过去一段时间，大模型行业经历了一场风切变。
八月初，腾讯官宣"混元系列小模型"落地，不久后，阿里跟进了两款通义 Qwen3-4B。
起初，大家以为只是国内大厂对轰，互秀肌肉罢了。
几天后，剧情愈演愈烈，大洋彼岸的 OpenAI 也加入战斗，破天荒开源 gpt-oss-20B 等两款模型，同样聚焦在小模型上。
头部玩家们如此整齐划一的举动，很难让人不浮想翩翩：
在大集群训练、大集群部署之外，小模型要重回舞台中央。
小模型重回大众视野
小模型不是一个新名词。
但这次回归的，不是停留在论文上的小模型，而是真正落地在终端的小模型。
在 2020 年 GPT-3 发布之前，全世界都在训小模型，只不过大多数小模型成果，都在论文里或者实验室里，属于普罗大众眼里纸上谈兵的"小模型"。
但 GPT-3 连带着 ChatGPT 横空出世，从学术界出圈，成为了人工智能领域史诗级的商业化产品。
有了资本加持，人工智能的发展从「大炼模型」迈入了「炼大模型」时代。
2021 年到 2024 年，AI 的技术路线可以总结成五个字：大力出奇迹"。
堆数据，堆算力，打补丁，改 prompt，以及做 post training 的大模型思路，成了人工智能的正统，小模型至此彻底被雪藏了。
但去年底，OpenAI 的前首席科学家 Ilya Sutskever 正式预警：「数据压榨到头了」。
大家逐渐意识到，数据会枯竭，算力永远不够。
于是今年开始，大模型领域玩家开始分化。
除了一部分头部玩家仍追随 OpenAI 的脚步，死磕大参数基模外，剩下很多烧不起钱的玩家开始转头拥抱应用端。
然而，在这两个主流之外，还有一小撮"非共识"的玩家，把目光落在了小模型上。
但这次，不少创业公司重新拾起的小模型，和文章开头提到 ChatGPT 出现前十年间停留在论文上的小模型完全不一样。
它们是真正落地在终端的小模型，并且有了另一个名字：
端侧小模型或端侧智能。
崭露头角的端侧小模型公司们
今年以来，不少端侧小模型已经开始崭露头角了。
前一段的 WAIC 上，西门子 MindSphere 展台上围满了专业观众。
大家正在看一个展台上一个小于 50MB 的端侧部署小模型，它能够预测现场的三台冲压设备故障，并发出警报。
在这之前，车间里冲压机床只有累到趴窝才会被工人察觉，紧接着就需要停摆检修，造成全车间流水线暂停，带来巨大人力和财力损失。
因此在冲压机床出故障前，预警功能就非常重要。
面对这样的小场景，大模型算力再强，moe 结构设计再精妙，也无法处理。
但这样一个精准的端侧小模型，就能够轻松应对。
这就是落地在终端小模型的冰山一角。
在这条窄路上前进的，还有一些独角兽公司，比如 base 北京的 AI 初创公司面壁智能。
之所以关注这家企业，是因为这家公司今年五月的一次成功融资。
在 DeepSeek 大火后，国内大模型公司融资难度堪比抵地狱级。一方面是行业共识认为大模型已收敛，另一方面，有 DeepSeek 珠玉在前，你实在太难说服投资人为什么要投你了。
但面壁智能却能持续拿到融资。
我问了很多业内人士，得到一个答案，关键在于它早早找到了自己的道路：小模型。
AI 科技评论独家知悉，就在这几天，面壁的全体员工，收到了一封特殊的"内部信"。
邮件来自公司决策层，借着公司三周年周庆，高层向全体员工回答了一个问题：为什么公司从大模型切入，却 all in 端侧小模型？
邮件讲述了一些底层思考，内容非常爆炸，即使是外人看来，也能从一家 AI 初创公司的生存视角，有所收获。
按照邮件内的时间节点描述，面壁智能的创立初期是 100% 坚定大模型方向的。
它的创立时间是 2022 年，甚至早于 DeepSeek。
创始团队出身于清华系，来自清华大学自然语言处理实验室。
在创立之前，面壁的创始团队就主力参与北京智源人工智能研究院的"悟道"，从时间来看，面壁智能应该吃到一波融资的红利，但我们先去分析过，国内的 AI 科技 VC 有一些路径依赖，更愿意选择一些"曾经打过胜仗的连续创业者"，导致面壁智能虽然起的大早，但并没有成为资本的宠儿，而是靠自己硬拚出来的天地。
2022-2023 年间，面壁一直在死磕大模型，当初他们的愿景是做出平民版大模型，我们曾经写过稿件，认为他是国内和 DeepSeek 愿景最类似的公司。
当然，面壁也做出了不少成绩，比如训练出多个百亿、千亿参数规模的大模型。
转折点发生在 2023 年。
2023 年，随着 Llama 开源，众多资本涌入，那一年里，大模型的创业公司增加到了十几家。
面壁智能迅速发现，千亿大模型烧钱太快，并且商业化方面难以落地，于是果断选择了调整战略，决定转向训练参数规模更小、算力更低、但性能更强的端侧模型。
转型之初，面壁并不容易。
一方面，端侧智能算是在黑暗中摸索，另一方面，市场上噪音很多，比如 DeepSeek V3 以少胜多的战役，也曾让面壁的创始人怀疑，如果坚持不转型，是否自己也有机会在大模型上攀上一座高峰。（后续的行情，证明面壁智能果断转型是明智的）
但彼时，面壁已经全盘 all in 端侧小模型，已经失去验证"更低成本训练更强大模型"的机会了。
好在小模型并不是邪修，面壁团队迅速在端侧小模型赛道找到感觉，有了一些自己的思路。
03 想成为端侧小模型的"开拓者"，并不容易
从时间上看，面壁智能不仅比文章开头提到的"混元"和"通义 Qwen3 "更早开启小模型的探索，并且在端侧探索上，几乎是领先行业一年半的身位。
提前一年半的布局，让面壁有不少成果。
第一是模型层面，面壁的端侧模型被称为小钢炮 MiniCPM 系列。
至今已经完成多次迭代，最新的是上周开源的 minicpm v4.0 ，一款 8B 能做到 5% 的极高稀疏度，端侧能跑长文本、深思考，另一款 0.5B 更是能适配非常多的终端场景，能做到手机端持续、稳定可用，还不发热。
再加上此前做在视觉及实时语音对话等优化，面壁智能的端侧模型，完全能实现在 iPad 上进行多模态直播，这意味着，它的使用场景变得异常丰富。
从麦当劳的点餐机器人，到政府行政服务中心的服务机器人，再到儿童陪伴玩具都能完全能够胜任。
除了技术层面的突破，还有一些学术和开源成果。
上个月《Nature Communications》正式收录了面壁智能此前发布的一项关于新模型 MiniCPM-V 的研究成果系列。
其中包括一个 OpenCompass 评分中超越 GPT-4V（2023.11.16 版本）的 80 亿参数模型。
开源方面，面壁智能的小钢炮 MiniCPM 系列是 2024 年 Hugging Face 最多下载、最受欢迎中国大模型，截至目前全平台下载量累计破 1000 万，能看到一定的使命感在里面。
除去技术层面和学术等层面，但真正能让大家直观感受的，还是落地到现实世界的场景。
社交媒体上经常有一些同类型的问题，为什么都说大模型能力早早超越人类，但迟迟没看到惊艳的落地场景？
答案在于大模型的能力，需要高性能云服务器才能发挥出来。
但大家平时生活中使用的手机，平板汽车等设备，都是算力非常有限的设备。
这类型设备有一个学名，叫做"边端算力场景"。
而这正是众多小模型厂家的主场。
继续拿面壁智能举例。和需要调用各种云端超高算力的大模型不一样，面壁的小钢炮系列模型，能在消费级显卡上流畅运行。
这就意味着手机，个人电脑，汽车，机器人，甚至是刚才提到的工厂环境，以及一些涉密的政府部门等等都可以部署。
"不仅把模型的配置门槛打下来了，使用场景还变得更丰富了"。
在面壁智能的内部信上，也提到了这些场景。
首先是汽车场景，面壁智能围绕着智能座舱，发布了一个以 MiniCPM 模型为核心汽车助手 cpmGO 。
我查了一下，这是业界第一个纯端侧的智能座舱。（雷峰网）
目前 cpmGO ，已经与长安、上汽大众、长城、吉利、广汽等车企谈完合作了。
不出意外，第一款量产车会落在今年三季度即将上市的网红车款长安马自达 MAZDA EZ-60 上。
不止是车企，面壁还与高通、英特尔、联发科技、梧桐车联、德赛西威、中科创达、安波福等做了深度适配，正在推动下一代智能座舱的诞生。
这一点，面壁高层非常重视，根据内部信的内容，面壁今年为此特地成立了汽车业务线，目标非常简单粗暴：
"将 MiniCPM 搭载到更多汽车上"。
从某种意义上，面壁确实在端侧的技术探索和实践落地上，在努力成为行业开拓者的角色。
最后，当我们在写这篇文章的时候得知，前面提到那个西门子展台的冲压机床预警小模型，经过几个月的真实产线的数据训练，预测准确率已经提升到 89%，随着时间积累，准确度还在不断提高中。
与此同时，面壁智能的全体员工，也在对这份内部信进行了深度复盘。
过去，大模型领域在资本的加持下，蒙眼狂奔，让我们误以为 AGI 很快会到来，不做大模型就是原罪。
但当头部大模型企业开始进入瓶颈期，我们也冷静下来才逐渐看到，有那么多端侧小模型企业，正在脚踏实地去思考人类到底喜欢什么，大众到底需要什么，然后反推出背后的技术路线，做出小而美的落地产品。
它们值得被看到。（雷峰网）
按月配资平台提示：文章来自网络，不代表本站观点。
