蒲松龄

北京时间7月21日，世界乒乓球职业大联盟WTT冠军赛布达佩斯站女单1/4决赛进行了两场中日对决。    真正可能最快把 AI 带到普通人身边的设备，未必在展台上，反而就在每个人的口袋里。陈梦、王曼昱分别战胜日本选手早田希娜、伊藤美诚，会师半决赛。在与早田希娜过往的3次交手中，陈梦获得了全胜，两人上一次的较量还是在2019年。         其中最受瞩目的自然是 Apple Intelligence，国行 iPhone 用户真的等得太久了。此次在WTT冠军赛，早田希娜一上来发动很快，11比7先下一城。随着备案落定，用户对手机 AI 的好奇，也越来越具体：Siri 什么时候才能真正听懂上下文？AI 会怎么样跨应用完成任务？它读取照片、日程和聊天记录时，数据是否必须上传云端？     这些能力又是否足以成为更换一部新手机的理由？自发布以来，市场一直期待 AI 成为下一轮 iPhone 换机和生态升级的理由。IDC 在 WWDC 2026 后判断，更完整的 Apple Intelligence 将增强新款硬件的升级理由，并有机会把苹果操作系统进一步推向「个人智能」平台。陈梦很快以11比4将大比分扳平。         更具个人上下文的 Siri、更深入的跨应用协作，以及更多依赖新硬件的本地 AI 功能，都被视为苹果重新定义手机交互的一部分。    而在苹果之外，「Android 机皇」三星盖乐世 AI 也要来了，面壁智能 MiniCPM 系列作为三星盖乐世 AI 的端侧模型能力提供方，深度参与此次备案落地。随后的两局，陈梦、早田希娜各以11比8拿下一局。    对面壁而言，这意味着其端侧模型开始从开源社区和技术验证，进入全球头部消费电子厂商的实际产品。         在全球手机市场，三星长期处于全球智能手机市场第一梯队，拥有覆盖入门到旗舰的完整 Galaxy 产品线、广泛的全球销售网络，以及横跨手机、平板、手表和耳机的终端生态。         如果端侧能力进一步扩展到更多机型和市场，端侧智能潜在触达的将不再是少数开发者或单个行业客户，而是数以千万计的普通手机用户。    一次集中备案，释放出的是更广泛的行业信号，手机端侧 AI 正从功能预告和概念验证，进入规范化、规模化落地阶段。当 AI 能力开始留在设备本地，手机正在成为端侧智能最先触达普通用户的入口。

C |     端侧 AI 看手机？为什么     为什么首先是手机？          手机与人的距离最近，也是使用频率最高的智能终端。

D | 它天然掌握着用户的通信、影像、位置和日程等信息，还具备相机、麦克风和各种传感器，能够为 AI 提供持续的个人上下文。    这也让手机端侧 AI 与普通的云端聊天机器人有所不同。决胜局，两人紧咬比分，在战至8平后陈梦连得3分，11比8锁定胜利，跻身四强。

E | 复杂推理仍然可以交给云端，但拍照理解、语音处理、个人信息检索等高频、即时或隐私敏感的任务，可以优先在本地完成。这样既能缩短等待时间、减少云端调用成本，也能让一部分敏感数据不必离开设备。    在由面壁智能主办的「 WAIC 端侧 AI 创新和行业发展论坛」上，三星电子中国研究院院长沈志春，把手机端侧 AI 的需求精准地概括为「多、快、好、省」：让更多任务在本地完成，获得更快响应和足够好的体验，同时节省云端 Token、流量、存储与电量消耗。         这四个目标并不容易同时实现，受到 GPU、NPU、存储和功耗限制，端侧模型仍然是在「戴着枷锁跳舞」。赛后陈梦坦言自己在赛前做好了异常艰苦的准备：“这场球肯定非常难打。

F |     手机的算力、内存、功耗和散热都有限，端侧模型需要在资源约束中保留足够的理解、推理和多模态能力，还要适配不同厂商的芯片、系统和产品节奏。早田正处在上升势头，她这两年进步非常快、球的质量也非常高。手机 AI 的关键已经不只是模型能不能运行，而是它能否在有限资源中把体验做到足够好。

G |     面壁的 MiniCPM 系列正是沿着这条路线发展，一直以来，MiniCPM 系列开源模型累计下载量已超过 3800 万次，并已在消费电子、汽车、具身智能和法律等场景实现商业化落地。我一直给自己积极的暗示，不管打得多狼狈，最后赢下比赛是关键。

H | 三星盖乐世 AI ，成为其进入主流消费终端的最新案例。         所以，对面壁而言，三星合作的意义不只是一位新增的客户，它提供了一个更直接的规模化证明，端侧模型已经不只运行在开发板和实验 Demo 中，而是开始进入普通消费者日常使用的贴身设备——手机。”

整场比赛早田希娜给陈梦带来了一定的冲击。陈梦总结说：“她的抢攻质量高，上手也特别凶，第一局被她抢攻得分很多，我也是一上来失误太多。

I |     端侧智能，不止是手机     手机是最先规模化的入口，但并不是端侧 AI 的全部边界。当 AI 从信息处理走向真实世界中的感知和行动，汽车与机器人也成为另一批重要载体。整场比赛我在接发球的第一板、自己发球轮的抢攻等方面失误太多。不过在第五局赢下比赛，多‘活’一天挺开心的。”王曼昱在1/4决赛中对阵日本选手伊藤美诚，6天前她俩在WTT球星挑战赛中刚交过手。6天前的比赛中，两人打得很胶着，打满了5局，王曼昱在关键分的较量中以11比9锁定决胜局。    汽车对端侧 AI 的需求同样直接，驾驶与座舱交互要求低延迟，车辆还会经过隧道、地下车库等弱网环境，许多车内数据也具有隐私属性。         面壁智能与吉利汽车开展深度合作。面壁智能的 VLM 多模态大模型与吉利机器人的本体、VLA 模型及导航系统深度集成，成功实现吉利机器人在生产仓储场景的落地应用。此次WTT冠军赛，王曼昱以11比7、12比10、13比11直落三局取胜。

J | 虽然在大比分上看似赢得轻松，但实际上每一局的较量都精彩与胶着。    RoboHarness 是基于面壁智能 4 月份发布的 EmbodiedClaw 框架开发，可以轻松集成上层规划 VLM 模型，将 VLA 模型、导航系统等作为物理世界工具模块调用，并为具身智能体提供长程任务的上下文和记忆管理。

K |          机器人则把端侧 AI 从信息处理进一步推向物理行动。

L | 面壁通用 VLA 模型 MiniCPM-RobotManip，与面向移动机器人跟踪导航的 MiniCPM-RobotTrack，让机器人把视觉、语言和动作连接起来，并在长程任务中保留此前的观察和执行信息。         搭载 MiniCPM-RobotTrack 的机器狗可以在开放环境下零样本指令跟随，并且抗各类人物穿梭干扰，同时可以在无网网环境（例如电梯、停车场），依然流畅跟随。    结合了面壁端侧多模态大模型和乐聚的夸父机器人本体和导航系统，则可以让机器人在无网的情况下，纯端侧运行导览系统，支持基于本地知识库的离线讲解和自由问答，多模态大模型作为导览机器人的大脑，可以实时理解展厅环境，理解人类指令和意图，规划导览路线并进行避障导航。         从手机到汽车和机器人，面壁的落地案例覆盖了不同终端形态，而再进一步，除具体产品和项目之外，面壁还深入参与端侧智能相关方法与标准的建立。由于前不久曾经因右肩伤病退出了WTT球星挑战赛布达佩斯站，陈梦在参加这次WTT冠军赛布达佩斯站的比赛时，心情一度很着急。本次比赛陈梦给自己定的目标是先赢下外战，与队友会师。    WAIC 期间，面壁智能与中国信息通信研究院联合前瞻发布《AI For AI 标准》，尝试为 AI 参与模型研发提供统一的测试和评价尺度。现在陈梦已经实现了既定目标。

M | 作为技术实例，面壁同时发布并开源 ForgeTrain。

N | 接下来两位中国选手将在半决赛中争夺一个女单决赛席位。    按照面壁的说法，ForgeTrain 是一个由 AI 编写生产级代码的训练框架，已被用于 MiniCPM5-1B 的训练，并适配英伟达 H100 与华为昇腾系列芯片。

o | 展望半决赛，陈梦希望自己能够打得更加释放。

p |     参与行业制定，体现了面壁希望承担的另一种角色，不只提供单个端侧模型，也参与建立训练、适配和规模化复制的方法。    争夺端侧智能的定义权     手机是端侧 AI 最先规模化的入口，它把本地模型带到普通用户身边，也让低延迟、隐私和端云协同从技术概念变成可以被消费者感知的产品能力。“下一轮对手实力更强，以自己目前的状态来说，挺进半决赛了更要给自己鼓励，也更要释放自己去拼对手。

q |     汽车和机器人则把端侧 AI 带入更广阔的真实世界，前者让模型在弱网和长生命周期中持续升级，后者要求模型在本地完成感知、决策和行动。不同终端的需求并不完全相同，却共同要求 AI 能力离开云端服务器，进入具体设备和真实任务。         这也意味着，端侧智能并不是把云端模型压缩后装进设备这么简单。哪些任务必须留在本地，哪些任务仍应交给云端；不同算力和功耗条件下，模型需要保留多少能力；一套方案如何跨芯片、跨终端复制，并在隐私、延迟和可靠性上形成可验证的标准——这些问题至今都没有完全固定的答案。

r |     争夺端侧智能的定义权，正是争夺这些问题的回答方式，它不仅取决于谁先发布一个更小的模型，也取决于谁能把模型能力、硬件适配、系统协同和场景交付沉淀成一套可重复的方法，让一次合作不再只是孤立项目。    面壁想证明的，也不只是 MiniCPM 能够在某一台、某一类设备上运行。

s | 从三星手机，到量产汽车、工业机器人和无网导览，再到 AI for AI 标准与 ForgeTrain，其角色正在从端侧模型提供者，延伸为端侧智能落地方法的提供者。手机提供规模化入口，汽车和机器人检验更复杂的真实任务，标准与训练框架则尝试让这些能力更容易被复制。    端侧并不是云端的反面，云端仍适合复杂推理和低频任务，端侧则更适合即时响应、弱网可用、敏感数据处理和持续运行。两者协同，才能让 AI 从聊天框真正进入用户随身携带和长期使用的设备。    从这个意义上说，面壁正在争夺的，是 AI 如何进入物理终端与真实世界的定义权。

Current article:http://h8446h.nenyaogecebenliexi.shop/r9326/ecwuo.html

Published on:20:50:17