湖南
近日，MBBF Top Talk Summit 在上海世界会客厅举行。本次大会吸引了来自全球的产业领袖与学者，深入探讨了 AI 与移动通信融合发展，共促 AI 应用繁荣的产业趋势与关键路径。面壁智能联合创始人兼 CEO 李大海受邀出席活动并指出：当大模型的价值触角从虚拟屏幕延伸至物理现实，端侧智能则是让 AI 加速迈向物理世界的基石，而 “端云协同”的融合，则是支撑这一趋势走向规模化落地的最优解。
端侧智能是AI迈向物理世界的必经之路
过去，人与 AI 的交互主要发生在云端对话框中，用户提问、模型回答。随着大模型落地进入智能汽车、具身机器人、智能家居、可穿戴设备等终端，AI 应用正在逐步从屏幕交互走向物理世界交互。
李大海提到，未来2至3年，AI 将迎来两大重构。一是能力跃升：手机、汽车等终端从 App 容器进化为具备推理能力的端侧智能体，能理解上下文、主动预测并精准执行。二是场景迁移：交互范式也将从 “人主动发起需求” 变为 “AI 实时感知+主动响应”，这样的转变将让 AI 成为物理世界如 “贾维斯” 般的智能助手。
AI 要真正走进物理世界必须面对三个刚性约束：实时响应、隐私安全、离线可用。物理世界不需要一个 “随时联网” 的超级大脑，需要的是每一个终端都拥有自己的本地智能。这正是端侧智能的使命。
以汽车应用为例，搭载了面壁智能量产级多模态模型的智能座舱，不依赖云端即可完成 “感知-记忆-推理-执行” 的完整闭环。在用车过程中，系统自动串联多项车控功能、主动推荐座舱应用，无感车窗、无感空调则根据环境与乘客状态静默调节，带来了 “无感智能” 舒适体验。当车辆发生事故时，系统能够实时识别事故状态，快速介入安抚驾驶员情绪，引导其完成现场处理流程与定责定损，打通了从事故识别到理赔服务的全链路智能化体验。
端云协同成为大模型规模落地的关键
面对 AI 服务爆发带来的连接数量、流量规模与算力需求增长，李大海认为，挑战本质上是 “集中与分布” 的矛盾。若所有推理都集中在云端，未来将面临时延、带宽、能耗、成本与稳定性的多重压力。
破局之道在于让 AI 计算从云侧集中式服务走向端云协同普惠智能。近年来依托 “密度定律”，大模型实现同等参数下更高的能力密度，叠加芯片摩尔定律，推动高质量 AI 能力走出云端算力中心，下沉至各类边缘设备，实现从云端集中式智能到端云协同普惠智能的跨越，未来产业竞争也将从比拼参数规模，转向比拼单位参数的知识承载、单位算力的智能产出、单位成本的价值创造能力。
近期，面壁智能推出的 MiniCPM5-1B 模型，以两百分之一的参数规模，逼近两年前GPT-4o的水平，证明端侧可以承载高密度智能，“小模型也能办大事” 得到有力实证。
“未来，端侧智能将成为每台设备的‘标配能力’，就像今天的联网能力一样不可或缺。”李大海表示，在 AI 的下半场，大模型不是比拼参数规模，而是智能与现实世界连接的深度。面壁智能将继续以高效模型、端侧智能与端云协同为核心方向，携手运营商、终端厂商、芯片伙伴与开发者生态，推动 AI 从技术验证走向规模化落地，让每一个终端都拥有通向 AGI 的能力。
来源：面壁智能
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
