過去一段時間，大模型行業經歷了一場風切變。

八月初，騰訊官宣“混元系列小模型”落地，不久后，阿里跟進了兩款通義Qwen3-4B。

起初，大家以為只是國內大廠對轟，互秀肌肉罷了。

幾天后，劇情愈演愈烈，大洋彼岸的 OpenAI 也加入戰斗，破天荒開源gpt-oss-20B等兩款模型，同樣聚焦在小模型上。

頭部玩家們如此整齊劃一的舉動，很難讓人不浮想翩翩：

在大集群訓練、大集群部署之外，小模型要重回舞臺中央。

01

小模型重回大眾視野

小模型不是一個新名詞。

但這次回歸的，不是停留在論文上的小模型，而是真正落地在終端的小模型。

在2020年 GPT-3 發布之前，全世界都在訓小模型，只不過大多數小模型成果，都在論文里或者實驗室里，屬于普羅大眾眼里紙上談兵的“小模型”。

但 GPT-3 連帶著ChatGPT橫空出世，從學術界出圈，成為了人工智能領域史詩級的商業化產品。

有了資本加持，人工智能的發展從「大煉模型」邁入了「煉大模型」時代。

2021年到2024年，AI的技術路線可以總結成五個字：大力出奇跡”。

堆數據，堆算力，打補丁，改prompt，以及做post training的大模型思路，成了人工智能的正統，小模型至此徹底被雪藏了。

但去年底，OpenAI 的前首席科學家 Ilya Sutskever 正式預警：「數據壓榨到頭了」。

大家逐漸意識到，數據會枯竭，算力永遠不夠。

于是今年開始，大模型領域玩家開始分化。

除了一部分頭部玩家仍追隨 OpenAI 的腳步，死磕大參數基模外，剩下很多燒不起錢的玩家開始轉頭擁抱應用端。

然而，在這兩個主流之外，還有一小撮“非共識”的玩家，把目光落在了小模型上。

但這次，不少創業公司重新拾起的小模型，和文章開頭提到ChatGPT出現前十年間停留在論文上的小模型完全不一樣。

它們是真正落地在終端的小模型，并且有了另一個名字：

端側小模型或端側智能。

02

嶄露頭角的端側小模型公司們

今年以來，不少端側小模型已經開始嶄露頭角了。

前一段的WAIC上，西門子MindSphere展臺上圍滿了專業觀眾。

大家正在看一個展臺上一個小于50MB的端側部署小模型，它能夠預測現場的三臺沖壓設備故障，并發出警報。

在這之前，車間里沖壓機床只有累到趴窩才會被工人察覺，緊接著就需要停擺檢修，造成全車間流水線暫停，帶來巨大人力和財力損失。

因此在沖壓機床出故障前，預警功能就非常重要。

面對這樣的小場景，大模型算力再強，moe結構設計再精妙，也無法處理。

但這樣一個精準的端側小模型，就能夠輕松應對。

這就是落地在終端小模型的冰山一角。

在這條窄路上前進的，還有一些獨角獸公司，比如base北京的AI初創公司面壁智能。

之所以關注這家企業，是因為這家公司今年五月的一次成功融資。

在DeepSeek大火后，國內大模型公司融資難度堪比抵地獄級。一方面是行業共識認為大模型已收斂，另一方面，有DeepSeek珠玉在前，你實在太難說服投資人為什么要投你了。

但面壁智能卻能持續拿到融資。

我問了很多業內人士，得到一個答案，關鍵在于它早早找到了自己的道路：小模型。

AI 科技評論獨家知悉，就在這幾天，面壁的全體員工，收到了一封特殊的“內部信”。

郵件來自公司決策層，借著公司三周年周慶，高層向全體員工回答了一個問題：為什么公司從大模型切入，卻all in 端側小模型？

郵件講述了一些底層思考，內容非常爆炸，即使是外人看來，也能從一家AI初創公司的生存視角，有所收獲。

按照郵件內的時間節點描述，面壁智能的創立初期是100%堅定大模型方向的。

它的創立時間是2022年，甚至早于DeepSeek。

創始團隊出身于清華系，來自清華大學自然語言處理實驗室。

在創立之前，面壁的創始團隊就主力參與北京智源人工智能研究院的“悟道”，從時間來看，面壁智能應該吃到一波融資的紅利，但我們先去分析過，國內的AI 科技 VC 有一些路徑依賴，更愿意選擇一些“曾經打過勝仗的連續創業者”，導致面壁智能雖然起的大早，但并沒有成為資本的寵兒，而是靠自己硬拚出來的天地。

2022-2023年間，面壁一直在死磕大模型，當初他們的愿景是做出平民版大模型，我們曾經寫過稿件，認為他是國內和DeepSeek愿景最類似的公司。

當然，面壁也做出了不少成績，比如訓練出多個百億、千億參數規模的大模型。

轉折點發生在2023 年。

2023年，隨著 Llama 開源，眾多資本涌入，那一年里，大模型的創業公司增加到了十幾家。

面壁智能迅速發現，千億大模型燒錢太快，并且商業化方面難以落地，于是果斷選擇了調整戰略，決定轉向訓練參數規模更小、算力更低、但性能更強的端側模型。

轉型之初，面壁并不容易。

一方面，端側智能算是在黑暗中摸索，另一方面，市場上噪音很多，比如DeepSeek V3 以少勝多的戰役，也曾讓面壁的創始人懷疑，如果堅持不轉型，是否自己也有機會在大模型上攀上一座高峰。（后續的行情，證明面壁智能果斷轉型是明智的）

但彼時，面壁已經全盤all in 端側小模型，已經失去驗證“更低成本訓練更強大模型”的機會了。

好在小模型并不是邪修，面壁團隊迅速在端側小模型賽道找到感覺，有了一些自己的思路。

03 想成為端側小模型的“開拓者”，并不容易

從時間上看，面壁智能不僅比文章開頭提到的“混元”和“通義Qwen3”更早開啟小模型的探索，并且在端側探索上，幾乎是領先行業一年半的身位。

提前一年半的布局，讓面壁有不少成果。

第一是模型層面，面壁的端側模型被稱為小鋼炮 MiniCPM系列。

至今已經完成多次迭代，最新的是上周開源的 minicpm v4.0 ，一款 8B 能做到5%的極高稀疏度，端側能跑長文本、深思考，另一款 0.5B 更是能適配非常多的終端場景，能做到手機端持續、穩定可用，還不發熱。

再加上此前做在視覺及實時語音對話等優化，面壁智能的端側模型，完全能實現在iPad上進行多模態直播，這意味著，它的使用場景變得異常豐富。

從麥當勞的點餐機器人，到政府行政服務中心的服務機器人，再到兒童陪伴玩具都能完全能夠勝任。

除了技術層面的突破，還有一些學術和開源成果。

上個月《Nature Communications》正式收錄了面壁智能此前發布的一項關于新模型 MiniCPM-V 的研究成果系列。

其中包括一個OpenCompass 評分中超越 GPT-4V（2023.11.16 版本）的80 億參數模型。

開源方面，面壁智能的小鋼炮 MiniCPM 系列是2024 年 Hugging Face 最多下載、最受歡迎中國大模型，截至目前全平臺下載量累計破 1000 萬，能看到一定的使命感在里面。

除去技術層面和學術等層面，但真正能讓大家直觀感受的，還是落地到現實世界的場景。

社交媒體上經常有一些同類型的問題，為什么都說大模型能力早早超越人類，但遲遲沒看到驚艷的落地場景？

答案在于大模型的能力，需要高性能云服務器才能發揮出來。

但大家平時生活中使用的手機，平板汽車等設備，都是算力非常有限的設備。

這類型設備有一個學名，叫做“邊端算力場景”。

而這正是眾多小模型廠家的主場。

繼續拿面壁智能舉例。和需要調用各種云端超高算力的大模型不一樣，面壁的小鋼炮系列模型，能在消費級顯卡上流暢運行。

這就意味著手機，個人電腦，汽車，機器人，甚至是剛才提到的工廠環境，以及一些涉密的政府部門等等都可以部署。

“不僅把模型的配置門檻打下來了，使用場景還變得更豐富了”。

在面壁智能的內部信上，也提到了這些場景。

首先是汽車場景，面壁智能圍繞著智能座艙，發布了一個以 MiniCPM 模型為核心汽車助手 cpmGO 。

我查了一下，這是業界第一個純端側的智能座艙。（雷峰網）

目前 cpmGO ，已經與長安、上汽大眾、長城、吉利、廣汽等車企談完合作了。

不出意外，第一款量產車會落在今年三季度即將上市的網紅車款長安馬自達 MAZDA EZ-60 上。

不止是車企，面壁還與高通、英特爾、聯發科技、梧桐車聯、德賽西威、中科創達、安波福等做了深度適配，正在推動下一代智能座艙的誕生。

這一點，面壁高層非常重視，根據內部信的內容，面壁今年為此特地成立了汽車業務線，目標非常簡單粗暴：

“將MiniCPM 搭載到更多汽車上”。

從某種意義上，面壁確實在端側的技術探索和實踐落地上，在努力成為行業開拓者的角色。

最后，當我們在寫這篇文章的時候得知，前面提到那個西門子展臺的沖壓機床預警小模型，經過幾個月的真實產線的數據訓練，預測準確率已經提升到89%，隨著時間積累，準確度還在不斷提高中。

與此同時，面壁智能的全體員工，也在對這份內部信進行了深度復盤。

過去，大模型領域在資本的加持下，蒙眼狂奔，讓我們誤以為 AGI 很快會到來，不做大模型就是原罪。

但當頭部大模型企業開始進入瓶頸期，我們也冷靜下來才逐漸看到，有那么多端側小模型企業，正在腳踏實地去思考人類到底喜歡什么，大眾到底需要什么，然后反推出背后的技術路線，做出小而美的落地產品。

它們值得被看到。（雷峰網）