WAIC上，面壁智能的展区主题是八个字：智在终端，惠及千行。
01
最直观的感受是什么呢？这家公司把四个完全不搭界的东西摆在了一起：一台车的座舱、一个人形机器人、一部手机，还有卫星。
放在两年前，一家大模型公司的展台，通常只有一块屏幕，屏幕上是对话框；你问它问题，它回答你，就这样。
这四样东西有一个共同点：它们都能联网，但都不能只靠联网。
车能联网，可它会开进隧道、开进地库；机器人能联网，可展馆和厂区总有信号盲区；手机网络条件最好，可你的相册和通话记录，恰恰是最不该往外传的东西。
卫星本身就是干通信的。可它跟地面之间那条链路又贵又窄，拍一堆图全传回来，传输费可能比数据本身还昂贵。
发现没有？网都在，只是关键时刻，网不在服务区、不该用，或者用不起。
所以，这四样东西摆在一起，都在说同一件事：模型得装进去，装在设备本体里，网靠不住时，也得能干活。
「装进去」这三个字，是理解今天这个行业的关键。
为什么这么说呢？因为「大模型进入物理世界」这句话，藏着两本账。
一本账，叫接入。
什么意思呢？把设备连上云端的模型，设备负责收音、显示、联网，真正干活的模型在几千公里外的机房里。
这本账的数字很好看，我查了下，据高工智能汽车研究院的数据，2025年中国市场前装接入语音交互大模型的新车交付了944.75万辆，同比增长118.9%。
到2026年一季度，这个口径的渗透率已经接近一半。
一半是什么概念？你现在去4S店，随便坐进两台新车，其中一台的中控屏上就写着「大模型」。
另一本账，叫装配。
这本账要难得多，它要求把模型本身装进设备里，装进那颗车规级芯片、那块几个G的内存里。
这本账的数字是多少呢？有行业预计称，到今年年末，这个口径大概能超过20%。
50% 对 20%。同一件事，两个数字差了一倍半，数字打架，通常有两种可能，一种有人虚报，另一种是两边在数不同的东西，这次是后者。
这次接入考的是什么？
网络和生态接口；车机联网，调API，把语音传上去再把结果传回来，这条链路，今天已经不算难了。
装配靠另一套东西：芯片够不够算，内存塞不塞得下，量产验证过不过得了，成本扛不扛得住。
简而言之，一本账是「能不能连上」，另一本账是「能不能装进去」；差着的那三十个百分点，就是这个行业真正的施工现场。
所以，回过头看展区里那四样东西，面壁真正做的，是在四个领域里同时算第二本账。
这本账各自翻到第几页了？
车端已经到量产，机器人和卫星刚开账，手机卡在中间；这也是我看这次展会的一把尺子：亮相是开账，量产才是记账。
02
翻账之前，有个更基本的问题，要弄清楚。到底哪些事必须装进去做？云端多加把劲，不行吗？还真不行。因为有三类任务，天生就不归云端管。
第一类，等不起的。
人对机器的耐心，是按零点几秒算的。一句「关窗」，一脚刹车前的预判，指令跑一个来回，网络好时你察觉不到。
网络一抖，那个转圈的加载动画，体验就崩了。
到了机器人身上更麻烦，手眼配合的响应要求以毫秒计，等云端回话，杯子已经掉地上了。
第二类，传不得的。
这一类，说白了是边界问题。面壁给园区做巡检机器人方案时，有个要求排在所有功能前面：摄像头拍到的画面里有车牌、有人脸，敏感画面必须就地分析，数据主权归客户。
翻译一下就是：技术上能传，规矩上不能传；机器人以后要进家庭、进办公室，这条边界只会越划越严。
第三类，断不了的。
关键任务不能把可用性押在信号强度上。具身智能这个行业里，「demo很惊艳、落地很尴尬」的案例太多了。
原因常常就一个：现场没有理想的网络；面壁和乐聚做展厅导览方案时说过一句话，我觉得可以当这一类任务的判词：端侧能力不是加分项，是入场券。
好，三类任务摆完了，有没有一个场景，三类同时命中？有。
面壁在展区专门设了个互动展点演示它：车险事故处理。
你想想撞车那一瞬间；判断和响应，等不起。现场影像、位置信息，全是敏感数据，传不得。
而事故最爱发生的地方，地库、匝道、山区路段，恰恰常常是信号最差的地方，断不了也得干活；三条占任何一条，模型就得在车里；三条全占，这事从第一天起就只能在端上做。
说到这，可能有人会问：端侧起来了，云端是不是就没用了？
不是的。分工其实很朴素。端侧管贴身的活：即时响应、隐私数据、离线兜底；云端管重的活：深度推理、大规模检索、慢思考。
一个管手脚，一个管书房。面壁的主张也是八个字：端云协同，各司其职。
再放一个视角给你看：这道题，不是中国公司自己出给自己的。
2026年上半年，全球头部厂商几乎同时在端侧下注，路线还各不相同；苹果在WWDC上拿出约两百亿参数的稀疏架构做端侧主力，思路是模型很大、每次只激活一小块。
谷歌给Gemini Nano走蒸馏路线，把大模型的能力往小模型里压。
面壁走第三条路：能力密度。别人做大了再压小，它是从头把每个参数的智能密度做高；三条路谁走得通，现在没有答案；但三家同时把宝押在「装进去」这件事上，这本身就是答案。
端侧，是AI进入物理世界的接地点，云端替代不了它。
03
方向清楚了，再看账本。四本：车、机器人、手机、卫星。
车这本翻得最靠前，这次论坛首发的AIBox，就是从这本账里长出来的；面壁跟英特尔一起做的，一个装在车上的盒子。
我第一眼的疑问跟你一样：座舱里已经有芯片了，为什么还要多塞一个盒子？
答案藏在行业最拧巴的一对矛盾里。
车机芯片，从选型、验证到装车量产，要走两三年。大模型呢？三四个月就迭代一次。
你在2024年选定的芯片，2026年车下线的时候，上面要跑的模型已经换了七八代了；芯片的周期以年计，模型的周期以月计，这两个钟表根本对不上。
AIBox就是给这对矛盾做的手术：
把AI算力从座舱芯片里拆出来，做成一个可插拔的独立模块；车还是那台车，芯片还是那颗芯片，换的只是模型的算力底座。
长安开放整车的架构接口，英特尔出面向大模型优化的芯片，面壁把最新一代座舱产品SuperMate 2.0装进去。
这是车这本账的第一道门槛：芯片。不光算力够不够，更是芯片的节奏跟模型的节奏怎么对上。
面壁的说法是，它已完成5款主流座舱芯片的量产级适配，另有2款全模态芯片跑通。
注意「量产级」这三个字；车规环境里，震动、高低温、一跑十年。demo能跑和量产能装，中间隔着整套验证。
第二道门槛：内存。
车机的内存是抠着用的。模型再聪明，塞不进去，等于零。面壁在这道门槛上的解法，要激进得多：把模型压到1.58比特。
什么概念？
常规模型每个参数用16位存，它压到只剩三个值。
今年5月它和清华把这套东西开源了，名字叫BitCPM。从半张纸的参数精度里，抠出了大约6倍的显存空间，能力保留率90%到97.2%。
6倍显存意味着什么？
一个80亿参数的模型，可以跑在今天的主流旗舰手机上；手机尚且如此，车机的腾挪空间就更大了。
第三道门槛，也是外行人最容易忽略的一道：量产链路。
模型装进一台展车，是工程师的事；装进十万台下线的车，是整个组织的事。
面壁说，它围绕真实用车场景沉淀了68个可量产的亮点场景，一个交付项目由10种角色协同完成，从模型适配、硬件兼容到整车供应链。
这些数字外人核不了，但它至少说明一件事：
这家公司在按「交付一个车企项目需要多少工种」的颗粒度想问题，而不是按「发一篇论文需要几个作者」。
三道门槛都过了之后，账本上才轮得到写数字。
目前来看：长安马自达EZ-60、吉利银河M9已经量产搭载，上汽大众、广汽集团完成定点；面壁给自己定的目标，是到今年年底，30万辆量产车搭上它的端侧模型。
30万，跟944万比，小了一个数量级还多。
不过，两个数字不该直接比，因为944万数「连上了」，30万数「装进去了」。一个是通了网线，一个是过了车规。
装配的数字小，因为每一辆都要真金白银地过三道门槛；车这本账的每一页，都有价签。剩下三本呢？
04
手机这本，是面壁的老本行。
它给手机厂商提供0.9B到8B的模型，做场景微调，做芯片量化适配，从模型到端侧部署一条龙，主流芯片平台基本适配了个遍。
面壁已与三星手机达成合作，MiniCPM系列端侧模型将搭载于三星手机上市，覆盖数款旗舰机型。
这一单的分量不轻，三星是全球出货量最大的安卓厂商之一，此前它的端侧AI能力，主要靠自研的Galaxy AI和与谷歌的合作。
机器人这本，翻到了方案页。跟乐聚做了展厅导览和园区巡检两套方案，跟吉利做了工厂仓储，中关村论坛上真机跑过服务生和导览，这些都是真实发生过的。
卫星这本，刚刚开账；跟一苇宇航合作，在轨算力加端侧模型，讲了三个场景：海洋天气预警、目标监测识别、农林牧渔观察。
一家公司同时在四个领域推，进度不一样是常态，反而是四本账都说自己翻到最后一页的公司，才值得多看一眼。
给这些账分成色，恰恰是眼下最该做的事，因为这个行业最容易翻车的地方就在这。
大模型上车这两年，一直有种批评：车企堆参数、发布会吹上天，用户提了车才发现，所谓的大模型智能体，还是那个语音助手。
这种批评我觉得有道理，它批的是第一本账的虚火，连上了云，就宣布进入AI时代。
装配账的价值在于，它虚不起来，车规过不了就是过不了，内存塞不下就是塞不下；30万辆的目标，到年底数得清楚。
所以，回到最开始那个问题：端侧AI的拐点，到底到了没有？我的看法是：从0到20%，验证期结束了。从20%往上，共识期才刚开始。
如果非要给一个判断的话，我认为，看四点儿：
年底，行业装配口径渗透率能不能站上20%；另一个，AIBox能不能从长安扩到多家；还有一个，手机和机器人那两本账，明年能不能翻到订单页；最后一个，30万辆兑现多少。
哪条中了，都比展台大小更能说明问题。
这四样东西摆在一起，我第一反应「摊子铺得真大」。可铺摊子从来不是难事，难的是每个摊子上都摆出一张真实价签。
热门跟贴