2026年中国互联网大会比以往更加聚焦于一个核心议题：AI如何真正落地应用。7月8日在北京国家会议中心举办的“光电驱动，数智共生”高端对话环节，几乎将产业链上下游的焦虑与期待完整体现。面壁智能联合创始人雷升涛在会后采访中分享了他们利用端侧大模型推动AI产业落地的实践经验，并预告了面向法律行业的新产品即将上线。

光电算力融合：用“密度定律”解决算力成本高、接入难的痛点

当前，算力网络建设与算力需求爆发已成为整个行业共同面临的难题。高端算力供不应求、不同硬件间适配困难、模型训练与推理成本居高不下——这些痛点在本场对话中被反复强调。产业链中从事光传输、算力底座、大模型开发及产业应用的企业，都在积极寻找协同突破口。

雷升涛的观点非常直接：光电与算力网络的深度融合，核心目标在于解决算力需求快速增长与能耗、部署成本、传输瓶颈之间的矛盾。单纯依靠“堆卡、扩集群”的传统方式，短期内虽有效，但长期来看，电力供应、硬件供应链和运维成本等硬性约束将逐渐显现。面壁智能的解决思路，关键在于跳出规模扩张的惯性思维，通过“密度定律”重构模型研发底层逻辑。

所谓“密度定律”，具体指持续提升单位算力下模型的智能水平。面壁智能数据显示，模型能力密度大约每3.5个月翻一番。这意味着，在达到相同智能效果的前提下，模型所需的参数量和算力消耗持续下降。其小参数模型——如MiniCPM系列，配合BitCPM-CANN显存优化方案，已在综合能力上对标高阶大模型。自研的ForgeTrain训练框架比主流开源框架的训练速度提升约10%，在大规模训练场景下可显著压缩时间、算力和资金成本。

谈及全国一体化算力网建设，雷升涛提出了一个务实观点：未来的算力体系不会是单纯的云端集中式，也不会是纯本地的端侧模式，而应是分层协同的“端云协同”范式。低延迟、隐私敏感、高频轻量级任务直接在终端本地运行；复杂且需深度推理的任务则上云处理。这种做法的优势明显：既减少跨网传输带来的算力浪费，又大幅降低企业使用AI的门槛。简而言之，就是让AI从“烧算力”转变为真正“用得起、用得稳”。

端侧规模化落地：从“跑得动”迈向“用得开”

大模型产业长期面临一个尴尬困境：定制开发成本高、试点容易量产难、跨场景复制更是不易。这正是本次圆桌对话“商业化规模化”议题的核心。雷升涛认为，端侧大模型是打通AI产业落地“最后一公里”的关键路径。原因在于：设备、业务、用户三者紧密结合，部署、运维和隐私安全成本可从根源上降低。

目前，面壁智能在汽车、企业组织智能体等多条赛道上，已形成成熟的量产交付体系。智能座舱是端侧大模型规模化落地的标杆场景。雷升涛透露，其自研的端侧智能体SuperMate已实现超过30万台量产车交付，完整跑通模型适配、硬件兼容、整车供应链及终端交付全链路。基于MiniCPM全模态端侧模型的SuperMate，能实时感知驾乘人员状态，自动调节座舱环境、识别遗留物品、预判出行需求，所有推理均在本地端侧进行，毫秒级响应，用户数据无需上传云端，既保障体验又兼顾数据安全。

除出行赛道外，面向企业组织级场景的PilotDeck智能体平台也已实现规模化商用。该平台将模型能力嵌入企业办公流程，自动完成任务拆解、知识沉淀和跨团队协同，将AI从个人效率工具升级为企业通用生产力底座。同时，面壁智能持续布局机器人、PC、消费电子等终端轻量化模型方案，打造标准化端侧交付套件，让不同行业客户可按需调用、快速集成，无需从零定制开发。

“我们的目标不是输出单一模型产品，而是打造可复用、可规模化复制的数智融合交付范式。”雷升涛强调，AI产业化核心不在于技术参数领先，而在于能否稳定嵌入真实产业链、持续创造业务价值。端侧路线，正是面壁智能实现千行百业普惠智能的核心抓手。

布局垂直赛道：Legalhub法律智能平台即将发布

采访中，雷升涛透露了一项重要消息：面壁智能即将正式发布面向律所等专业机构的法律智能基础设施产品——Legalhub。这是其在垂直行业深耕的关键一步。

“有些行业场景需要端云模型协同作业，比如法律领域。我们即将发布的面向律所的企业级法律智能体云平台Legalhub，通过‘模型+MCP+组件’方式，让律师核心工作流实现自动化，同时支持团队协作、权限管控和审计留痕。它将大模型从律师个人助手，升级为可机构化部署、可规模复制的行业专有体系。”雷升涛这样解释。

据悉，Legalhub专业能力对标海外法律生态产品Claude for Legal，但更贴合我国法律体系、司法实践及律师执业场景，目标是构建更符合中国法律服务生态的智能化解决方案。

锚定长期方向：端侧AI成为普惠智能的产业基座

AI算力网络与终端智能化正迎来高速发展期，但算力供需失衡、供应链约束、能耗管控等挑战也同步凸显。谈及未来三年核心战略，雷升涛明确表示，面壁智能将持续加码端侧大模型技术研发，推动端侧AI从行业“可选项”变为“必选项”，最终打造覆盖全终端、全行业的普惠智能基座。

技术层面，将持续深耕高效轻量化模型、端云协同调度、模型压缩及跨异构硬件工程适配四大方向，进一步降低终端设备部署门槛。产业层面，会持续拓展汽车、机器人、PC、专业服务等多元场景，沉淀标准化交付模板，减少行业定制化重复投入。生态层面，一方面联合硬件、整车、行业服务商共建端侧AI产业生态，另一方面依托垂直行业平台搭建细分领域智能体开放共建体系。

雷升涛最后总结道：AI产业规模化的核心逻辑，不是每个行业独立搭建一套昂贵的定制化系统，而是形成可复用、可快速调用的通用模型能力与标准化平台。未来，面壁智能将坚持端侧大模型核心路线，平衡技术创新与产业落地，依托光电算力融合的底层技术优势、多行业量产实践经验与垂直行业平台化创新，为数字经济和新质生产力发展，提供低成本、高适配的国产大模型产业支撑。