美国AI要抄我们作业,凭什么?

7000多亿美元，这是今年美国四大巨头的资本开支。

海量金钱，砸向AI数据中心。

万亿参数、万卡集群、天价训练成本，AI巨头们生怕钱不够多，堆不起更大的算力。他们都相信行业铁律，参数量越大，效果越好。

难道AI就是场巨头的游戏，普通人根本摸不到门？美国之外的其他国家，没钱没资源没算力，AI注定落后？

铁律并非牢不可破，AI还有很多机会，甚至就在身边，就在你的手机里。

你有没有觉得，自己手机里的AI特别笨？

我和手机里的AI语音聊天，只能我说一句，它答一句，和对讲机似的。

我停顿换气，稍一迟疑，它就以为我不说了，赶紧打断。

它看不到我眼前的世界，猜不透我的言外之意。

这就是云端"算力军备竞赛"忽视的痛点，手机、汽车等直面物理世界的端侧，缺少合适的智能覆盖。

“云端”扩大数据规模，堆砌算力，训练出的AI是算力强大的"实验室工具"。

但AI终将走向人人都要用的基础设施，这一过程中的关键跃迁就发生在端侧。

历史上就发生过类似的跃迁。

最初的计算机巨大笨重，IBM早年甚至说全球只需要五台大型主机。几十年后，手机和个人电脑却把智能终端做小做普及了。

核心不是把计算机越做越大，而是越做越高效，离大众越来越近。

美国靠着算力优势，领跑云端大模型，中国就得找到差异化竞争路径。

中国拥有海量的人口和庞大的实体经济规模，应用场景极为丰富，信息技术产业集群足以支撑端侧AI在丰富的场景中落地。

美国跑出AI这条新赛道，想要对其他国家实现"单点技术碾压"。

但这样一边倒的技术领先并未发生，反倒是在生态与场景的深度耦合上，中国AI正在率先定义技术路线。

比如这个月，OpenAI推出GPT-Live，全球媒体欢呼"语音交互革命"。AI终于能"边听边说"，告别了死板的"回合制"。

可是"全双工"，和人实时对话，早在五个月前，就由一款中国AI产品，面壁智能MiniCPM-o 4.5实现了。

而且MiniCPM-o 4.5的全双工还是全模态的，只有9B参数的它，在端侧能做到视觉理解、文档解析、语音生成、声音克隆。

举个例子，你在外面玩的时候，和它对话，它不仅能边听边说，还能随时感知环境变化。你冷不丁问它“这是什么水果”，它也能“看到”手机镜头前的水果并对答如流。

早在2024年，面壁智能推出的大模型就被斯坦福大学学生团队套壳抄袭。

这次抄袭事件引发AI社区广泛讨论，以抄袭者删库跑路结束。很明显，国内原创研究，早就在全球顶级学术机构关注范围内了。

面壁智能怎么敢押注端侧，走美国人没走的那条路？

原因在于他们发现的密度定律：每隔3.5个月，实现相同智能所需的模型参数量就减半。

与此同时，摩尔定律揭示了每隔一年半，芯片性能提升一倍。

两条趋势相向而行，端侧AI效果提升，成本降低，响应速度比云端快，高性能AI大规模下沉到小型终端芯片成为可能。

密度定律直接预测了端侧AI的发展，依靠这一定律进行的优化，催生出了端侧领先的技术。

有了底层原理，下一步是搭框架。

面壁智能联合清华大学发布的ForgeTrain，就是全球首个完全由AI编写、零人类代码介入的生产级大模型训练框架。

AI写的框架，在国产芯片上运行，训出领先的AI模型，这个闭环被打通了。

AI制造AI，从写函数、改脚本的碎片化环节，推进到了可展示、可评测、可复现的工程样本，AI自我迭代的闭环初步实现。写代码的边际成本趋近于零，我们不再需要花十年堆另一个CUDA，国产芯片将会由AI锻造专属软件生态。

在此基础上搭建的MiniCPM系列开源模型，在GitHub、Hugging Face等平台累计下载量突破3800万。MiniCPM-o 4.5一出，其覆盖文本、全模态、语音等类别的能力肉眼可见。

端侧全链路技术生态的闭环搭建好了，很快面壁智能就得到更多关注，在2026年初，作为共建单位参与北京市端侧智能重点实验室建设。面壁智能联合创始人兼首席科学家刘知远担任实验室主任。

更多的惊喜来自端侧合作的厂商。

搭载MiniCPM多模态模型的长安马自达EZ-60、吉利银河M9已经量产上市。

面壁智能与全球头部手机厂商深度合作。

AIPC、智能家居、具身智能等重要端侧，厂商和面壁智能的合作全部落地。

中国的竞争优势，在这些领域显现出来——更丰富的智能终端市场、应用场景和产业集群。

在汽车、手机、具身智能等端侧，AI的竞争不仅是算法竞争，更是"场景密度×数据反馈×产业协同"的系统竞争，AI就在这些社会和产业的神经末梢实现价值，渗透到千千万万差异化的场景中，在大量数据反馈中千锤百炼，不断进化。

你眼前的手机、电脑里藏着海量闲置算力。只要有电，甚至不需要联网，它就能7×24小时本地运行，不断理解你真实的需求。

这才是智能革命的底层逻辑。

面壁智能在端侧细分赛道上，已经是在领跑了。

毕竟MiniCPM-o 4.5发布五个月后，GPT-Live才发布。

“在未来三到五年的时间里，会有越来越多的终端具备更强智能，当个人的模型也具备了自主学习能力和协同能力时，就会形成一个重要的奇点：这个世界上每个人都会有专属于自己的，持续成长的模型，成为每个人越来越贴心的、懂你的助手。”

云端大模型参数规模固然重要，但归根结底还是要落到应用，在离用户最近的端侧跑起来。

在端侧的行业落地经验、场景理解能力和产业化速度，正是中国大模型公司的差异化竞争力。回头一看，中国公司甚至不仅仅是并跑，而是领先了。

上半场大模型在云端冲击AI的高度，下半场在端侧拓宽AI的广度。

而抓住端侧机遇的中国企业，渗透进汽车、手机、电脑、机器人，悄然定义端侧竞争的技术路线与产业标准。

端侧AI的终极目标不是替代云端，而是在端侧让AI实时反应、处理、运行、解决问题，形成的是"端云协同"的新基础设施。

面壁智能做到的，是提出端侧的原创理论，在此基础上发展出支撑起生态的端侧模型，并在落地场景中不断进化。

中国AI的差异化新叙事，就是这样跑出来的。