北京
当行业争相加码千亿级云端大模型、陷入参数规模军备竞赛之时，面壁智能联合创始人、CTO 曾国洋带领团队选择一条小众赛道：深耕端侧轻量化大模型，把先进 AI 能力压缩装进手机、智能汽车乃至各类小型智能硬件之中，凭借扎实的技术深耕与严谨的工程思维，走出国产 AI 差异化落地之路。
在曾国洋的技术布局中，自然流畅的全模态交互是端侧 AI 的核心落脚点。团队打造的 MiniCPM-o4.5 全双工全模态模型，打破传统 AI 指令式交互局限，可同步实现视听感知、实时对话，支持用户随时打断沟通，模型还能根据对话状态灵活调整语速、语气，将生硬的指令触发升级为贴近真人的沉浸式自然对话，让端侧智能真正融入日常使用场景。
深耕端侧模型多年，曾国洋始终笃定一个核心观点：做模型本质上就是做数据，模型能力的上限由训练数据的知识密度决定。为此面壁智能搭建 L0 至 L4 五级分层数据治理体系，对标芯片精细化制程，依次完成原始数据收纳、基础过滤、精准筛选、AI 合成增强、标准化编排全流程管控，每一层级都设置严苛验收标准。他坚持要求算法工程师逐一核验上百套训练数据集，严苛到不容许数据出现细微瑕疵。他举例佐证，两万条微调数据中仅有两句文本截断异常，就会导致训练完成后的模型对话频繁中途断句，微小的数据漏洞都会直接造成模型能力畸变，极致严谨的数据把控成为模型高质量迭代的基础保障。
面向 AI 行业未来发展，曾国洋坚信 “以 AI 训练 AI” 是产业进化必然方向。依托自研全球首款由 AI 独立编写的生产级训练框架 ForgeTrain，彻底革新传统研发模式，搭配独创 Forge Engineering 新型软件工程范式，将固定代码拆解为按需适配的轻量化快照，针对不同芯片、硬件场景自动匹配最优运行方案，在压缩算力成本的同时稳住研发迭代效率，他甚至自嘲这套体系成熟后自己或将面临 “失业”，足见 AI 自研赋能工程化的深度变革。
为摆脱盲目堆参数的行业误区，团队创新 “模型风洞” 技术，无需完整全量训练即可通过小规模实验预判模型最终效果。依托该技术打磨的 2B 参数 MiniCPM 小模型，综合性能超越同期 LLaMA 8B、Mistral 8B 等海外主流模型，印证 “知识密度远比参数体量重要”。目前这套端侧技术已落地吉利、上汽大众、广汽、马自达等多家车企车型，顺利进入量产定点阶段。
从云端大模型研发转向端侧务实落地，曾国洋摒弃浮躁的规模竞赛，扎根数据、攻坚工程、锚定场景，用扎实技术印证国产 AI 不必一味追求体量，高效率、高适配、高落地性的轻量化智能，才是人工智能走向全民普及的核心出路。
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.
