2026北京國際車展|“領先海外兩年”，中國端側大模型能否靠汽車出海“反向輸出”？

來源：環(huán)球網(wǎng)

【環(huán)球網(wǎng)科技報道 記者 李文瑤】2026年北京車展，智能化成為主角。當大多數(shù)AI公司仍在云端爭搶算力時，大模型創(chuàng)業(yè)公司面壁智能在車展現(xiàn)場給出了截然不同的答案：將AI“大腦”直接塞進汽車終端，讓智能無需聯(lián)網(wǎng)、不依賴云端，甚至在隧道或地庫也能隨時響應。

面壁聯(lián)合創(chuàng)始人&CEO李大海在車展期間提出，大模型的終局將是云端奔向數(shù)字世界、端側奔向物理世界，而汽車正是物理世界中最具價值的智能終端。基于“密度定律”，面壁認為端側模型的能力正以遠超摩爾定律的速度躍升，未來每一輛汽車都應擁有一個本地化、實時響應、保護隱私的“賈維斯”式AI大腦。這一判斷，構成了面壁從技術路線到量產(chǎn)落地、從國內布局到海外拓展的邏輯起點。

車展亮相：一個“賈維斯”式的智能體，如何改變座艙體驗？

在今年的車展上，面壁智能正式發(fā)布了新一代端側智能座艙產(chǎn)品——SuperMate。與此前行業(yè)普遍采用的“云端語音助手”不同，SuperMate被定義為一個具備“無感智能”的車端智能體，完全依靠車端算力運行，無需聯(lián)網(wǎng)即可完成復雜的感知、決策與執(zhí)行。

“過去的語音助手是‘回合制’——你問一句，它答一句。而面壁的全雙工全模態(tài)大模型，意味著它能一邊看、一邊聽、一邊說，三者不互相阻塞。”面壁智能聯(lián)合創(chuàng)始人&COO雷升濤在采訪中解釋，“汽車不再是一個等待喚醒的工具，而是一個能主動感知、主動關懷的‘賈維斯’（《鋼鐵俠》中的AI管家）。”

在現(xiàn)場演示中，SuperMate能夠識別駕駛員疲憊的神情、注意到孩子在后座的危險動作，甚至當用戶說出“我有點暈車”時，系統(tǒng)會自動關閉副窗、打開車窗、降低懸架G值，全程無需手動操作。

面壁智能聯(lián)合創(chuàng)始人&CEO李大海則在采訪中，從技術底層解釋了這一能力何以成為可能。他指出，面壁在2024年提出的“密度定律” 表明，大模型的知識密度提升速度比芯片的摩爾定律快5倍，“一個8B的模型今天已經(jīng)能做非常多復雜的工作”。他進一步強調，端側模型奔向的是物理世界——汽車恰恰是物理世界中最需要實時、隱私、可靠智能的終端。

基于這一判斷，面壁在業(yè)務布局上做了明確的拆解。雷升濤介紹，SuperMate背后有三項核心能力支撐：一直在線的全模態(tài)感知（MiniCPM-o4.5提供的邊看、邊聽、邊說能力）、端側自主編排的大腦（意圖識別與思維鏈推理），以及行為模式庫——一種模擬人類記憶分層機制的本地存儲架構。

“我們想做的不是一個‘記憶數(shù)據(jù)庫’，而是一個屬于你個人的‘行為模式庫’。”雷升濤舉例說，“傳統(tǒng)的記憶數(shù)據(jù)庫，是在你上車時問你‘你昨天聽了周杰倫，今天要繼續(xù)播放嗎？’而行為模式庫，是你不需要開口。當系統(tǒng)感知到你肩膀比平時更沉重、眼神更疲憊，它會靜靜地調低座艙燈光，把空調調到那個你最舒服的角度，然后放一首你最近頻繁聽到的解壓純音樂。”

這種“不開口、不打擾、卻恰如其分”的體驗，正是面壁通過端側模型、行為模式庫和量產(chǎn)車型的持續(xù)打磨，逐步推向市場的現(xiàn)實能力。 截至目前，面壁智能的端側座艙方案已搭載于長安馬自達EZ-60、吉利銀河M9等量產(chǎn)車型，并在本屆車展上向公眾開放實車體驗。

路線選擇：云端很強大，為何面壁偏要“死磕”端側？

在GPT-5、Gemini等云端大模型已成行業(yè)焦點的今天，面壁智能卻堅持將模型做小、塞進終端。這一看似“反潮流”的選擇，背后有著嚴密的產(chǎn)業(yè)邏輯。

李大海向記者解釋，這一切源于面壁在2024年提出的“密度定律”。

“我們發(fā)現(xiàn)，大模型的知識密度提升速度，比芯片的摩爾定律還要快5倍。”李大海說，“這意味著，在同樣大小的模型參數(shù)下，模型的能力每3.5個月就能翻一番。一個8B的模型，今天已經(jīng)能做非常多復雜的工作。”

基于這一判斷，面壁認為，終局狀態(tài)下，云側與端側將奔向不同的世界：云側奔向邏輯世界與數(shù)字世界，而端側模型奔向物理世界。

“要讓一個智能終端更好地感知世界、交互世界、改造世界，它必須通過端側智能。”李大海強調。汽車恰恰是物理世界中最具價值的終端之一：它對隱私性、實時性、可靠性有著天然的高要求，而這些恰恰是云端方案難以完美滿足的。

雷升濤則更直接地指出了端側落地的“不可能三角”：效果要足夠好、速度要足夠快、成本要足夠低。

“用戶會問：云端大模型能做到的效果，端側模型能不能做到？客戶會問：以前的CNN模型0.5秒能識別，大模型為什么要0.8秒？”雷升濤坦言，面壁的解決方案，就是通過超高知識密度的模型設計，在參數(shù)量遠小于云端模型的情況下，實現(xiàn)接近甚至超越的效果，同時保持極低的延遲與功耗。

上車：從定點量產(chǎn)到生態(tài)共贏，端側AI已非“期貨”

面壁的端側路線并非停留在PPT階段。根據(jù)官方信息，該公司已有多個汽車品牌進入量產(chǎn)交付。

其中，長安馬自達EZ-60于2025年10月實現(xiàn)量產(chǎn)交付，是行業(yè)首款將GUI Agent能力帶入量產(chǎn)乘用車的車型。

吉利銀河M9于2025年9月發(fā)售，搭載端側VLA大模型，實現(xiàn)智能霧燈、自適應車窗、兒童安全監(jiān)測等功能。

此外，面壁已完成定點的車企還包括上汽大眾、廣汽集團等頭部主機廠。

在生態(tài)層面，面壁采取了“廣交朋友”的開放策略。其端側模型已適配高通、英特爾、聯(lián)發(fā)科、AMD、英偉達等主流芯片平臺，并與德賽西威、中科創(chuàng)達、梧桐車聯(lián)等頭部Tier1供應商達成深度合作。

尤其值得注意的是，面壁與英特爾聯(lián)合開發(fā)的AIBox解決方案，基于英特爾18A制程的Core Ultra平臺，提供最高180Tops稠密AI算力，已全面適配面壁MiniCPM 全系模型，是全球首個實現(xiàn)大規(guī)模量產(chǎn)的AIBox產(chǎn)品。這意味著，端側大模型上車，已從“理念驗證”邁入“規(guī)模化部署”階段。

海外布局：用技術差賦能中國車企“出海”

當被問及海外市場布局時，雷升濤給出了一個肯定的答案：“我們的出海業(yè)務已經(jīng)開展，而且做得非常不錯。”

他指出，中國智能座艙與智能駕駛的整體水平，大約領先海外市場兩年左右。 這一“代差”，恰恰構成了面壁及其合作伙伴出海的核心競爭力。

“我們正在與國內先進的芯片廠商、汽車廠商一起，把在國內打磨成熟的端側智能座艙產(chǎn)品，逐步推向全球。”雷升濤表示。

從更宏觀的視角看，端側大模型正在成為中國汽車產(chǎn)業(yè)出海的新“軟件溢價”點。過去，中國汽車出口依賴的是成本與制造優(yōu)勢；而在AGI時代，“上車即帶一個本地化的、無需聯(lián)網(wǎng)的、高隱私保護的AI助手”，正在成為海外用戶愿意為之買單的新體驗。

李大海補充道，面壁的策略并非簡單地將國內產(chǎn)品翻譯出去，而是與合作伙伴共同適配海外市場的語言、法規(guī)、路況與隱私合規(guī)要求，真正做到“技術領先+本地化落地”的雙輪驅動。

未來趨勢：艙駕融合、端云協(xié)同與主動智能

面對“艙駕融合”這一行業(yè)熱點，面壁給出了頗具思辨性的觀點。

李大海認為，艙駕融合需要區(qū)分“芯片層”與“業(yè)務層”。芯片層面，融合大算力芯片是趨勢；但在主機廠的組織架構與業(yè)務目標層面，智能座艙（追求用戶體驗）與自動駕駛（追求絕對安全）短期內仍將是兩個獨立團隊。

但這并不意味著二者割裂。雷升濤舉例說：“‘把車停到海邊那個黃色車位上’，就是一個典型的艙駕協(xié)同場景——座艙理解意圖，駕駛系統(tǒng)執(zhí)行路徑規(guī)劃。”

在更長期的愿景上，面壁認為，未來的汽車將“變成一個會動的機器人”。智能座艙不僅要服務乘客，還要為自動駕駛提供體驗上的協(xié)同，最終實現(xiàn)“艙駕一體”的完整智能體。

而在技術架構層面，面壁明確提出“端側主內、云側主外”的端云協(xié)同模式。

端側負責車內的實時感知、隱私數(shù)據(jù)處理、車控執(zhí)行，做到“數(shù)據(jù)不出車、延遲不過百毫秒”。

云側負責外部信息檢索（如餐廳推薦、天氣預警、交通路況）等低時效、高復雜度的任務。

“端側是汽車的‘小腦’，負責快速反應；云側是‘大腦’，負責深度思考。兩者不是替代關系，而是協(xié)同關系。”李大海總結道。

端側智能，正在重塑汽車行業(yè)的價值鏈條

從本屆北京車展可以看出，汽車行業(yè)的智能化競爭，正在從“聯(lián)網(wǎng)才能智能”，走向“離線也智能”；從“被動應答”，走向“主動服務”；從“功能堆砌”，走向“行為理解”。

面壁智能的端側路線，實際上切中了汽車產(chǎn)業(yè)兩個最核心的痛點：一是用戶對隱私與實時性的天然訴求，二是主機廠對成本與可控性的商業(yè)考量。

一個不容忽視的現(xiàn)實是，如果每一次語音交互都要上傳云端，海量用戶的隱私數(shù)據(jù)將成為難以承受的風險；而隧道、地庫、偏遠地區(qū)的網(wǎng)絡斷連，則會讓云端智能瞬間“失明”。端側模型，正是解決這些問題的一個可行性路徑。

與此同時，面壁所代表的“高知識密度端側模型”路線，也為全球大模型行業(yè)提供了另一種可能性：不是所有智能都需要萬億參數(shù)，最有效的智能，往往是最“貼身”的智能。

李大海在采訪中表示：“我們的愿景，是讓每一輛汽車上都有一個賈維斯。”