两年前，当国内大模型赛道的主流叙事还在追逐云端算力的无限可能时，很少有人会把目光投向端侧大模型这条小众路径。彼时的普遍共识是，本地算力捉襟见肘，难以支撑复杂模型的推理，终端设备仅能胜任简单的语音唤醒或图像识别，算不上真正的通用智能。然而，面壁智能却是极少数从诞生之初就坚定押注端侧路线的玩家。
这家脱胎于清华大学 NLP 实验室的创业公司，自 2022 年成立以来，便将技术锚点定位于小参数模型的高效提升。通过高密度的算法设计，他们试图打破云端算力的束缚，让大模型在手机、汽车、机器人等终端上实现原生运行。
时间来到 2026 年，行业风向发生了根本性逆转。端云协同已成为全行业共识，中高端手机与新能源汽车几乎全员标配本地大模型，端侧 AI 已从边缘补充蜕变为智能终端的核心基石。面壁智能也随之完成了跳跃式增长：2026 年上半年累计融资超 50 亿元，估值突破 200 亿元，成为国内端侧 AI 赛道估值最高的独角兽，其投资方阵容中，产业资本已取代财务投资成为主力。
在热度攀升的同时，行业的疑问并未消散：在华为、小米、阿里、腾讯纷纷下场自研的激烈竞争中，一家创业公司靠什么建立长期的护城河？而所谓的“密度定律”，在被视为端侧 AI 规模化落地元年的 2026 年，究竟是技术捷径，还是确能支撑起产业级落地的基石？对于这些问题，面壁智能无疑是一个值得深入观察的样本。
密度定律：一条非主流的技术路径
面壁智能的技术底色，从成立之初便与行业主流拉开了距离。2022 年前后，国内大模型赛道普遍遵循“参数至上”的逻辑，算力投入水涨船高，训练成本动辄数亿元。面壁智能首席科学家刘知远带领的团队，却选择了反向而行：研究如何用更小的参数量实现更强的智能水平。这套思路后来被 CEO 李大海总结为“密度定律”，即智能的核心不在于模型体积，而在于单位参数的信息密度与推理效率。通过架构优化与训练方法革新，让小参数模型具备越级能力，最终实现大模型在终端的本地运行。
事实上，早在 2020 年，团队便发布了首个中文大模型 CPM-1，主打高效训练与轻量化部署；后续的 CPM-2、CPM-Ant 系列，持续在模型压缩与高效推理方向积累技术。2023 年底推出的 MiniCPM 系列，正式将端侧模型推向开源社区，让面壁智能的技术路线被行业广泛认知。2026 年世界人工智能大会期间，这套技术路线的最新成果集中公开。面壁智能发布了 MiniCPM5-2B 端侧文本大模型，仅 20 亿参数，却在综合知识、数学推理、代码生成、指令遵循及智能体能力上做到了同尺寸全球领先。该模型原生支持混合思考模式，可在快速响应与深度推理间切换，并具备工具调用、代码生成等智能体核心能力，可直接作为端侧智能体的基座。
更受产业关注的是其首次公开的具身智能模型系列 MiniCPM-Robot，包含通用 VLA 模型 MiniCPM-RobotManip 与跟踪导航模型 MiniCPM-RobotTrack，全部开源开放。其中 1.5B 参数的操作模型，补齐了当前行业内 VLA 模型普遍缺乏长时序列记忆的短板。在演示场景中，机械臂能够记住操作顺序，完成按指定次数按压按钮等需要持续记忆的任务，这是多数单帧反应式 VLA 模型无法稳定实现的。据了解，截至目前，MiniCPM 全系列开源模型累计下载量突破 3800 万次，成为国内影响力最大的端侧开源模型体系，为一家创业公司构建了坚实的生态基础。
大厂入局下，第三方的生存空间
端侧 AI 热度升温后，大厂纷纷下场，这是 2026 年行业最显著的变化。当前国内端侧大模型的玩家路径清晰：以华为、小米、OPPO、vivo 为代表的终端厂商，核心诉求是强化设备体验壁垒。华为走全栈自主路线，依托麒麟芯片与昇腾算力实现软硬协同；小米锚定人车家全生态；OPPO 与 vivo 则致力于打磨系统级智能体能力。前不久，国家网信办公布的最新备案名单中，苹果、华为、小米、OPPO、vivo、三星、努比亚共 7 款手机端侧 AI 产品通过备案，标志着手机端侧 AI 正式进入合规规模化阶段。其中，绝大多数头部厂商选择了自研核心模型，以掌握终端掌控力。
除此以外，阿里云、腾讯云、百度智能云等云厂商，则依托云端大模型技术向端侧下沉，向行业客户输出端云一体的完整方案，不直接触碰 C 端消费硬件。而对于面壁智能这类独立模型厂商，主打第三方通用基座，面向全行业开放合作。其核心价值在于中立性，不涉足自有硬件，不与客户形成直接竞争，可同时服务多家终端厂商与行业客户。
面壁智能的商业化路径正是沿着这个逻辑展开：在手机领域，它成为三星盖乐世 AI 的端侧模型能力提供方，覆盖多款旗舰机型，是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，自研的 SuperMate 智能座舱方案已搭载吉利银河 M9、长安马自达 EZ-60 等量产车型，合作客户还包括大众等更多车企；在具身领域，与乐聚机器人合作推出纯端侧离线导览机器人，在巡检、展厅场景落地，同时模型适配宇树等品牌四足机器人，提供导航与交互能力。
这种第三方供给的模式，印证了行业分工的细化。并非所有终端厂商都有能力从零自研大模型，也并非所有厂商都愿意承担持续的高额研发投入。独立模型厂商为中小终端厂商与垂直行业客户提供了低门槛选型方案，也为头部厂商提供了补充能力的备选。但挑战同样现实：头部厂商自研比例会持续提升，面壁智能只能切入边缘场景或中低端产品线。要维持增长，必须不断拓展新的垂直行业，覆盖更多碎片化场景。从目前布局看，除了手机、汽车，它还拓展了航天、低空、工业、家居等领域，与一苇宇航合作推出太空算力方案，尝试在轨智能预警与遥感观测。
场景越分散，单一客户波动风险越低，但定制化成本更高，对标准化产品能力要求也更严苛。
规模化落地元年的真实成色
“2026 年是端侧 AI 规模化落地元年”，这是李大海在多个场合反复强调的判断，也是面壁智能最新报告的核心结论。数据层面确实显现出拐点信号：IDC 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 年同期的 35% 明显放缓；而边缘 AI 芯片出货量同比大增 45%，面向 IoT、工业终端的中低端 AI 芯片涨幅更是突破 110%。两者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到 8661 亿元。终端设备渗透速度也在加快：手机端，7 款产品通过备案意味着主流旗舰机型将全面标配端侧大模型；汽车端，智能座舱大模型渗透率快速提升，2026 年新上市的新能源车型中，超过六成搭载了端侧或端云协同方案；工业、安防、机器人等领域，端侧 AI 落地案例也在快速增多。
但繁荣之下，深层问题并未根本解决。据行业人士透露，当前端侧模型大多集中在 7B 参数以内，主流手机常用 2B 到 4B 参数。虽然日常对话、摘要生成、简单工具调用已够用，但复杂推理、深度创作、专业领域任务仍需依赖云端。端侧 AI 更多承担高频、简单、隐私敏感的任务，复杂任务仍需回传云端，端云协同是长期形态。这意味着端侧模型的价值更多是体验优化与成本节约，而非颠覆性能力重构。
与云端大模型一套方案服务海量用户不同，端侧设备形态千差万别，芯片平台、算力水平、功耗限制、系统环境各不相同。每适配一类设备、一款芯片，都需要大量调优。面壁智能目前已适配十余家芯片平台、二十余种终端形态，但这只是冰山一角，IoT 设备品类更加庞杂，标准化难度极高。
市场更关心端侧的商业化模式问题。云端大模型可按 Token 计费，模式清晰；而端侧模型大多是一次性授权或按设备量收费，客单价有限。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。如何把开源生态的流量转化为可持续的商业化收入，是所有开源模型厂商面临的共同命题。
在 2026 年的行业共识里，端侧 AI 已从“可有可无”变为“基础配置”。从边缘辅助到产业必选项，端侧智能仅用四年时间便走到了舞台中央。面壁智能的快速崛起，正是这一产业趋势的缩影。其发展路径极具代表性：从高校实验室出发，凭借差异化技术路线切入细分赛道，靠开源社区建立生态影响力，再通过产业资本加持加速场景落地，最终成长为赛道头部独角兽。这是国内 AI 创业公司的一条典型成长路径，也验证了垂直技术路线的生存空间。
当然，现在谈终局还为时过早。端侧 AI 刚进入规模化落地阶段，芯片、模型、应用、生态各个环节都在快速迭代，大厂与创业公司、自研与第三方、云端与端侧，各种路线仍在长期博弈。面壁智能已拿到下一阶段的入场券，200 亿估值是认可，也是压力。端侧 AI 的故事才刚刚开始，真正的考验还在后面。