面壁智能造了一款1999美元的个人Agent终端，端侧模型独角兽要自己定义AI终端

follow us

AING硬迹

个人AI硬件的竞赛。

AI原生硬件先锋Pinea Pi的首款个人桌面AI节点已经亮相，其所有智能都在本地运行，而它背后是在端侧模型领域积累了四年、估值超过 200 亿元人民币、正在筹备 A 股 IPO 的清华系 AI 公司面壁智能。

Pinea Pi的核心技术来自OpenBMB开源社区的MiniCPM模型系列，自己是“这个开源生态的硬件延伸”，这个项目的主导者正是面壁智能联合创始人兼CEO李大海。

李大海是北京大学数学系硕士，谷歌中国创始员工之一，后来主导过豌豆荚的搜索技术，2018年起出任知乎CTO。2023年4月，他推动知乎独家领投面壁智能数千万元天使轮，智谱AI跟投；两个月后，他本人出任面壁CEO，2024年6月辞去知乎职务全职加入。

2024年初，当国内大模型竞争全部涌向云端参数规模时，面壁智能做了一道“减法”：转向端侧。

面壁智能据此提出“密度定律”：达到特定智能水平所需的参数量，约每3.5个月下降一半。换句话说，今天需要云端机房才能跑的智能，按这条曲线推演，终将塞进每个人手边的设备里。

这条曲线也在被验证，截至8月面壁四周年的数据，MiniCPM系列全球累计下载量突破5000万次，GitHub星标超15万；今年7月，三星Galaxy Z Fold8、Z Fold8 Ultra与Z Flip8全系折叠旗舰搭载MiniCPM端侧模型。端侧AI也一度成为今年AI硬件领域的热词之一。

但“装进别人的设备”有一个天花板：模型公司永远是供应链的一环，定义产品的权力在终端厂商手里。

李大海带到 Pinea Pi 的，是一条已经走了三年的技术路线判断：小模型不必在每一项基准上追平云端巨兽，但一旦被装进离用户足够近的硬件里，它的实用性会被重新定义。

两个版本，三个“原生”

先看配置。

Pinea Pi Lite，1999美元早鸟价：英特尔酷睿Ultra X7 358H处理器，64GB LPDDR5x内存，1TB NVMe固态，官方标称综合AI算力最高180 TOPS，Ubuntu 24.04系统。全金属机身，内置四麦克风阵列、立体声扬声器、AI状态光环，接口给到4个USB-A、2个USB-C、HDMI、DisplayPort和双千兆网口。

Pinea Pi Pro，2999美元早鸟价：换装英伟达Jetson AGX Orin 64GB模组，算力拉到275 TOPS，配1080p摄像头和六麦克风环形阵列，Ubuntu 22.04，定位机器人与具身智能负载。

硬件之上，官方把产品能力归纳为三个“原生”：

首先是“Agent原生”。用自然语言直接改写硬件行为——摄像头、麦克风、技能与工作流都靠意图激活和编排，不需要写代码。官方的表述是，AI开发“从代码驱动转向意图驱动”。

其次是“多模态原生”。集成的摄像头、麦克风阵列与扬声器，配合预装的MiniCPM端侧模型家族，开箱即覆盖文本、视觉理解、全双工实时语音交互与48kHz语音合成，打造一条完整的感知闭环，不依赖任何云端接口。

第三是“边缘原生”。所有推理在本地完成，机身上的光环是实时隐私指示灯，还有一个专门的离线开关。没有Token计费，没有订阅锁定，隐私“可审计、可验证”。

设备里还住着一个AI伙伴Piny：通过人脸和声音认出主人，带一套可编辑、可审计、可导出的个人记忆系统，并且记忆的所有权和修改权都交给用户，这是对云端助手“黑箱记忆”的一次针对性设计。

牌桌上的玩家

Pinea Pi瞄准的不是极客玩具市场，而是一个有明确痛点的群体。官方把目标用户拆成三类：

• 创客（Maker）：用自然语言重写硬件行为，连接机器人与外设，“意图直接翻译成物理动作”；

• AI开发者：本地跑主流开源模型，用一次性硬件投入替代每月数百美元的云API开支；

• 独立专业人士与创作者：客户数据不出设备，合规且可审计，同时全双工语音与实时多模态交互零延迟在本地跑。

把视野拉宽，“桌面上的本地AI”这条赛道在2026年已经相当拥挤，大致可以分成三层：

第一层是开发者板卡生态，卷的是单价。树莓派AI HAT+ 2提供40 TOPS（INT4）推理、8GB专用内存，售价130美元，不含树莓派5本体和外设；英伟达Jetson Orin Nano Super给到67 TOPS（INT8），249美元；高通与Arduino合作的VENTUNO Q提供40 TOPS算力外加一颗实时微控制器。这层玩家的逻辑是卖铲子：提供算力，剩下的用户需要自己装配。

第二层是整机形态的“个人AI电脑”，卷的是开箱即用。Oki Home（1799美元，RTX 5060 Ti 16GB）、Ghost Core（3499美元，RTX PRO 4000 24GB）、以及英伟达官方的DGX Spark，都在把“本地跑大模型”包装成消费品而非工程件。

第三层是模型公司下场做硬件，打造模型、算力、传感器、运行时一体化的“节点”。Pinea Pi背后是一整套自研端侧模型家族，MiniCPM针对Pinea Pi硬件做了专门优化，全双工交互、端侧记忆这些能力直接长在模型层，不依赖第三方服务的接入意愿。

面壁智能过去四年的故事，是把模型做小，模型做得越小越强，终端厂商的订单越多；Pinea Pi讲的是另一个故事：当模型小到一定程度，模型公司就可以自己造终端了。

硬迹正在打造AI硬件社区，对加入社群感兴趣的读者，欢迎add：AINGmaker0411加入【AING硬迹产业交流群】。

AING硬迹

AING，取自“AI+ING”的缩写，中文谐音“硬迹”，寓意着“人工智能正当其时”，致力于追寻硬科技发展的足迹，不断探索人工智能与智能硬件的深度融合。

未来，AING硬迹将不断发布AI大模型技术、AI产业生态、AI硬件产品等行业资讯、发展趋势与市场动态，我们相信大多数硬件都值得用AI重做一遍，AING硬迹期望与AI大模型厂商、与AI硬件厂商共同成长，迎接AI时代的来临。

人工智能正当时

一起追寻AI+硬件的足迹