端侧 AI 的定义权，面壁智能先拿下了

81 0 0

文章摘要

面壁智能近期举办开源周，集中发布多项技术成果，致力于构建端侧AGI世界底座。随着大模型行业竞争从云端参数比拼转向端侧设备落地，如何将模型能力稳定融入手机、车机等真实设备成为核心议题。面壁智能提前布局端侧路线，重点攻克端侧AI面临的功耗、内存和场景三道硬约束。

在功耗约束方面，面壁开源了UltraData数据治理体系，通过提高数据密度来训练单位参数智能密度更高的模型，其推出的MiniCPM5-1B验证了小参数模型具备高智能的落地可行性。真正的端侧模型核心指标并非参数量大小，而是单位参数内压入的智能密度。针对内存约束，面壁发布了基于华为昇腾平台的BitCPM-CANN 1.58-bit三值大模型，大幅降低推理显存占用，有效缓解了算力与内存的剪刀差问题。在场景约束方面，完全由AI编写的ForgeTrain预训练框架不仅提升了训练速度，还打破了单一软件生态的限制，实现了训练基础设施生产权的转移。

面壁智能的核心战略在于践行密度定律，即在有限的算力、内存和功耗条件下，让单位参数承载更多智能。这一理念贯穿于数据、训练、参数、内存及应用的全链路工程中。通过持续提升智能密度，原本依赖云端的大模型能力正逐步向端侧迁移，拓展了本地知识库、设备控制等应用场景。

当前，全球AI格局正经历模型能力向设备端下沉的结构性变化。面壁智能凭借多年的开源积累与全链路工程化能力，不仅实现了国产算力上的技术突破，还与多家头部企业在汽车、PC等终端场景展开合作。面壁智能的最终目标是在功耗、内存、算力与系统之间完成协同设计，从而夺取中国端侧AI的技术定义权。这种通过长期工程迭代建立的结构性领先，使其在端侧AI竞赛中构筑了深厚的护城河。