端侧AI的密度法则与昇腾算力协同实践
过去几年，大模型行业的注意力更多集中在云端，关注参数规模、推理速度或者能力榜单，而如今，客户关心的不是模型能不能更“强”，而是能不能在真实算力条件下跑起来，能不能稳定服务用户，能不能把成本压到一个可控范围里。在华为中国合作伙伴大会 2026 的现场，面壁智能联合创始人& COO 雷升涛、华为制造与大企业军团软件与ICT企业总经理孙健在接受媒体采访时，为行业揭开了答案。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
过去几年，大模型行业的注意力更多集中在云端，关注参数规模、推理速度或者能力榜单，而如今，客户关心的不是模型能不能更“强”，而是能不能在真实算力条件下跑起来，能不能稳定服务用户，能不能把成本压到一个可控范围里。
在华为中国合作伙伴大会 2026 的现场，面壁智能联合创始人& COO 雷升涛、华为制造与大企业军团软件与ICT企业总经理孙健在接受媒体采访时，分享了双方在端侧大模型领域的技术协同成果，让端侧大模型从实验室走向实际应用。
密度法则：破解端侧模型瘦身难题的核心逻辑
大模型的发展长期依靠规模法则（Scaling Law）推动，不断扩大训练数据和模型参数来提升模型能力。但当大模型向端侧延伸，算力、内存、功耗的三重约束，让单纯的参数堆砌失去了实际意义。面壁智能率先提出的密度法则，为端侧大模型的发展找到了另一条路径。
雷升涛在采访中详解了密度法则的核心内涵，模型能力密度每 3.3个月翻一番，这意味着同等能力的模型，在 3.3 个月后仅需要一半的参数就能实现。
这一法则在面壁智能小钢炮系列模型的演进中得到了反复验证，从 MiniCPM 2.4B，到后续 4B、9B，再到最新的 MiniCPM-o 4.5，每一代模型都实现了同等参数下性能更强，同等性能下参数量更小的突破。MiniCPM-o 4.5 更是凭借 9B 参数规模实现了全双工全模态能力，而达到同类能力的云端模型，通常需要几百亿的参数规模。
密度法则的落地，并非简单的模型压缩，而是需要在架构、算法、推理、数据、训练等多个不同维度的同步创新，才能实现“瘦身不降智”。
在雷升涛看来，密度法则更是带有中国特色的规模法则。在算力资源有限的背景下，通过知识密度的提升，用算法、数据和架构的创新实现模型能力的突破，让模型越做越小，让 AI 的普及成为可能，这正是 AGI 发展的重要路径。而从云端蒸馏模型做端侧的方式，会导致模型的支持密度不断降低，难以适应端侧场景的实际需求，这也让密度法则的技术价值更加凸显。
软硬协同，华为与面壁的技术协同
端侧场景的限制远比想象中严苛，算力不高、功耗敏感、温控紧张，推理链路的任何浪费都会被成倍放大。
从 2024 年开始，面壁智能与华为开始合作。早期双方从模型适配开始，让 MiniCPM 系列可以在昇腾芯片上运行，然后到推理优化阶段，通过算子融合、内存复用等技术提升速度，双方联合发布性能数据，这一过程并不轻松。
华为为面壁智能提供了坚实的底层算力支撑，而面壁智能则基于密度法则实现了模型的“瘦身不降智”，二者的技术路线形成了天然的互补。
而面壁智能选择与华为深度合作，源于技术、服务与场景的三重契合。雷升涛指出，端侧模型的落地需要与芯片高度适配，从云端 FP16 精度到端侧 4 bit、2 bit的量化，双方深度的协同优化则让模型的推理速度更快、功耗更低，让模型在发布的同时就完成了算力适配，能够以最快的速度服务市场和客户。
从汽车场景到具身智能，端侧 AI 开启规模化应用
技术的创新最终要落地到实际的商业场景中，端侧大模型在多个行业实现了规模化落地，而汽车则成为端侧 AI 落地最快、需求最迫切的领域。
雷升涛表示，汽车领域的智能化趋势，让智能座舱成为用户体验的核心，而面壁智能的端侧模型已经在吉利、长安马自达等多款量产车型上落地。
汽车场景的特殊性，让端侧模型的价值得到了充分体现，在地下车库、隧道等无网络环境中，端侧模型的离线可用、毫秒级响应能力，解决了云端模型的痛点，而隐私安全的特性也契合了车载场景的需求。用户在车上的停留时间长，对交互体验的要求高，端侧 AI 带来的体验提升直观可见。
除了汽车，手机、智能家居也是面壁智能端侧模型落地的重要领域。随着端侧算力的不断提升，模型能力密度的持续突破，会有更多的端侧场景拥抱大模型技术。
对于端侧 AI 的未来“爆款应用”，雷升涛比较看好具身智能。目前的机器人本体发展迅速，但缺少真正的“大脑”，缺乏与真实世界的感知交互、任务规划执行能力和泛化能力。而面壁智能的 MiniCPM-o 4.5 具备类人感知与交互能力，可以补齐具身机器人的大脑能力。雷升涛表示，接下来端侧模型落地到具身智能，会带来一些杀手级的应用，以及更广泛的应用场景。
协同共赢为中国端侧 AI 发展奠定基础
孙健表示 ，“我们的合作在技术路径、生态构建和产业安全三个维度为行业提供了标杆示范。”
特别是华为硬件开放、软件开源的策略，与面壁智能的技术创新相结合，激活了开源开放的生态，大幅降低了开发者进入端侧 AI 领域的门槛。
面对 AI 模型和应用的爆发式增长，华为通过算力底座升级、全栈工具链开放、生态深度协同、安全保障四大核心路径，为软件高科技企业提供从技术研发到商业落地的全生命周期服务，帮助企业在 AI 浪潮中构建核心竞争力。
端侧 AI 的真正挑战不在于模型参数，而在于工程能力、生态基础和产业协同。面壁智能与华为的探索，让我们看到了端侧 AI 的无限可能，而这种协同共赢的模式，也将成为中国 AI 产业发展的核心竞争力，推动 AI 技术真正融入千行百业。
热门专题
热门推荐
当RPA机器人面临复杂决策场景时，企业通常可以采取以下几种经过验证的有效策略来应对，确保自动化流程的顺畅与准确。 借助人工智能技术 一种广泛应用的解决方案是将RPA与人工智能技术深度融合，特别是机器学习与自然语言处理。通过集成AI的预测分析与模式识别能力，RPA能够处理非结构化数据并应对模糊的业务情
当智能制造与人工智能技术深度融合，这不仅是两种前沿科技的简单叠加，更是一场旨在重塑全球制造业竞争格局的系统性变革。其核心目标在于，通过深度嵌入人工智能等前沿技术，全面提升制造业的智能化水平、生产效率与国际竞争力。那么，如何有效推进这场深度融合？以下六大关键策略构成了清晰的行动路线图。 1 加强关键
对于已经部署了RPA的企业而言，项目上线远不是终点。要让自动化投资持续产生价值，对机器人性能进行持续优化是关键。这就像保养一台精密的机器，定期维护和调校，才能确保其长期高效、稳定地运行。 那么，具体可以从哪些方面着手呢？以下是一些经过验证的优化方向。 一、并行处理与任务分解 首先，看看任务执行本身。
面对海量数据源的高效抓取需求，分布式数据采集架构已成为业界公认的核心解决方案。该架构通过精巧的设计，协调多个采集节点并行工作，并将数据汇聚至中央处理单元，最终实现数据的集中分析与深度洞察。这套系统看似复杂，但其核心原理可拆解为几个关键组件的协同运作。 一、系统核心组成 一套典型的分布式数据采集系统，
Gate io平台活动页面多样，新手易混淆注册奖励、邀请与正常开户页。本文梳理三者核心区别：注册奖励页通常含专属链接与限时福利；邀请页强调社交分享与返利机制；正常开户页则提供基础功能与安全验证。清晰辨识有助于用户高效参与活动，避免错过权益或操作失误，提升在Web3领域的入门体验。