面壁智能

先说结论

面壁智能是我见过的在「把大象塞进冰箱」这件事上做得最绝的国产AI公司——他们的MiniCPM系列模型能用1B（10亿）参数跑出2B甚至更大模型的效果。2026年5月发的MiniCPM5-1B，在权威榜单AA-Index上直接碾压所有2B以下的模型。关键是这些模型全部开源，一张RTX 4090就能全量微调，手机6GB内存就能流畅跑。如果你关心的是「AI能不能脱离云端真正跑在我们每天拿着的设备上」，面壁是这条路上走得最远的中国公司。没有之一。

面壁智能到底是什么来头

面壁智能（ModelBest）由清华系团队创立，CEO李大海是清华博士出身。这个名字可能在大众圈不出名，但在端侧AI圈——也就是让AI模型在手机、汽车、手表这些小设备上本地跑的那个圈子——面壁是全球第一梯队的玩家。他们有一套自己的理论叫「大模型知识密度定律」：达到特定智能水平所需的模型参数，大约每100天翻倍下降。翻译成人话就是——今天的1B小模型，100天后能做到昨天2B大模型的事。

这套理论不是嘴上说的。高通跟面壁签了全球战略合作，小米和OPPO的手机上已经在跑MiniCPM，吉利的银河M9智能座舱和上汽大众也在用。2026年智源大会上他们还发了中国首个完全在国产昇腾算力上训练的1.58-bit三值大模型BitCPM。从训练框架到推理引擎到量化压缩——整条端侧AI的基础设施链都是自己搭的。

MiniCPM5-1B——1B参数怎么干翻2B

面壁2026年5月26日开源的MiniCPM5-1B，只有10亿参数，INT4量化后权重文件压缩到0.5GB——一张手机照片的大小。但它的综合平均分42.57，碾压了Qwen3-0.6B的26.77、Qwen3.5-0.8B的25.14、LFM2.5-1.2B的35.61。在Agent能力评测上差距更大——MiniCPM5-1B拿了79.53分，Qwen3-0.6B只有21.10分。这个差距已经不是在同一个量级竞争了。

最唬人的数据是AIME-2026数学评测：40.42分。Qwen3.5-0.8B这项得分是0.21。不是小数点写错了——确实是零头。代码OJBench上MiniCPM5-1B拿了7.33分，而Qwen3.5-0.8B是0.43分。差距都是数量级的。

怎么做到的？面壁搭了一套叫ForgeTrain的训练框架——而且这个框架本身是AI写的。他们在H100上实测训练速度超越了英伟达自家的Megatron约10%。用AI造AI——这大概是大模型时代最硬核的递归了。搭配的UltraData数据系统做分级数据治理，把有限的训练算力精准分配到最有价值的数据上。这让小模型在训练效率上获得了大模型不具备的优势。

MiniCPM-V 4.6——多模态也能端侧跑

MiniCPM5-1B做的是纯文本，但面壁在5月11号还发了个多模态版本MiniCPM-V 4.6，1.3B参数。处理一张3136×3136的高分辨率大图，首响时间只有75.7毫秒——比竞品快2.2倍。推理吞吐也比竞品高1.5倍。背后的LLaVA-UHD v4技术把图像编码开销砍了一半。

分两个版本：Instruct版干通用图文理解——STEM数理推理、文档OCR、视频理解；Thinking版干多图像推理和幻觉抑制这些高阶任务。在AA榜单上拿了13分，直接碾压了Gemma4-E2B-it和Qwen3.5-0.8B。

运行门槛：只要6GB显存，能在你手机、笔记本甚至智能家居设备上跑。这意味着以后的智能音箱、智能冰箱、安防摄像头里的AI，不一定需要联网——本地就能看懂周围环境并做出反应。

BitCPM——用国产芯片训出来的三值模型

面壁在今年智源大会上还展示了一个叫BitCPM的东西——中国首个完全在国产昇腾算力上训练的1.58-bit三值大模型。什么是三值？普通的AI模型参数用16位浮点数存储（BF16），BitCPM把每个参数压到只用1.58位——释放了大约6倍的显存。提供0.5B到8B四个尺寸。这件事证明了一点：国产芯片训出来的模型，通过端侧压缩和优化，可以达到跟英伟达平台上跑的大模型可比的水平。

谁在用面壁——从手机到汽车到潜水器

面壁的落地场景比大多数国产AI公司都实在：小米和OPPO手机上跑着MiniCPM、吉利的银河M9和上汽大众的智能座舱也在用、联想笔记本电脑里内置了MiniCPM。更有意思的是无人机和潜水器上的部署——这类设备对网络依赖度极低，需要在完全没有信号的深水区或高空自主做决策，端侧AI是唯一解。

高通跟面壁签了全球战略合作不是白给的——手机芯片厂商太需要端侧AI模型了。手机处理器上那颗NPU（神经网络处理器）闲置太久了，一直缺真正能在设备上跑出价值的AI模型。面壁给它填了坑。

部署框架全接了：vLLM、SGLang、llama.cpp、Ollama、ms-swift、LLaMA-Factory——开发者用一张消费级显卡就能做全量微调。没有云服务依赖，没有API费用，模型也全开源——对个人开发者和创业团队来说，这是目前端侧AI最低成本的入场券。

基本信息