“清华系”再冲IPO，刘知远交出一张小模型答卷

8月11日，成立四年的面壁智能开始为 IPO 以及一套新的计分方式做准备。

《36氪》8月12日报道，面壁智能已在北京证监局办理辅导备案。此前，面壁智能刚刚经历了一轮快速融资，其一季度连续完成两轮融资，累计融资超过10亿元；到7月，媒体披露其2026年上半年累计融资已经超过50亿元，估值超过200亿元。

2023年大模型创业公司集中时，聚光灯很少先照到面壁。2023年大模型创业最热的时候，面壁并不在资本最集中的那一圈。智谱、MiniMax、月之暗面、百川、零一万物和阶跃围绕参数、算力、模型排名和C端用户展开竞争，面壁则选择了一条更窄的路线——把模型做小。它背后的清华NLP团队更是提出了另一套解释大模型进步的方法——密度定律。

此后两年，端侧AI逐渐从面壁自己的技术选择，变成越来越多硬件公司的现实需求。汽车要把模型放进座舱，手机希望AI在没有网络时继续运行，机器人需要低延迟地理解眼前环境。到今年6月底，MiniCPM系列累计下载量已经超过3800万次；在汽车端，SuperMate已经搭载长安马自达EZ-60、吉利银河M9等车型。

下载量证明MiniCPM已触达相当规模的开发者，车型落地说明模型已经进入汽车这样研发周期更长的供应链；200亿元则是一级市场对端侧AI未来空间给出的价格。面壁已经用技术和落地证明了端侧这条路可以走，但上市之后，它需要证明这条路能留下多少属于自己的商业价值。

200亿估值后，“智能密度”开始有了价格

刘知远和面壁团队给自己的技术路线起了一个名字：密度定律。

2025年11月，清华大学与面壁团队的相关论文发表于《Nature Machine Intelligence》。研究者统计了51个开源基础模型，用模型的等效能力除以真实参数规模，定义“能力密度”。结果显示，在这组样本和评测体系里，能力密度的上沿大约每3.5个月翻一倍。换一种说法，同等能力需要的参数量会随时间快速下降。

这是一条经验规律，不意味着所有模型都会精确按照3.5个月缩小一半，但它解释了面壁为什么一直往“小”走。2024年的 MiniCPM 还主要是在模型规模上做减法，今年4月发布的MiniCPM-o 4.5 9B模型可以同时看、听和说，并在连续环境里边接收信息边输出，这种技术选择，刚好赶上了硬件公司的需求变化。

2026年，端侧已经进入头部终端公司的主航道。苹果6月公布第三代Foundation Models：AFM 3 Core仍维持约3B参数；更强的AFM 3 Core Advanced虽然拥有20B总参数，却通过稀疏架构根据任务只激活约1B至4B参数，并把大部分权重存放在闪存中，以绕开消费设备DRAM容量的限制。

Google也在Android上继续扩大Gemini Nano和Gemma 4的本地运行能力。端侧开始比拼的，已经是模型能力怎样适应既定的芯片、内存和功耗。7月15日，网信办官方又公告苹果小米在内的7款手机端侧AI服务完成备案。

一级市场对面壁的重新定价，发生在这些技术开始进入终端之后。据7月融资报道，公司估值已超过200亿元。过去几年积累的训练效率、量化、运行时和SoC适配，开始从模型指标变成汽车和手机采购时可以直接讨论的工程能力。

汽车让这套能力开始有了更明确的变现渠道，4月北京车展上，面壁发布新版SuperMate。目前该方案已经进入吉利、长安马自达等量产车型；面壁预计，到2026年底将有超过30万辆汽车搭载其端侧模型。

7月15日，又有报道称面壁MiniCPM系列将进入三星数款旗舰手机。对于一家过去长期被视作“小模型公司”的创业企业，这是一个重要变化。“模型小”开始从Benchmark上的技术指标，变成OEM采购时可以讨论的工程指标：占多少内存、跑在什么芯片上、延迟多少、耗多少电、是否能够离线工作。

与此同时，面壁比同行更早下注端侧获得的时间优势，也在缩短。2024年，专门下注端侧模型还是一件相对小众的事情。到了2026年，苹果、Google、小米都已经在做端侧模型，阿里和其他开源团队也可以不断把更大的模型量化、裁剪和压缩到终端。

端侧从少数公司的选择变成共同方向后，面壁首先失去的是“做得早”带来的稀缺性。模型尺寸会越来越接近，真正能够保持更久的差异，会更多落到训练效率、运行时、芯片适配和量产交付上。

3800万次下载以后，谁给面壁付钱？

面壁目前的商业化，很难从公开使用量直接反推出收入。

端侧模型没有云API那样简单的公式，一家云模型公司可以把调用量乘以Token价格，得到一套相对清楚的收入逻辑。面壁面对的情况更像汽车软件公司：模型需要先进入芯片，再进入整车研发体系，最后跟着车型一起交付。

这个过程很慢，一款车从定点到量产通常跨越多个研发节点。模型公司需要适配SoC、控制内存和功耗，还要跟着整车软件一起测试。大模型可能半年就换一代，一辆车却要卖几年。进入量产之后，客户也不会因为下一张Benchmark出来就立刻换模型。

这形成了面壁现在最有价值的一部分商业壁垒，模型权重本身越来越容易替换，但已经完成的芯片适配、工具链、运行时、整车验证和后续维护，不会随着一个新模型发布同时消失。

从交付形态看，面壁开始呈现出软件Tier 1式的角色。去年8月，面壁专门成立了一级组织“汽车业务线”，这说明汽车这条线是公司明确收拢资源推进的商业方向。这门生意有好的一面，Tier 1进入车型以后，生命周期会比一次API调用更长。一套方案完成芯片适配和量产验证以后，车企替换供应商的成本通常会高于切换一个云端API。

端侧模型还有一项云端模型不具备的成本结构：本地推理所需的相当一部分算力，已经由终端硬件承担。云端模型每增加调用量，都需要服务器侧继续承担推理开销，端侧任务则运行在消费者已经购买的车机、手机和PC芯片上。对模型公司而言，这可以减少部分随使用量同步增长的云端GPU成本。这是端侧模型经常被忽略的一项经济优势。

Tier 1的约束同样清楚：面壁进入的是一个由OEM主导的供应链。整车、芯片、用户入口和最终产品定价，大多掌握在车企和硬件厂商手里。最终用户首先属于吉利、长安、大众或者三星。OEM决定模型在产品里的位置，也决定消费者最后愿意为AI多付多少钱。模型创造多少价值，与供应商最后能够分到多少价值，并不必然对应。

这些问题最终都要落到招股书里上，SuperMate究竟按车型、按终端还是按软件模块收费；车型定点之后，模型升级、运行时和后续维护能否继续产生收入；同一家车企到了下一代车型，是否仍会沿用面壁的方案。现有公开资料还没有披露这些收费口径，也没有给出单车收入和持续服务收入占比。

汽车还会带来另一个问题：客户集中度。一家创业公司只需要进入几个大型OEM，就可以迅速获得几十万台装机量。但如果头部两三个客户占据大部分收入，它也会失去一部分议价能力。

端侧AI的需求正在变得具体，供应也在同时增加。MiniCPM已经证明，小模型可以进入汽车和手机这样的规模化终端；面壁下一步需要证明，模型进入设备以后，公司仍能保留稳定的单机价值、持续收入和议价空间。但端侧AI创造的新增价值最终如何在芯片厂商、OEM、操作系统和模型公司之间分配，会比装机量本身更直接地决定面壁这门生意的上限。

面壁启动上市辅导前不到两个月，大模型企业怎样适用科创板第五套标准，刚刚有了专门规则。

6月17日，上交所发布人工智能大模型企业适用科创板第五套上市标准的专门指引，明确支持“尚未形成一定收入规模”的优质大模型企业上市，并把阶段性成果具体化为：申报时至少已经有一款大模型完成上线，并实现规模化应用。这两个要求与面壁目前重点强调的端侧落地直接相关。

这套制度给技术成熟速度快于收入成熟速度的公司留出了一段时间。一级市场此前做的也是类似的定价：在面壁尚未公开一套完整收入、毛利和客户结构之前，投资人已经愿意按照超过200亿元的估值，为端侧AI的技术位置和未来市场付钱。

一级市场可以提前为未来空间定价，科创板第五套标准也没有把成熟的收入规模放在申报门槛最前面，两者都给技术领先于财务兑现的公司留下了时间，进入公开市场以后，这段时间仍然存在，但评价标准会逐渐变化。公开市场接下来会逐步缩短这段时间，投资者最终仍会计算客户收入、终端价值量、毛利率和研发投入的回报。

四年前，面壁选择端侧时，大模型行业的大部分资源仍然流向更大的参数和云端算力。今天，汽车、手机和机器人都开始需要本地模型，面壁此前积累的训练效率、量化和芯片适配意味着其有了更大的市场，也意味着最轻松的那段竞争已经结束。

小模型已经足够小，接下来，面壁需要证明这门生意足够大。

*题图及文中配图来源于网络。