过去一段时间，大模型行业经历了一场风切变。
八月初，腾讯官宣“混元系列小模型”落地，不久后，阿里跟进了两款通义Qwen3-4B。
起初，大家以为只是国内大厂对轰，互秀肌肉罢了。
几天后，剧情愈演愈烈，大洋彼岸的 OpenAI 也加入战斗，破天荒开源gpt-oss-20B等两款模型，同样聚焦在小模型上。
头部玩家们如此整齐划一的举动，很难让人不浮想翩翩：
在大集群训练、大集群部署之外，小模型要重回舞台中央。
01
小模型重回大众视野
小模型不是一个新名词。
但这次回归的，不是停留在论文上的小模型，而是真正落地在终端的小模型。
在2020年 GPT-3 发布之前，全世界都在训小模型，只不过大多数小模型成果，都在论文里或者实验室里，属于普罗大众眼里纸上谈兵的“小模型”。
但 GPT-3 连带着ChatGPT横空出世，从学术界出圈，成为了人工智能领域史诗级的商业化产品。
有了资本加持，人工智能的发展从「大炼模型」迈入了「炼大模型」时代。
2021年到2024年，AI的技术路线可以总结成五个字：大力出奇迹”。
堆数据，堆算力，打补丁，改prompt，以及做post training的大模型思路，成了人工智能的正统，小模型至此彻底被雪藏了。
但去年底，OpenAI 的前首席科学家 Ilya Sutskever 正式预警：「数据压榨到头了」。
大家逐渐意识到，数据会枯竭，算力永远不够。
于是今年开始，大模型领域玩家开始分化。
除了一部分头部玩家仍追随 OpenAI 的脚步，死磕大参数基模外，剩下很多烧不起钱的玩家开始转头拥抱应用端。
然而，在这两个主流之外，还有一小撮“非共识”的玩家，把目光落在了小模型上。
但这次，不少创业公司重新拾起的小模型，和文章开头提到ChatGPT出现前十年间停留在论文上的小模型完全不一样。
它们是真正落地在终端的小模型，并且有了另一个名字：
端侧小模型或端侧智能。
02
崭露头角的端侧小模型公司们
今年以来，不少端侧小模型已经开始崭露头角了。
前一段的WAIC上，西门子MindSphere展台上围满了专业观众。
大家正在看一个展台上一个小于50MB的端侧部署小模型，它能够预测现场的三台冲压设备故障，并发出警报。
在这之前，车间里冲压机床只有累到趴窝才会被工人察觉，紧接着就需要停摆检修，造成全车间流水线暂停，带来巨大人力和财力损失。
因此在冲压机床出故障前，预警功能就非常重要。
面对这样的小场景，大模型算力再强，moe结构设计再精妙，也无法处理。
但这样一个精准的端侧小模型，就能够轻松应对。
这就是落地在终端小模型的冰山一角。
在这条窄路上前进的，还有一些独角兽公司，比如base北京的AI初创公司面壁智能。
之所以关注这家企业，是因为这家公司今年五月的一次成功融资。
在DeepSeek大火后，国内大模型公司融资难度堪比抵地狱级。一方面是行业共识认为大模型已收敛，另一方面，有DeepSeek珠玉在前，你实在太难说服投资人为什么要投你了。
但面壁智能却能持续拿到融资。
我问了很多业内人士，得到一个答案，关键在于它早早找到了自己的道路：小模型。
AI 科技评论独家知悉，就在这几天，面壁的全体员工，收到了一封特殊的“内部信”。
邮件来自公司决策层，借着公司三周年周庆，高层向全体员工回答了一个问题：为什么公司从大模型切入，却all in 端侧小模型？
邮件讲述了一些底层思考，内容非常爆炸，即使是外人看来，也能从一家AI初创公司的生存视角，有所收获。
按照邮件内的时间节点描述，面壁智能的创立初期是100%坚定大模型方向的。
它的创立时间是2022年，甚至早于DeepSeek。
创始团队出身于清华系，来自清华大学自然语言处理实验室。
在创立之前，面壁的创始团队就主力参与北京智源人工智能研究院的“悟道”，从时间来看，面壁智能应该吃到一波融资的红利，但我们先去分析过，国内的AI 科技 VC 有一些路径依赖，更愿意选择一些“曾经打过胜仗的连续创业者”，导致面壁智能虽然起的大早，但并没有成为资本的宠儿，而是靠自己硬拚出来的天地。
2022-2023年间，面壁一直在死磕大模型，当初他们的愿景是做出平民版大模型，我们曾经写过稿件，认为他是国内和DeepSeek愿景最类似的公司。
当然，面壁也做出了不少成绩，比如训练出多个百亿、千亿参数规模的大模型。
转折点发生在2023 年。
2023年，随着 Llama 开源，众多资本涌入，那一年里，大模型的创业公司增加到了十几家。
面壁智能迅速发现，千亿大模型烧钱太快，并且商业化方面难以落地，于是果断选择了调整战略，决定转向训练参数规模更小、算力更低、但性能更强的端侧模型。
转型之初，面壁并不容易。
一方面，端侧智能算是在黑暗中摸索，另一方面，市场上噪音很多，比如DeepSeek V3 以少胜多的战役，也曾让面壁的创始人怀疑，如果坚持不转型，是否自己也有机会在大模型上攀上一座高峰。（后续的行情，证明面壁智能果断转型是明智的）
但彼时，面壁已经全盘all in 端侧小模型，已经失去验证“更低成本训练更强大模型”的机会了。
好在小模型并不是邪修，面壁团队迅速在端侧小模型赛道找到感觉，有了一些自己的思路。
03 想成为端侧小模型的“开拓者”，并不容易
从时间上看，面壁智能不仅比文章开头提到的“混元”和“通义Qwen3”更早开启小模型的探索，并且在端侧探索上，几乎是领先行业一年半的身位。
提前一年半的布局，让面壁有不少成果。
第一是模型层面，面壁的端侧模型被称为小钢炮 MiniCPM系列。
至今已经完成多次迭代，最新的是上周开源的 minicpm v4.0 ，一款 8B 能做到5%的极高稀疏度，端侧能跑长文本、深思考，另一款 0.5B 更是能适配非常多的终端场景，能做到手机端持续、稳定可用，还不发热。
再加上此前做在视觉及实时语音对话等优化，面壁智能的端侧模型，完全能实现在iPad上进行多模态直播，这意味着，它的使用场景变得异常丰富。
从麦当劳的点餐机器人，到政府行政服务中心的服务机器人，再到儿童陪伴玩具都能完全能够胜任。
除了技术层面的突破，还有一些学术和开源成果。
上个月《Nature Communications》正式收录了面壁智能此前发布的一项关于新模型 MiniCPM-V 的研究成果系列。
其中包括一个OpenCompass 评分中超越 GPT-4V（2023.11.16 版本）的80 亿参数模型。
开源方面，面壁智能的小钢炮 MiniCPM 系列是2024 年 Hugging Face 最多下载、最受欢迎中国大模型，截至目前全平台下载量累计破 1000 万，能看到一定的使命感在里面。
除去技术层面和学术等层面，但真正能让大家直观感受的，还是落地到现实世界的场景。
社交媒体上经常有一些同类型的问题，为什么都说大模型能力早早超越人类，但迟迟没看到惊艳的落地场景？
答案在于大模型的能力，需要高性能云服务器才能发挥出来。
但大家平时生活中使用的手机，平板汽车等设备，都是算力非常有限的设备。
这类型设备有一个学名，叫做“边端算力场景”。
而这正是众多小模型厂家的主场。
继续拿面壁智能举例。和需要调用各种云端超高算力的大模型不一样，面壁的小钢炮系列模型，能在消费级显卡上流畅运行。
这就意味着手机，个人电脑，汽车，机器人，甚至是刚才提到的工厂环境，以及一些涉密的政府部门等等都可以部署。
“不仅把模型的配置门槛打下来了，使用场景还变得更丰富了”。
在面壁智能的内部信上，也提到了这些场景。
首先是汽车场景，面壁智能围绕着智能座舱，发布了一个以 MiniCPM 模型为核心汽车助手 cpmGO 。
目前 cpmGO ，已经与长安、上汽大众、长城、吉利、广汽等车企谈完合作了。
不出意外，第一款量产车会落在今年三季度即将上市的网红车款长安马自达 MAZDA EZ-60 上。
不止是车企，面壁还与高通、英特尔、联发科技、梧桐车联、德赛西威、中科创达、安波福等做了深度适配，正在推动下一代智能座舱的诞生。
这一点，面壁高层非常重视，根据内部信的内容，面壁今年为此特地成立了汽车业务线，目标非常简单粗暴：
“将MiniCPM 搭载到更多汽车上”。
从某种意义上，面壁确实在端侧的技术探索和实践落地上，在努力成为行业开拓者的角色。
最后，当我们在写这篇文章的时候得知，前面提到那个西门子展台的冲压机床预警小模型，经过几个月的真实产线的数据训练，预测准确率已经提升到89%，随着时间积累，准确度还在不断提高中。
与此同时，面壁智能的全体员工，也在对这份内部信进行了深度复盘。
过去，大模型领域在资本的加持下，蒙眼狂奔，让我们误以为 AGI 很快会到来，不做大模型就是原罪。
但当头部大模型企业开始进入瓶颈期，我们也冷静下来才逐渐看到，有那么多端侧小模型企业，正在脚踏实地去思考人类到底喜欢什么，大众到底需要什么，然后反推出背后的技术路线，做出小而美的落地产品。
