專訪面壁智能CEO李大海：端側AI的方向是個性化，開源與商業化不矛盾

21世紀經濟報道記者白楊 北京報道

在由ChatGPT掀起的大模型創業熱潮中，面壁智能是相對低調的一家創業公司。雖然沒有被列入大模型創業“六小虎”，但它的實力，依然不容忽視。

今年DeepSeek崛起後，《麻省理工科技評論》刊發了一篇題爲《關注DeepSeek之外的4家中國人工智能初創公司》的報道，指出階躍星辰、面壁智能、智譜AI、無問芯穹4家企業同樣展現出不遜於DeepSeek的技術實力與全球競爭力。

在近日召開的2025中關村論壇年會期間，21世紀經濟報道記者獨家專訪了面壁智能CEO李大海。

他向記者表示，DeepSeek今年的崛起，再一次證明了面壁智能在2024年6月份提出的知識密度定律（大模型的知識密度每100天會提升一倍）。不管是雲側模型還是端側模型，提高模型的知識密度都很重要。

2024年初，面壁智能正式發佈了被稱爲“小鋼炮”的MiniCPM端側模型，目前累計下載量接近700萬。

李大海表示，端側AI未來的主要發展趨勢仍然是小型化，然後逐步的端側原生化，以及由端側原生化帶來的逐步個性。在具體落地場景上，他認爲汽車和手機是最重要的方向。

在2025中關村論壇年會上，李大海面向汽車場景發佈了全新的純端側智能助手cpmGO。去年12月，面壁智能還成功部署了首個純端側屏幕助手，並已進入量產序列。

另外，面壁也是大模型開源的擁護者。李大海表示，當前的AI開發模式下，開源本身就是一個商業模式。DeepSeek已經非常形象地向大家展示了這一點。

同時，他認爲，商業化與開源並不矛盾，商業化反而會由於開源得到最大化。

以下是對李大海的採訪（內容略有刪減）：

21世紀：你如何看待今年DeepSeek的崛起？它對面壁智能以及端側AI的發展帶來哪些影響？

李大海：DeepSeek展示了高效大模型的魅力。高效，意味着更高的知識密度，和更低的成本。我們看到，DeepSeek的模型相比o1，知識密度大概有了10倍的提升，又免費開放給全世界人們使用，確實從智能感觀上比較震撼。面壁在2024年6月提出了知識密度定律（大模型的知識密度每100天翻一番），這一規律也再一次得到了印證。

尤其在端側，知識密度的提升尤爲重要。因爲雲端知識密度的高低可能隻影響着成本，尚可通過補貼等方式抹平。但在終端上，知識密度越高，則意味着可用性越強。在終端需要平衡性能與功耗，就像戴着鐐銬跳舞—— 更輕量高性能的模型，才能將功耗極致控制在臨界值以下，使得其可以在終端運行使用。

21世紀：這個密度定律，你覺得今年是否會依然有效？未來這種以小博大的技術路徑，要如何突破雲端模型的算力壁壘？

李大海：我相信它在未來很長一段時間都會持續有效，就像摩爾定律已經持續有效了半個世紀一樣。

在我看來，端側模型跟雲端模型的分工是不同的。端側模型信息安全保護和貼近用戶的先天優勢，所以更適合用來做貼身服務的個性化工作。

而云端模型規模更大，Scaling Law也仍然有效，所以它可以去做更復雜的、需要深度思考的工作。現在我們看到很多類似DeepResearch的功能，他要工作好幾個小時，然後輸出複雜的報告，這些就是雲端該做的事情。

端側要足夠快、足夠敏捷、足夠符合直覺，快速給出儘可能精準的決策行動。他們倆分工是不一樣的，端側模型也不需要去擊敗雲端模型。

21世紀：面壁一直在走堅持開源的路線，請你談一下對於開源的思考?

李大海：當前的AI開發模式下，開源本身就是一個商業模式。DeepSeek已經非常形象地向大家展示了，爲什麼開源是一個好的商業模式。因爲一個優秀的模型，通過開源的方式，能夠迅速讓對它感興趣的人接觸、使用、下載，讓市場成本變得足夠低。這便是開源的魅力。

面壁一直是開源的擁護者。幾乎每一款模型都進行了開源。我們的端側模型從2024年1月份到現在已經積攢了近700萬的下載，是2024年HuggingFace最受歡迎、最多下載量的中國大模型，我們骨子裡就是崇尚開源和相信開源的。

另外，我認爲開源是一種信仰， 除了非常務實的去講它是一個商業模式外，開源本身也是AI領域能夠快速發展的底層原因。在AI領域，大家都非常開放，有什麼樣的想法都會第一時間發論文，把代碼開源出來，這樣才能夠讓行業裡面每個人都能站在別人的肩膀上，能夠跑得更快。

舉個例子，面壁2024年1月發佈MiniCPM-1，使用了WSD學習率調度器，後續被Huggingface Transformer庫集成，Llama、Deepseek均也採用了類似技術進行模型訓練。

面壁一方面在行業裡去做這樣的貢獻，同時也會非常積極地學習開源領域中最新發布的技術。衆人拾柴火焰高，才能讓AI發展日新月異。

21世紀：你怎麼理解開源和商業化之間的矛盾，如何平衡這二者關係？

李大海：我覺得商業化這件事情不是受開源影響，反過來，商業化會由於開源這個模式得到最大化。

我們看DeepSeek，它其實就從開源這件事裡把自己技術優勢的商業利益最大化。如果DeepSeek做出R1時選擇閉源，那他變現技術優勢的速度會非常慢。而現在，他用開源的方式一下子把全球點燃了。所以開源用的好，其實能夠讓商業利益更大化。

21世紀：你認爲今年端測AI的發展會有哪些趨勢？還會面臨哪些挑戰？

李大海：端側AI的發展趨勢一定仍然是小型化，然後逐步的端側原生化，以及由端側原生化帶來的逐步個性化。

當然我們也相信，雲端的高階推理技術會逐步在端上實現。但是由於端和雲各自固有的不同特點，所以端上不需要所有場景都用高階推理。慢思考對於有些場景來說反而是不適用的，所以在端上我們也會更審慎的去使用高階推理能力。

21世紀：你曾表示AGI的實現需要7到10年，現在這個預測是否有變化？對面壁智能而言，今年的工作重心是什麼？

李大海：我們拿知識密度定律的週期跟摩爾定律的週期去做對比，因爲知識密度定律的週期是100天，摩爾定律是18個月，二者大概是六倍的關係。

整個計算的發展經歷了半個多世紀，經歷了50-100個週期的迭代，我們覺得在AI領域，可能也需要接近50到100次週期迭代，才能夠達到非常理想的狀態。

從2018年BERT發佈，以此爲元年算起，其實已經經歷了五六年，所以全部算下來，差不多就是7到10年，這是一個底層邏輯。但是我們也相信人類的技術發展是非線性的，當模型越來越好的時候，這個過程會被加速。

面壁智能今年的工作重心仍然是端側。我們會重點把端側模型做好，讓它更加個性化，能夠去更好地服務用戶。在具體場景上，現在汽車跟手機一定是最重要的方向，另外我們也在同步探索很多新方向，比如我們的端測模型已經部署在了機器人上。