对话面壁 CEO 李大海：端侧 AI 模型赶上 GPT-4，下一程是生态补课

📌 一句话摘要

面壁智能 CEO 李大海在智源大会期间接受群访，就端侧模型进展、智能体落地、国产算力适配、开源策略及汽车手机等终端场景分享了关键判断与战略思考。

📝 详细摘要

本文为智东西对面壁智能 CEO 李大海及 AI Infra 负责人李宇轩的群访实录。李大海判断，端侧模型智能水平已提前达到 GPT-4 水平，2025 年是端侧模型落地元年，汽车量产是重要标志。他提出面壁的定位是「端侧模型的基础设施」，将发布基础模型、服务设备厂商并探索 AI 原生硬件。关于智能体，他认为已能落地但外界期待偏高，端侧模型与智能体结合将改变人机交互方式。在国产算力方面，李宇轩澄清了此前关于昇腾训练效率 95%的说法，并指出软件生态仍需补课。李大海还阐述了开源作为高效商业模式的逻辑，认为核心竞争力在「冰山之下」。此外，他回应了苹果端侧 AI、手机厂商选择面壁的原因、端侧模型压缩极限等问题，并透露面壁已在汽车、手机、无人机、潜水器及法律场景推进落地。

💡 主要观点

- 端侧模型智能水平已提前达到 GPT-4 水平。 李大海以面壁 MiniCPM-5 1B 在 Artificial Analysis 榜单得分接近 GPT-4o 为例，证明其提出的「大模型知识密度定律」仍在生效，1B 参数模型已逼近 200B 模型表现。

2025 年是端侧模型落地元年，芯片是最大制约。 汽车量产是重要标志，但端侧模型落地最大制约仍是模型与芯片的结合。国产存算一体 AI 芯片正在流片，芯片到位后端侧应用将迎来爆发。

智能体已能落地，但外界期待偏高。 面壁已在法律场景落地智能体技术，但外界对零介入、100%完成、100%负责的期待需要时间打磨。端侧模型与智能体结合将改变人机交互方式。

国产算力训练需芯片公司更深合作，软件生态仍需补课。 训练工作正逐步转向国产卡，但软件生态相比英伟达差距明显。李宇轩澄清昇腾训练效率 95%是指极低位宽量化感知训练的效率，而非平台间对比。

开源是高效商业模式，核心竞争力在「冰山之下」。 开源能以低成本触达潜在客户，降低验证成本。已开源内容不足以让对手学会核心能力，企业应靠技术前瞻性和速度持续构建竞争优势。

💬 文章金句

- 开源是一个非常高效的商业模式，因为它能用更低成本触达潜在客户。

• 一家公司的核心竞争力在「冰山之下」。已经开源出来的东西，不足以让别人完全学会公司的核心能力。
• 未来大模型公司生产出自己的模型后，也可能会同时生产自己的芯片。

📊 文章信息

AI 初评：82

来源：智东西

作者：智东西

分类：人工智能

语言：中文

阅读时间：17 分钟

字数：4141

标签： 端侧AI, AI Agent, 大模型, 国产算力, 开源

阅读完整文章