狙击Manus？面壁选了一条更难的路：发力端侧智能体

如果你最近关注 AI 圈，几乎很难绕开「智能体（Agent）」这个词。在能够独立建站、做股票分析、安排旅行日程的 Manus AI 智能体大火之后，国内外更多公司开始公开押注「AI 智能体」。

甲骨文 AI 集团副总裁 Miranda Nash 在接受采访时表示，AI Agent（智能体）将成为今年科技公司的关注焦点。智谱 CEO 张鹏在最近举行的 2025 中关村论坛年会上发布了全新智能体 AutoGLM 沉思，并表示 2025 年会是 AI Agent（智能体）的爆发之年。

不只是智谱和 AutoGLM 沉思，2025 中关村论坛年会上，这股智能体浪潮还有一个标志性落点——面壁智能正式发布「小钢炮超级助手 cpmGO」，号称是全球首个落地车端的纯端侧智能助手，也是面壁智能「模型即 Agent」愿景的一次技术实践。

图/面壁智能

特别在于，这个小体积的智能助手并不跑在云上，而是完全部署在汽车设备上，能在断网、弱网环境下自主完成感知、理解、决策与执行的全过程。不同于我们熟悉的语音助手，面壁智能宣称「小钢炮」能看、能听、能说，也能动手帮你控车、看屏、识人、识舱、甚至值班守车。

而作为 2022 年成立的国产大模型初创企业，面壁智能一直是将「高效大模型」「端侧部署」作为自身的技术主线，旗下 MiniCPM 系列模型目前已经应用于 AI 手机、AI PC、智能座舱等多个终端形态。

在这次中关村论坛上，面壁智能联合创始人兼 CEO 李大海还引用了知名 AI 工程师、Pleias 联合创始人 Alexander Doria 的话表示，模型本身而非工作流，才是未来 AI 智能体的发展方向——模型即智能体，模型即产品，模型即交互：

「把小钢炮这个端侧模型送去上班，就是 Agent。」

面壁智能联合创始人兼 CEO 李大海，图/中关村论坛

李大海还透露，小钢炮助手将于今年 Q3 正式随车上市，一些整车厂和 Tier1 厂商已经在开展测试。在这场智能体竞赛中，面壁用一个能「上车」的 AI 智能体，率先打响了国产端侧智能体的第一枪。

面壁「小钢炮」上车，不只是语音助手

比起只会听你说「打开空调」的传统车载语音助手，小钢炮超级助手 cpmGO 显然要复杂得多。

作为一款部署在车端的纯端侧模型和超级助手，「小钢炮」不依赖云端推理，而是由面壁智能自研的 MiniCPM-o 全模态模型本地运行完成，从「感知 → 理解 → 推理 → 调用工具 → 实际执行」形成完整的智能体闭环。

首先能「看」。基于舱内外摄像头，「小钢炮」能识别乘客手势、面部、车外动态等视觉信息，结合麦克风阵列进行语音感知，构建起强大的多模态感知系统。你抬个手、回个头，它就能做出响应。

「小钢炮」还能「理解」和「决策」，不仅能识别指令意图，还能理解上下文。比如当你对着中控屏问「这个怎么调亮一点」，它能理解「这个」指的是屏幕亮度，并跳转到对应界面，执行调整操作。

图/面壁智能

这里值得一提的是，面壁在去年 12 月就打造出了首个纯端侧部署、Always On 的「GUI Agent 屏幕助手」，所以不仅能看、能说，还能干，在屏幕上实现「可见即可说」。在此基础上，「小钢炮」具备一定程度上的「工具调用能力」，不仅可以实现泛化语音车控、智能哨兵、儿童与宠物监控，也能直接在车机或者手机屏幕上自动完成一连串的操作任务。

尤其是在车端场景，可以避免手指触屏，直接通过语音指挥导航，甚至让小钢炮拍照并分享给朋友。更重要的是，这一切在弱网、甚至无网的环境下都可运行，真正满足端侧智能体对低延迟、强隐私的刚性要求。

但「小钢炮」更大的意义，在于它已经具备「智能体」的核心三要素：自主感知、意图判断、工具调用。它不是预设任务的脚本执行器，而是一个能够理解用户语境、做出合理判断并完成任务的智能体和 AI 助手——当然，目前这个「助手」可能仍偏向执行型，而非规划型。

至少从目前流出的信息和演示来看，面壁的「小钢炮」能干活，但还不太会「主动安排工作」，也缺少作为「虚拟驾驶助理」的人格化设定与情绪表达，同时大量场景还未广泛上市验证。另外，李大海虽然也在演进中提到了当前 Agent 智能体的一大通病是「长期上下文记忆差」，但「小钢炮」目前也并未展现出解决这个挑战的表现和能力。

图/面壁智能

也就是说，面壁用「小钢炮」解决了智能体能不能「本地跑」、能不能「稳定干活」的问题，但智能体够不够「聪明」、能不能「持续成长」的问题，可能还有待验证和探索。

五大国内初创大模型公司，不同的路线走法

如果说 Manus 掀起了新一轮「智能体」的讨论热潮，那么在国内大模型初创公司中，谁在真正推动智能体落地？谁又在各走各的路？

目前来看，面壁智能、智谱、百川智能、月之暗面（Kimi）和深度求索（DeepSeek）这五家国产代表性的大模型初创公司，已经逐步显露出各自明确而独特的路线分野。

面壁智能：All in 端侧，一步到岗

图/面壁智能

面壁的战略关键词可以总结为三点：「轻量模型、纯端部署、场景落地」。MiniCPM 系列的定位从一开始就不是对标云端大模型，而是追求能在 AI 手机、汽车、AI PC 等终端本地跑起来、干活不掉链子的小模型。

相比多数同行还在「智能体是什么」阶段做演示、发论文，面壁已经算是把「智能体」落地走得比较快的厂商，至少已经部署到了汽车上，支持 real-time、多模态、无网络运行，真正进入了真实的使用场景之中。

但这也意味着它必须面对工程难题、芯片适配、商业验证等「重活」，路径并不轻松。

智谱 AI：技术中台派，B 端+模型生态

图/智谱

作为成立最早的大模型公司之一，智谱走的是大模型中台 + 企业服务路线，强调从预训练模型、到行业数据集、再到垂直应用的全链条能力。智能体方面，智谱目前也更强调「从大模型能力中长出智能体」，更注重通用性与生态的建设。

与此同时，智谱还是国内最早一批走到「智能体」这一步的厂商，陆续推出了 GLM- PC 智能体、AutoGLM （手机）智能体以及最新的 AutoGLM 沉思智能体。其中 AutoGLM 沉思的使用场景与此前大火的 Manus 类似，可以进行行业研究、购物推荐、教案/教程制作、旅行攻略等。

不同的是，AutoGLM 沉思的背后，是智谱自研的全栈大模型技术，融合了 GLM-4 的通用能力、GLM-Z1 的反思能力、GLM-Z1-Rumination 的沉思能力，以及 AutoGLM 的自动执行能力。

百川智能：商业应用导向，All in 医疗大模型

图/百川智能

搜狗创始人王小川创立的百川智能动作迅速，但方向选择更为聚焦。从早期通用 Baichuan 系列大模型切入，再快速向垂类商业化场景推进，甚至对外表示 All in 医疗，打造医疗大模型和智能体。

与面壁不同的是，百川走的是「模型+知识图谱+行业专家系统」的组合路线，更注重服务能力的定制性。简单来说，智能体对它来说更像是「垂直领域的执行引擎」，而不是通用平台。

月之暗面（Kimi）：模型即服务，做好 C 端助手

图/月之暗面

相比另外几家，月之暗面走了一条完全不同的路线，几乎将全部精力集中在「模型即服务」上，专注从大模型到 C 端产品——Kimi 的垂直整合和用户体验的打磨。

尽管目前月之暗面还没有推出真正意义上的智能体，但相信这件事已经在路上了。从根本上，月之暗面想做的 AI 智能助手很难只靠优秀的对话能力支撑，能够学习和代替人类完成任务的智能体，应该说是题中应有之义。

另一方面，打造智能体的难点在于推理能力、记忆能力以及工具调用能力，推理是当下包括月之暗面在内所有大模型厂商的大势所趋，而记忆（长上下文）则是 Kimi 主打的优势之一。可以说，Kimi 唯一比较欠缺的就是工具调用能力，但这也是业界共同面对的挑战。

DeepSeek：用开源大模型，驱动智能体爆发

图/ DeepSeek

严格来说，DeepSeek 并没有推出自己的智能体，但并不妨碍今天 DeepSeek 在智能体领域举足轻重的地位。尤其是开源的 DeepSeek R1 凭借相对较低的成本和相对较高的推理思考能力，几乎是目前打造智能体最受欢迎的「底座模型」。

从战略上看，DeepSeek 其实也不急于推出自己的智能体产品。从 DeepSeek 目前的动作来看，他们现阶段还是更专注在大模型的效率与推理能力上持续优化，打造「可负担、可定制、可扩展」的底层能力平台。

最好的例子就是大模型初创公司零一万物在战略转型后，决定基于 DeepSeek（内核）打造 AI 时代的 Windows（系统）。事实上，包括 Manus 在内不少智能体就是基于 DeepSeek 或者 Claude 等基座大模型进行打造。

抬头看，面壁智能的选择是不是条好路？

从横向对比来看，面壁是五家中唯一一个将纯端侧智能体部署到端侧实体设备、并形成闭环交互的公司。

但对面壁来说，「All in 端侧」可能并非一个短期营销标签，而是一条被选定之后就几乎没有回头路的技术路径。这条路径的好处很清楚：更强的隐私保护、更低的延迟、更高的部署灵活性，也更贴近智能手机、汽车等终端设备的算力现实。

不过它的难点也同样清楚——模型必须更轻、更稳、更准，还得更懂「干活」，最关键的是要面对端侧算力受限的问题，通过智能体来完成复杂任务。所以我们看到，面壁智能在强调自己的工程能力：

MiniCPM 轻量高效、GUI Agent 屏幕助手落地、cpmGO 可在车内无网运行、执行全链条任务。

可部署不是终点。智能体能不能处理任务链条中的变量？能不能随着用户习惯变化而成长？这些都是智能体要独立完成的挑战，更不要说是纯端侧的智能体。更现实的问题在于——体验如何？这是需要面壁来回答的。