另辟蹊径：端侧AI的探索者

AI这股浪潮，大多数人都盯着云端算力这个方向。但面壁智能偏偏走了一条不一样的路。他们不拼参数大小，而是琢磨着怎么把大模型压缩，让它能流畅地跑进手机、汽车，甚至一个毛绒玩具里。操盘这件事的，是面壁智能的联合创始人兼CTO，28岁的曾国洋。

年少有为：从CPM-1到生成式AI信仰

说回曾国洋这个人，他的AI之路起步很早。22岁那年，他主导训练了中国第一个大语言模型CPM-1。当时那个被戏称为“打字机”的简单网页，已经让第一批研究者嗅到了生成式模型的力量。

随后的几年，从BERT到GPT的架构变迁，他都看在眼里。也由此确信：生成式AI，才是通往更高智能的那条路。

知识密度：参数规模并非唯一出路

如今，面壁智能把目光聚焦在“知识密度”上。团队的核心判断是：单纯堆砌参数不是AI发展的唯一出路。他们搞了一套“模型风洞”技术，可以在小规模实验中高效验证和预测模型效果。

这套方法论的核心结论很有意思：知识密度每3.5个月翻一番，同等智能所需的参数规模会指数级下降。拿面壁发布的MiniCPM来说，它只有2B的参数规模，但实际表现已经超过了同期不少8B的对手，在端侧市场站稳了脚跟。

拼理解：端侧AI的终极形态

AI落地这件事，正在从“拼算力”转向“拼理解”。端侧模型要解决的，不只是功耗、延迟和硬件适配这些工程难题，更重要的是要有真正的人格化记忆。

曾国洋提过一个“默契系统”的构想：未来的AI，不应该是等着你发号施令的机器，而是通过行为模式库，在用户开口前就调好环境温度，或者规划好出行路径。这种“无感”的智能，才是端侧AI的终极形态。

深度重构：训练框架与数据治理

为了实现这个目标，团队在训练流程上做了深度重构。他们开发了一个叫ForgeTrain的训练框架，还建立了一套从数据治理到硬件部署的五级分层标准。

曾国洋特别强调，数据质量决定了模型的上限。所以算法工程师必须深入到数据底层，确保输入模型的知识没有瑕疵。

落地应用：从车企到未来

在吉利、上汽大众这些车企的量产车型里，面壁的端侧方案已经完成了定点应用。随着芯片与算力适配的日趋成熟，AI正在走出云端的聊天室，深入人们日常接触的数字设备中。

可以确定的是，计算本身就应该同时存在于云端和端侧。而连接真实世界与数字世界那个最贴近用户的“气球外皮”，正是端侧模型将要担负的使命。

《夸克》非常好用的免费AI浏览器

下载APP查看