面壁智能启动「前进四」人才计划：顶尖实习生毕业前可获期权

顶尖 AI 人才正在获得一种新的回报方式。过去两年，AI 领域的抢人大战屡屡刷新认知，硅谷用天价签字费把抢人大战打得堪比体育明星转会，国内大厂的应届生薪酬包一年一个台阶。如今，创业型 AI 公司开始把另一种权益带到人才竞争的前台——期权。

今天，面壁智能发布最新「前进四」顶尖人才计划，主要面向优秀实习生。计划内容包括：明星项目担任核心技术骨干、与全职员工平等共享海量研发资源支持、研究边界不设限。其中一条尤其引人注目：符合条件的顶尖技术实习生，在毕业前即可按当期估值提前授予期权。

这意味着，这些年轻的技术大脑在校阶段就获得了一种过去可能只属于顶级 VC 的权利——与时间复利，共享公司的长期成长成果。面壁智能的这一举措，体现了其对优秀技术人才的高度重视与尊重。

先看数字，再看路径

对于顶尖技术人才来说，任何关于未来的度量都必须建立在确定性的实力之上。因此，期权真正提出的不是简单的收入问题，而是一道更长期的判断题：面壁智能凭什么值得加入且长期押注？它是否具备足够坚固的技术底层逻辑与兑现能力？

面壁智能过去一年的成长轨迹，提供了一个观察这道命题的视角。如果你是一位正在选择下一站的大模型研究员或工程师，尽调不妨从几个硬数字开始。

一组数字来自开源生态：截至今年 8 月，MiniCPM 系列全球下载量突破4400 万次，GitHub 星标超15 万。

另一组数字来自真实部署：截至今年 8 月，在智能手机领域，MiniCPM 搭载三星旗舰机上市，这是国产端侧大模型首次进入国际头部手机厂商全球旗舰产品线；在智能座舱领域，SuperMate 已覆盖近70 个可量产场景，完成5 款主流座舱芯片的量产级适配，预计到 2026 年底将进入30 万台汽车的座舱系统；在具身智能领域，相关方案已覆盖6 大类商用导览场景，并能够识别30 余种巡检异常，检测成功率超过95%。

多个局部胜利，成就今日的端侧领先独角兽

单看增长，这个速度已经足够快。但值得注意的还不是速度本身——过去两年，训练前沿模型的成本以每年数倍的速度攀升，高质量语料日渐枯竭，「规模即正义」的行业共识出现了肉眼可见的裂缝。

在这样的节点上，一家从 2023 年起就公开押注「非共识」端侧大模型方向的公司，估值反而越涨越快。这至少说明一件事：资本市场开始为「规模之外的答案」单独定价；并且，随着 Scaling Law 的技术天花板逐渐触顶，小尺寸、高智能的模型开始参与市场的模型定价。

数字是结果，比结果更重要的是产生数字的路径。面壁智能是国内最早押注「高效」、强调「效率」的大模型公司，被业内称为「端侧领域的 DeepSeek」。其过去一年的飞速发展，源于领先行业的技术认知与判断，总结起来就是：提前押注端侧、首创「密度定律」与坚定开源。

作为国内最早参与大模型技术训练与研发的团队之一，面壁智能在 2023 年「百模大战」最喧闹的时候，做了一个反共识的决定：当行业里几乎所有人都在追求暴力美学训大尺寸的云侧模型时，面壁智能却改道而行，转而投入追求效率的端侧模型——用尽可能小的参数规模，实现尽可能高的智能密度。

这并非临时起意，而是长期扎根大模型研发一线的前瞻技术判断。面壁智能创始团队在大规模参数时代就开始琢磨大模型的「效率」问题。2021 年发表的 MoEfication 相关研究表明，一个稠密大模型被转化为等参数量的稀疏模型，只需激活一到三成参数就能保住95%的性能。这不等于放弃大模型，而是将问题从「模型还能做多大」转向了另一面：在给定的参数、内存、功耗和芯片条件下，大模型还能做得多好？

2024 年，面壁智能在全球领先提出「密度定律」（Densing Law）：模型智能密度随时间指数级增强，达到特定智能水平所需的参数量，约每3.5 个月缩减一半。2024 年底论文挂出，次年作为封面文章登上《Nature》子刊。

这一技术判断领先行业至少两年，也在后来被行业反复提及，因为它最终支撑起了面壁智能今天的一切：MiniCPM「小钢炮」系列模型的产出、端侧模型在汽车与手机乃至机器人等智能终端场景的抢先落地、三星 Galaxy AI 里的那颗中国模型。

CEO 李大海把这个打法比作「大模型时代的光刻机」：不追求一次造出最大的模型，而是持续造出密度更高的模型，像芯片制程一样迭代。

2026 年的技术坐标

不仅如此，面壁智能更是坚定信仰技术开源精神。其从 2021 年发起创立 OpenBMB 开源社区后，就持续参与大模型开源社区的建设与贡献，将其自研模型的权重、代码和训练方法向社区开放。面壁智能在开源上的精神与贡献，恰恰体现了其对技术研究的平等开放内核——而这恰恰是无数优秀技术年轻人所向往的技术探索理想国。

2026 年被许多人视作端侧智能规模化落地的元年，面壁智能也在这一年围绕「提高模型智能密度」留下了一连串坐标：

• 语言模型MiniCPM5-2B在今年 WAIC 上发布，截至 2026 年 7 月，在 AA-Index 榜单 4B 以下全球第一，支持混合思考与 512K 上下文，并完成多款芯片适配。
• 多模态模型MiniCPM-V 4.6越过阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it，2026 年 5 月发布时以 1.3B 参数登顶全球同尺寸第一。其背后有两大技术创新：重构 ViT 架构，把图像编码的计算量砍掉一半；4 倍与 16 倍混合视觉 Token 压缩，让性能和速度可以按需切换。在内存涨价、算力吃紧的当下，最低 6G 内存即可运行，消费级显卡就能微调，开源首周即突破下载量
• 全模态模型MiniCPM-o 4.5是业内首个全双工全模态大模型，支持边看、边听、主动说，打破了传统人机交互中「对讲机」式的回合制交互模式，是国内 10B 以下唯二的两个全模态大模型之一，领先于美国 Thinking Machine Lab 等知名团队。
• 具身智能MiniCPM-Robot 系列把这套能力装进了物理世界。通用 VLA 模型 RobotManip 以 1.5B 参数比肩 3-4B 模型的操作性能，流式推理成本减半，并支持长达 1 分钟的具身原生记忆；与南京大学合作的 RobotTrack 则是业内首个能在真实断网环境下本地部署的追踪模型——直接跑在宇树 Go2 Edu 的原装摄像头和本地算力上，稳定输出 5Hz 以上，端到端响应约 180 毫秒。
• 语音模型VoxCPM 2.0覆盖全球 30 种主流语言和 8 种中国方言，支持音色设计与克隆，把音质拉到 48000Hz 的影视级别，达到了游戏、动画、影视、有声书等对声音质感真正挑剔的场景需求。

今年，除了端侧模型，面壁智能在前沿技术上的探索更是拓展到了智能进化领域。今年 5 月，面壁智能发布了全球首个完全由 AI 编写、零人类代码介入的生产级大模型训练框架ForgeTrain，在 H100 上比英伟达自研的 Megatron 训练框架实现了更高的训练效率。

从端侧模型的持续迭代，到智能进化方向的前沿探索，面壁智能正在把「效率」这条主线从模型推理延伸到模型训练本身。对于正在选择下一站的顶尖技术人才来说，这些数字和路径，或许比期权本身更能回答那道长期判断题。