估值超200亿！面壁智能登顶国内端侧AI独角兽榜首

当不少AI企业还在比拼云端大模型参数规模，一场新的竞争已经在终端硬件悄然打响。7月15日消息，北京端侧大模型独角兽面壁智能完成新一轮融资。叠加年内多轮资金进场，公司2026上半年融资总额突破50亿元，估值站上200亿元大关，坐稳国内端侧智能领域公开估值最高独角兽的位置。

资本集中押注的背后，是端侧AI商业化时代加速到来。和需要稳定网络、依赖远程服务器的云端模型不同，端侧大模型可以直接跑在手机、汽车、电脑、机器人本地设备，断网环境下依旧能够正常工作，兼顾响应速度与数据隐私安全。依托清华实验室的技术底子，面壁智能走出了一条从开源技术出圈，再到汽车、消费电子规模化落地的路径。

一、资本风向转变：产业资金扎堆入局端侧赛道

短短半年拿下超50亿元融资，这样的资金体量在国内原生端侧大模型企业中十分少见。梳理公开信息不难发现，面壁智能融资节奏近两年持续提速，资本构成也发生明显变化。

早在今年2月，中国电信牵头领投，中信系机构跟进；4月新一轮融资中，深创投、汇川产投联合领投。最新一轮投资方名单里，囊括国家级基金、央企、整车厂商以及多家知名财务投资机构。加上此前入局的华为哈勃、龙芯创投、茅台基金、鼎晖百孚、中关村科学城基金等，面壁智能股东名单覆盖算力、工业自动化、汽车、消费投资多条产业链。

资金背后是清晰的产业协同逻辑。中国电信能够提供算力、网络与终端资源；汇川技术深耕工业自动化、具身智能市场；多家车企则直接带来智能座舱量产场景。不同于单纯追求财务回报的投资机构，产业资本更加看重技术落地能力，希望找到可以装进硬件、实现大规模出货的端侧方案。

行业风向已经出现分水岭。前几年大模型赛道融资，大家热衷于比拼模型参数、算力投入；如今资本更加看重技术效率、落地场景和现金流潜力。端侧AI不再是小众概念，正在成为AI产业新的投资主线。

二、清华团队创业，用“模型密度”走出差异化路线

面壁智能2022年8月在北京成立，出身清华大学自然语言处理实验室，团队配置自带学术与产业双重优势。联合创始人、CEO李大海曾担任知乎合伙人、CTO，拥有成熟互联网产品运营和商业化经验；首席科学家刘知远是清华大学计算机系教授，长期深耕预训练大模型研究，中文CPM系列模型正是出自这支团队。

市面上绝大多数大模型研发思路，习惯于不断扩大参数量提升能力。而面壁智能选择另一条路：追求能力密度，也就是让更少参数实现更强智能水平。2024年团队提出“大模型密度定律”，提出开源大模型能力密度大约每3.5个月翻一番。这项研究成果在2025年登上《NatureMachineIntelligence》封面，成为支撑企业技术路线的核心理论。

核心产品MiniCPM系列开源模型，是面壁智能打响全球知名度的关键。今年5月，企业联合清华大学、OpenBMB开源MiniCPM5-1B，仅10亿参数，就在国际权威评测榜单取得高分，性能超过不少规模更大的开源基座模型。同期推出的BitCPM-CANN依托1.58-bit三值量化技术，相比传统模型推理阶段能够节省6倍显存，适配华为昇腾等国产算力集群。

依靠持续开源，MiniCPM系列在GitHub、HuggingFace平台累计下载量突破3800万次，收获全球大量开发者使用。开源带来生态影响力，也为后续商业合作铺路，让更多硬件厂商愿意尝试搭载这套端侧方案。

三、落地驶入快车道，智能汽车成为核心突破口

技术最终需要依靠商业化验证价值。当前面壁智能业务版图已经覆盖汽车、手机、PC、智能家居、低空飞行器、法律服务、具身智能多个赛道，其中智能座舱落地进度最快。

目前，面壁智能的端侧模型已经在长安、上汽、吉利多款车型量产装车。按照规划，2026年内预计有数十万辆新车搭载这套本地AI方案。和传统车载语音助手最大区别在于，端侧模型不用反复和云端传输数据，车辆行驶在隧道、偏远地区网络不佳时，依旧能够实现连续对话、座舱功能自主调节，用户数据保存在本地，隐私风险更低。

除汽车赛道外，企业持续拓展新场景。近期面壁智能与三星达成合作，MiniCPM模型即将搭载在三星旗舰手机；法律领域，面向专业场景的CPMforLegal产品也即将正式发布，打造法律服务AI基础设施。多元场景布局，也让面壁智能摆脱单一赛道依赖。

不过赛道竞争同样日趋激烈，手机厂商、芯片企业纷纷布局自有端侧大模型，行业竞争持续加剧。想要站稳脚跟，不能只停留在技术指标和开源热度，关键要看持续稳定的订单与规模化收入。

四、融资只是起点，端侧AI迎来商业兑现大考

半年50亿融资、200亿估值，代表市场对端侧智能前景的乐观预期，但大额资金仅仅是新的起点。

纵观整个行业，端侧大模型正在走出实验室，从概念验证转向大规模量产阶段。未来几年，手机、汽车、机器人、智能家居都会逐步标配本地AI能力。行业竞争不再只是算法比拼，而是技术、芯片适配、供应链、行业客户资源的综合较量。

对于面壁智能而言，接下来面临明确挑战：如何把海量开源下载量、车企合作意向，转化为稳定持续的营收；持续保持模型迭代速度，跟上硬件芯片升级节奏；同时在越来越多玩家入局的市场中，持续守住技术优势。

云端大模型解决复杂重度计算需求，端侧大模型负责无处不在的本地智能，二者相互配合，构成人工智能完整生态。资本持续加码面壁智能，本质上是押注“AI走进每一台硬件”的长期趋势。

端侧AI规模化落地的帷幕刚刚拉开，这家从清华实验室走出的独角兽，能否持续把技术优势转化为商业成果，也将成为观察国内端侧大模型发展最重要的样本之一。