，而训练方法与技术细节等“配方”并不公开，面壁团队选择全面开源，包括模型权重、训练数据集、部署方案。
他们甚至做过训练直播，每天向开发者更新模型训练状态。其开放程度，放眼全球大模型厂商，也极为罕见。
5月，面壁智能与OpenBMB联合举办“端侧大模型开源周”，五天时间，每天解锁一个端侧大模型的杀手锏，为国产AI开源，持续树立新的标杆。
中国庞大的端侧产业链，配合面壁的全栈技术开源，可打通从底层模型到终端部署、从场景适配到商业应用的闭环。
具体来看，芯片适配方面，面壁已完成对高通、联发科、英特尔、瑞芯微、英伟达、AMD等主流芯片平台的全面适配。
其于5月发布的BitCPM-CANN模型系列，为国内首个完全基于国产算力平台（华为昇腾）实现端到端训练并开源的三值（1.58-bit）大模型，紧抓内存的痛点：让同样的模型能力在同一款终端上运行，只需要此前六分之一的内存。
端侧AI天然适配有限算力、低功耗、强隐私的终端环境，这为国产算力芯片提供可生长的土壤，亦是云端模型路线的厂商难以覆盖的战略空间。
面壁积极推动生态繁荣，还体现在，其于6月联合北京智源人工智能研究院、OpenBMB开源社区，发起“智能体+硬件创新加速孵化器”招募计划。
“我们希望和芯片、终端、应用及行业伙伴一起，把端侧AI做成可部署、可复制、可规模化的产业能力，让更多企业和用户真正用得起、用得好、用得安心。”李大海表示。
这家独树一帜的公司，坚持做难而正确的事情，储备模型、产业、生态的先发优势，等到风来，扶摇直上。
（本文内容仅供参考，不作为投资建议）