2025年的夏天，大模型行业的关键词正从“参数竞赛”转向“落地攻坚”。当通用大模型的用户增长逐渐触及天花板，一场围绕“端侧智能”的暗战已在汽车、手机、机器人等终端悄然打响。在这场决定未来的“中场战事”中，一家从清华实验室走出的技术型企业——面壁智能，正以“端侧模型”的独特路径，在汽车智能座舱领域撕开一道突破口。
一、大模型下半场：端侧智能成必争之地
如果将2023年视为大模型的“爆发元年”，2024年是“技术沉淀期”，那么2025年无疑是“商业化验证关键年”。随着通用大模型在C端的渗透率增速放缓，行业逐渐意识到：真正决定大模型价值的，不是“能在云端跑多快”，而是“能否在终端用得好”。
端侧智能的核心逻辑，是将大模型的算力与智能从云端“下沉”到终端设备，通过本地化部署实现低延迟、高隐私、离线可用等关键优势。对于汽车这种对实时性、安全性要求极高的场景而言，端侧智能的价值尤为突出——当车辆行驶在偏远地区或隧道中时，云端交互的延迟可能导致交互卡顿甚至功能失效；而用户的隐私对话、驾驶习惯等敏感数据，若通过网络传输也存在泄露风险。端侧模型的“本地决策”能力，恰好解决了这些痛点。
这一趋势下，科技巨头与垂直玩家纷纷押注端侧。国际方面，OpenAI近期开源了轻量级模型GPT-oss-20B，试图降低端侧部署门槛；国内腾讯混元也推出了多尺寸小模型，加速端侧覆盖。而在大模型与汽车场景的交叉地带，一场“谁能让智能座舱更‘聪明’”的竞争已进入白热化。
二、从清华实验室到汽车业务线：面壁智能的“端侧突围”之路
在端侧智能的赛道上，面壁智能的登场自带技术光环。这家成立于2022年8月的企业，脱胎于清华大学自然语言处理实验室，其核心团队深耕大模型技术多年，尤其在“小样本学习”“多模态融合”等端侧关键技术上积累了深厚壁垒。
2024年初，面壁智能正式定义“端侧智能”为战略方向，并推出首款端侧模型——MiniCPM 2.4B。这款仅24亿参数的轻量级模型，凭借超越同期70亿参数级模型Mistral 7B的能力，一鸣惊人。此后，面壁智能持续迭代，先后发布多模态端侧模型V2.5、o2.6，逐步构建起覆盖文本、图像、语音的“端侧模型矩阵”。2025年6月，面壁智能更进一步，开源了MiniCPM 4.0系列，将端侧模型的运行速度提升至“行业第一梯队”；8月，其多模态端侧模型MiniCPM-V4.0的开源，更让手机、汽车等终端的多模态交互体验实现了“质的飞跃”。
技术的厚积薄发，让面壁智能敏锐捕捉到汽车场景的潜力。在8月15日的三周年全员信中，CEO李大海明确宣布：成立一级组织“汽车业务线”，以“压强式突破”策略推动MiniCPM端侧模型在汽车领域的规模化落地。这一动作背后，是面壁对行业趋势的精准判断——当汽车从“交通工具”进化为“第三生活空间”，智能座舱的“主动智能”能力正成为车企差异化竞争的核心，而端侧模型正是这一能力的“技术底座”。
三、端侧模型上车：重新定义“人车交互”的三大革命
对于汽车座舱而言，端侧模型的引入绝非简单的“功能叠加”，而是一场从交互逻辑到体验逻辑的深层变革。
第一重革命：从“被动响应”到“主动智能”。 传统智能座舱依赖用户主动指令（如“打开空调”“导航去机场”），而搭载端侧模型的座舱可通过多模态感知（视觉、语音、传感器数据）理解用户意图。例如，当系统检测到主驾频繁打哈欠、车速低于60km/h，且时间接近晚高峰，端侧模型会主动推荐“附近咖啡店”或“开启提神音乐”；当儿童在后排持续哭闹，系统能结合历史交互记录，建议播放其常听的儿歌或动画片段。这种“未问先答”的能力，让座舱从“工具”升级为“懂你的伙伴”。
第二重革命：离线场景下的“完整体验”。 传统车机系统依赖云端算力，一旦网络信号弱或断开，导航、语音助手等功能可能失效。端侧模型的本地化部署彻底解决了这一问题——即使在无网、弱网环境（如偏远山区、地下车库），座舱仍能流畅运行语音交互、图像识别、实时路况分析等功能。更重要的是，所有数据仅在本地处理，用户的对话内容、生物特征（如声纹）、驾驶习惯等敏感信息无需上传，隐私安全得到根本保障。
第三重革命：硬件成本的“降维优化”。 端侧模型的高效性降低了车机对高性能芯片的依赖。以面壁MiniCPM系列为例，其轻量化设计可在中低端车规级芯片上运行，支持1080P图像理解、多轮对话等复杂任务，这让15万元以下的车型也能搭载“类高端”智能座舱，推动智能汽车的普及化。
四、从技术到量产：面壁的“汽车生态版图”
目前，面壁智能的汽车业务线已与吉利、大众、长安、长城、广汽等头部车企建立深度合作，在AI座舱的人机交互、场景化服务、个性化设置等核心模块形成了技术壁垒。其中，最受行业关注的当属长安马自达即将上市的战略级新能源车型——MAZDA EZ-60。作为首款搭载面壁MiniCPM端侧模型的量产车，EZ-60的智能座舱将实现“端侧模型+云端大模型”的协同架构：本地处理高频、低延迟交互（如语音控制、实时路况提醒），云端支撑长文本理解、跨场景推理（如行程规划、兴趣推荐），兼顾效率与体验。
值得关注的是，这场“端侧+汽车”的浪潮并非面壁智能的“独角戏”。同为大模型厂商的阶跃星辰，近期也联合吉利推出了“端到端语音大模型量产座舱”，首次实现了语音交互的“全链路本地化”；更有消息称，多家新势力车企正与端侧模型厂商洽谈合作，计划将类似能力纳入下一代车型。
面对日益加剧的竞争，李大海在全员信中坦言：“端侧赛道的繁荣是好事，市场足够大，容得下不同玩家的差异化发展。但面壁的压力在于，必须在技术优势被追上之前，快速建立商业护城河。”这种紧迫感背后，是面壁对“技术-产品-生态”闭环的深度布局——除了持续迭代模型性能，其还联合车企开发了定制化工具链，降低车企的模型适配成本；同时通过开源策略吸引开发者，丰富端侧应用生态，形成“模型-应用-数据”的正向循环。
五、未来已来：端侧智能将如何改写汽车产业？
站在2025年的节点回望，端侧模型的“上车”不仅是大模型技术的一次场景延伸，更是汽车产业智能化升级的关键转折点。当智能座舱从“功能堆砌”转向“主动服务”，当车辆从“孤立的移动工具”变为“连接生活场景的智能节点”，端侧智能正在重新定义“汽车”的本质。
对于面壁智能而言，汽车业务线的成立不仅是商业版图的扩张，更是其“端侧模型”技术价值的集中验证。随着MAZDA EZ-60等车型的上市，当更多用户坐进车内，用一句“我有点累”触发座椅按摩、用一个眼神唤醒导航，这些看似微小的交互细节，终将汇聚成大模型与实体经济深度融合的时代注脚。
中场战事，胜负未分。但可以确定的是，在这场关于“智能”的长跑中，谁能更精准地捕捉用户需求、更高效地实现技术落地，谁就能在未来汽车的“智能座舱”竞争中占据先机。面壁智能的“端侧突围”，或许只是一个开始。
发表回复