夜雨聆风「亮见AI链」每周二深拆一家AI公司。这是系列一"WAIC探展"第四站。前三站，我们看了模型层的三件事：零一万物把模型变成"生意"，模思智能把模型做出"温度"。今天这家，把模型做"小"—小到什么程度？20亿参数，跑在你的手机里，断网也能用。它叫面壁智能。
一、计算的历史，就是一部"变小"的历史
1946年，世界第一台通用计算机ENIAC诞生：占地170平方米，重30吨，每秒做5000次加法。1971年，英特尔4004芯片问世，把计算机的"大脑"压进指甲盖。此后五十年，计算设备每"变小"一次，用户数就跃迁一个数量级，从机房到桌面，从桌面到口袋。
但大模型的头五年，历史是反着写的：参数从亿级卷到千亿、万亿，模型越做越大，算力越烧越多。
直到2023年下半年，一家公司掉了头。别人往大做，它往小做。
这家公司叫面壁智能。三年后的2026年7月，成绩单公布：上半年累计融资超50亿元，投后估值超200亿元，国新基金、中网投等国家级产业基金入股，成为端侧智能赛道最大的独角兽。
WAIC 2026，探展第四站，我们看看这条"反着走"的路，怎么走通了。
二、亮见五问
第一问：它在哪一层？
坐标：L2模型层·端侧模型—把智能装进终端。
至此，模型层四家样本各就各位，对"模型层的价值从哪里出口"给出了四个答案：硅基流动说，出口在算力的效率里（L1/L2结合部，卖"电表"）；零一万物说，出口在上层的生意里（L2跨L4/L5）；模思智能说，出口在人的心里（情境智能）；面壁智能说，出口在终端里：模型直接长在设备上，哪里有人，哪里就有智能。
值得注意的是：面壁虽在L2，却是模型层里离用户最近的一家。云端模型和用户之间，隔着网络、隔着API、隔着一整层服务商；端侧模型和用户之间，只隔一层玻璃屏。
第二问：解决什么问题？
云端大模型有四个结构性痛点，一个都绕不开：
一是成本。云端推理按token计费，一次对话几分钱，听着便宜，乘以十亿次调用就是天文数字。二是时延。云端响应按秒算，可机器人从失衡到摔倒只要半秒—等云端回答，事故已经发生。三是隐私。车里的对话、家里的画面、手机里的健康数据，用户愿不愿传上云？监管答不答应？四是可用性。地下车库没信号，矿井里没网络，太空里更没有。
四个痛点的共同根源是：云端智能是"租用"的智能，端侧智能是"拥有"的智能。李大海说得直白："AI如果只停留在云端，就永远只是'对话框里的智能'。"
第三问：怎么解题？
面壁的全部战略，押在一个"理论赌注"上。
2024年，首席科学家刘知远提出"密度定律"：达到相同智能水平所需的参数量，每3.5个月减半。摩尔定律说的是芯片"制程"的进步，密度定律说的就是模型"制程"的进步—同样聪明，越做越小。
赌它成立，就是赌三件事：1）小模型的能力上限不断抬升；2）端侧部署成本每3.5个月砍半；3）时间站在"做小"的人这边。
三年下来，定律兑现成了产品。
WAIC 2026上，面壁在"智在终端 惠及千行"论坛发布：MiniCPM5-2B，20亿参数，登上权威AA榜单2B以下第一；MiniCPM5-1B，仅1B参数，效果逼近200B的GPT-4o—参数差着两个数量级。
同时发布首个具身智能模型系列MiniCPM-Robot：RobotManip仅1.5B参数，VLA操作能力比肩3B—4B级模型，RMBench评测拿下53分，而π0.5只有10分，还支持1分钟"原生记忆"；
RobotTrack仅0.9B，是业内首个可完全本地断网运行的跟踪模型，装上宇树Go2机器狗，控制频率5Hz以上，时延180毫秒。基于华为昇腾的ForgeTrainAgent，用130M模型反超了Google的Gemma3 270M。半参数，实现超越。
还有一招很多人没看懂：开源。MiniCPM系列累计下载超3800万次（截至2026年6月30日）。云端模型开源是"引流"，端侧模型开源是"铺货"，开发者要的就是能跑在自己设备上的模型。3800万次下载，等于3800万次渠道预装。
第四问：怎么赚钱？
已经兑现的：智能座舱—吉利银河M9、长安马自达EZ-60已量产搭载面壁SuperMate方案，2026年目标30万台量产车；手机—三星旗舰机型预装，全球手机一哥的供应链认证，含金量不言而喻。
正在验证的：具身智能—乐聚机器人在WAIC展厅的导览Agent，纯端侧离线运行，人流再大、网络再挤，它不靠网；开发者生态—松果派开发板，把端侧模型交到创客手里；太空算力—与一苇宇航合作把模型送上卫星，太空里没有云，端侧是唯一解。
说句实话：端侧模型的商业模式，本质是"卖面粉"而不是"开饭馆"。面壁不直接面对消费者，收入取决于车企、手机厂商、机器人公司的产品卖得好不好。好处是轻资产，不用烧钱买流量；代价是议价权在客户手里，而且小模型一旦"够用"，客户就会压价。这是所有卖面粉者的宿命。200亿估值、50亿融资，定价的是"端侧=下一个十年入口"的预期，不是当下的收入。好消息是通道正在打开：科创板第五套上市标准已扩展到人工智能领域，面壁正站在门口。
第五问：凭什么赢？
第一，时间差。2023年下半年all in端侧，比行业共识早了一年半以上。李大海说"2026年是端侧AI规模化落地的元年"—元年不是等来的，是三年前押出来的。
第二，定律是自己提的。密度定律不是借来的理论，是刘知远自己提出的。提出定律的人，最懂得怎么把定律用足。
第三，开源卡位。3800万次下载让MiniCPM成了端侧模型的事实标准之一—开发者习惯了你的模型，就像工程师习惯了某种制程，迁移成本极高。
第四，国家队背书与自主可控叙事。国新基金、中网投入股，与华为昇腾深度绑定。端侧智能牵涉数据主权与终端安全，"中国的终端跑中国的模型"，这条叙事，面壁占住了。
三、个人点评：新三度
AI浓度：极高。面壁的组织本身就是"以小博大"的复刻。高人才密度、小团队、快速验证，减少中间层级损耗，让顶尖判断直连工程落地。
人才密度：清华系班底，首席科学家是密度定律的提出者本人。跨学科团队用同一把尺子评价所有人：不看论文数量，不看demo酷不酷，只看真实体验、延迟、功耗、稳定性—没有部门墙，是因为墙被同一把尺子推倒了。
组织态度："以小博大"既是模型哲学，也是组织哲学：小团队围着问题聚拢，快速验证，减少中间层级损耗，让顶尖判断直连工程落地；跨学科团队之间没有部门墙，因为所有人用同一把尺子。真实体验、延迟、功耗、稳定性。
最好的证据是2023年那次掉头：固态组织掉不了这么快的头，全公司能像水一样整体转向，本身就是液态。水善利万物而不争。
李大海说面壁要"做普惠千行百业的大模型基座"：基座的意思，是不抢戏，但哪儿都有它。
四、写在最后
达摩面壁，一壁之隔，是禅。
面壁智能面"壁"三年。壁的另一边，是云端大模型的万军混战。它没有回头参战，而是在墙上凿了个洞，走出了另一条路。
模型层三部曲至此收束：零一万物证明"模型是手段"，模思智能证明"模型要有温度"，面壁智能证明"模型要有密度"。三个答案合起来，就是2026年模型层的生存法则—要么找到生意，要么找到人心，要么找到密度。
下一站，我们离开数字世界，去看一家给机器人造'手'和'脑'的公司-灵初智能。
谭亮，写于8月17日。
【关于亮见AI链】
每周二，深拆一家AI公司。一张五层地图看产业，五个问题看公司，三个维度看组织。分层不是为了分类，是为了看清价值往哪里流。
每周二，一起看明白。