2026北京国际车展|“领先海外两年”，中国端侧大模型能否靠汽车出海“反向输出”？

来源：市场资讯

（来源：环球网资讯）

来源：环球网

【环球网科技报道 记者 李文瑶】2026年北京车展，智能化成为主角。当大多数AI公司仍在云端争抢算力时，大模型创业公司面壁智能在车展现场给出了截然不同的答案：将AI“大脑”直接塞进汽车终端，让智能无需联网、不依赖云端，甚至在隧道或地库也能随时响应。

面壁联合创始人&CEO李大海在车展期间提出，大模型的终局将是云端奔向数字世界、端侧奔向物理世界，而汽车正是物理世界中最具价值的智能终端。基于“密度定律”，面壁认为端侧模型的能力正以远超摩尔定律的速度跃升，未来每一辆汽车都应拥有一个本地化、实时响应、保护隐私的“贾维斯”式AI大脑。这一判断，构成了面壁从技术路线到量产落地、从国内布局到海外拓展的逻辑起点。

车展亮相：一个“贾维斯”式的智能体，如何改变座舱体验？

在今年的车展上，面壁智能正式发布了新一代端侧智能座舱产品——SuperMate。与此前行业普遍采用的“云端语音助手”不同，SuperMate被定义为一个具备“无感智能”的车端智能体，完全依靠车端算力运行，无需联网即可完成复杂的感知、决策与执行。

“过去的语音助手是‘回合制’——你问一句，它答一句。而面壁的全双工全模态大模型，意味着它能一边看、一边听、一边说，三者不互相阻塞。”面壁智能联合创始人&COO雷升涛在采访中解释，“汽车不再是一个等待唤醒的工具，而是一个能主动感知、主动关怀的‘贾维斯’（《钢铁侠》中的AI管家）。”

在现场演示中，SuperMate能够识别驾驶员疲惫的神情、注意到孩子在后座的危险动作，甚至当用户说出“我有点晕车”时，系统会自动关闭副窗、打开车窗、降低悬架G值，全程无需手动操作。

面壁智能联合创始人&CEO李大海则在采访中，从技术底层解释了这一能力何以成为可能。他指出，面壁在2024年提出的“密度定律” 表明，大模型的知识密度提升速度比芯片的摩尔定律快5倍，“一个8B的模型今天已经能做非常多复杂的工作”。他进一步强调，端侧模型奔向的是物理世界——汽车恰恰是物理世界中最需要实时、隐私、可靠智能的终端。

基于这一判断，面壁在业务布局上做了明确的拆解。雷升涛介绍，SuperMate背后有三项核心能力支撑：一直在线的全模态感知（MiniCPM-o4.5提供的边看、边听、边说能力）、端侧自主编排的大脑（意图识别与思维链推理），以及行为模式库——一种模拟人类记忆分层机制的本地存储架构。

“我们想做的不是一个‘记忆数据库’，而是一个属于你个人的‘行为模式库’。”雷升涛举例说，“传统的记忆数据库，是在你上车时问你‘你昨天听了周杰伦，今天要继续播放吗？’而行为模式库，是你不需要开口。当系统感知到你肩膀比平时更沉重、眼神更疲惫，它会静静地调低座舱灯光，把空调调到那个你最舒服的角度，然后放一首你最近频繁听到的解压纯音乐。”

这种“不开口、不打扰、却恰如其分”的体验，正是面壁通过端侧模型、行为模式库和量产车型的持续打磨，逐步推向市场的现实能力。 截至目前，面壁智能的端侧座舱方案已搭载于长安马自达EZ-60、吉利银河M9等量产车型，并在本届车展上向公众开放实车体验。

路线选择：云端很强大，为何面壁偏要“死磕”端侧？

在GPT-5、Gemini等云端大模型已成行业焦点的今天，面壁智能却坚持将模型做小、塞进终端。这一看似“反潮流”的选择，背后有着严密的产业逻辑。

李大海向记者解释，这一切源于面壁在2024年提出的“密度定律”。

“我们发现，大模型的知识密度提升速度，比芯片的摩尔定律还要快5倍。”李大海说，“这意味着，在同样大小的模型参数下，模型的能力每3.5个月就能翻一番。一个8B的模型，今天已经能做非常多复杂的工作。”

基于这一判断，面壁认为，终局状态下，云侧与端侧将奔向不同的世界：云侧奔向逻辑世界与数字世界，而端侧模型奔向物理世界。

“要让一个智能终端更好地感知世界、交互世界、改造世界，它必须通过端侧智能。”李大海强调。汽车恰恰是物理世界中最具价值的终端之一：它对隐私性、实时性、可靠性有着天然的高要求，而这些恰恰是云端方案难以完美满足的。

雷升涛则更直接地指出了端侧落地的“不可能三角”：效果要足够好、速度要足够快、成本要足够低。

“用户会问：云端大模型能做到的效果，端侧模型能不能做到？客户会问：以前的CNN模型0.5秒能识别，大模型为什么要0.8秒？”雷升涛坦言，面壁的解决方案，就是通过超高知识密度的模型设计，在参数量远小于云端模型的情况下，实现接近甚至超越的效果，同时保持极低的延迟与功耗。

上车：从定点量产到生态共赢，端侧AI已非“期货”

面壁的端侧路线并非停留在PPT阶段。根据官方信息，该公司已有多个汽车品牌进入量产交付。

其中，长安马自达EZ-60于2025年10月实现量产交付，是行业首款将GUI Agent能力带入量产乘用车的车型。

吉利银河M9于2025年9月发售，搭载端侧VLA大模型，实现智能雾灯、自适应车窗、儿童安全监测等功能。

此外，面壁已完成定点的车企还包括上汽大众、广汽集团等头部主机厂。

在生态层面，面壁采取了“广交朋友”的开放策略。其端侧模型已适配高通、英特尔、联发科、AMD、英伟达等主流芯片平台，并与德赛西威、中科创达、梧桐车联等头部Tier1供应商达成深度合作。

尤其值得注意的是，面壁与英特尔联合开发的AIBox解决方案，基于英特尔18A制程的Core Ultra平台，提供最高180Tops稠密AI算力，已全面适配面壁MiniCPM 全系模型，是全球首个实现大规模量产的AIBox产品。这意味着，端侧大模型上车，已从“理念验证”迈入“规模化部署”阶段。

海外布局：用技术差赋能中国车企“出海”

当被问及海外市场布局时，雷升涛给出了一个肯定的答案：“我们的出海业务已经开展，而且做得非常不错。”

他指出，中国智能座舱与智能驾驶的整体水平，大约领先海外市场两年左右。 这一“代差”，恰恰构成了面壁及其合作伙伴出海的核心竞争力。

“我们正在与国内先进的芯片厂商、汽车厂商一起，把在国内打磨成熟的端侧智能座舱产品，逐步推向全球。”雷升涛表示。

从更宏观的视角看，端侧大模型正在成为中国汽车产业出海的新“软件溢价”点。过去，中国汽车出口依赖的是成本与制造优势；而在AGI时代，“上车即带一个本地化的、无需联网的、高隐私保护的AI助手”，正在成为海外用户愿意为之买单的新体验。

李大海补充道，面壁的策略并非简单地将国内产品翻译出去，而是与合作伙伴共同适配海外市场的语言、法规、路况与隐私合规要求，真正做到“技术领先+本地化落地”的双轮驱动。

未来趋势：舱驾融合、端云协同与主动智能

面对“舱驾融合”这一行业热点，面壁给出了颇具思辨性的观点。

李大海认为，舱驾融合需要区分“芯片层”与“业务层”。芯片层面，融合大算力芯片是趋势；但在主机厂的组织架构与业务目标层面，智能座舱（追求用户体验）与自动驾驶（追求绝对安全）短期内仍将是两个独立团队。

但这并不意味着二者割裂。雷升涛举例说：“‘把车停到海边那个黄色车位上’，就是一个典型的舱驾协同场景——座舱理解意图，驾驶系统执行路径规划。”

在更长期的愿景上，面壁认为，未来的汽车将“变成一个会动的机器人”。智能座舱不仅要服务乘客，还要为自动驾驶提供体验上的协同，最终实现“舱驾一体”的完整智能体。

而在技术架构层面，面壁明确提出“端侧主内、云侧主外”的端云协同模式。

端侧负责车内的实时感知、隐私数据处理、车控执行，做到“数据不出车、延迟不过百毫秒”。

云侧负责外部信息检索（如餐厅推荐、天气预警、交通路况）等低时效、高复杂度的任务。

“端侧是汽车的‘小脑’，负责快速反应；云侧是‘大脑’，负责深度思考。两者不是替代关系，而是协同关系。”李大海总结道。

端侧智能，正在重塑汽车行业的价值链条

从本届北京车展可以看出，汽车行业的智能化竞争，正在从“联网才能智能”，走向“离线也智能”；从“被动应答”，走向“主动服务”；从“功能堆砌”，走向“行为理解”。

面壁智能的端侧路线，实际上切中了汽车产业两个最核心的痛点：一是用户对隐私与实时性的天然诉求，二是主机厂对成本与可控性的商业考量。

一个不容忽视的现实是，如果每一次语音交互都要上传云端，海量用户的隐私数据将成为难以承受的风险；而隧道、地库、偏远地区的网络断连，则会让云端智能瞬间“失明”。端侧模型，正是解决这些问题的一个可行性路径。

与此同时，面壁所代表的“高知识密度端侧模型”路线，也为全球大模型行业提供了另一种可能性：不是所有智能都需要万亿参数，最有效的智能，往往是最“贴身”的智能。

李大海在采访中表示：“我们的愿景，是让每一辆汽车上都有一个贾维斯。”