◼ 端侧 AI · 商业观察
成立四年、估值超200亿元：端侧 AI 进入上市辅导，下一关是单机价值
面壁智能公开信息显示，公司已在北京证监局办理上市辅导备案；在端侧模型进入汽车、手机等终端之后，这家选择“把模型做小”的创业公司，开始从技术路线走向商业兑现。
2026-08-11•
全文约 5 分钟读完
#面壁智能
#端侧AI
#MiniCPM
#上市辅导
超 200 亿
公开披露估值
超 50 亿
2026 年上半年累计融资
3800 万+
MiniCPM 系列累计下载量
⚡ 30 秒速览
- 发生了什么：成立约四年的面壁智能启动上市辅导，估值已超过 200 亿元。
- 它押注什么：不追求无限放大参数，而是通过训练效率、量化和芯片适配，把模型部署到汽车、手机等设备。
- 技术凭什么成立：清华团队提出的“密度定律”显示，在一组 51 个开源基础模型样本中，能力密度上沿约每 3.5 个月翻倍。
- 落地到哪里：MiniCPM 系列累计下载超过 3800 万次，SuperMate 已进入部分量产车型，手机端也出现合作落地信息。
- 最大的疑问：装机量并不等于收入。面壁还需要证明每台设备能带来多少收入，以及软件升级和维护能否持续收费。
01四年路线，走到上市辅导门口 从“小模型”到端侧供应链
2023 年大模型创业最热时，资本和注意力主要集中在更大参数、更强算力、模型排名以及 C 端用户。面壁没有加入这场正面竞争，而是选择了更窄的一条路：**让模型在有限的设备资源里完成更多任务**。
这条路线，后来等来了硬件产业的需求。
约四年前
创业起点：把模型做小
面壁依托清华 NLP 团队，围绕小模型、训练效率与端侧运行展开技术积累。
2024 年
MiniCPM 形成产品化路线
模型规模上的“做减法”逐渐转向更完整的端侧能力，包括量化、运行时和 SoC 适配。
2025 年 11 月
“能力密度”被系统化解释
清华大学与面壁团队的相关研究发表于国际学术期刊，为“小模型为何能持续变强”提供经验规律。
2026 年一季度
连续完成两轮融资
公司在一季度累计融资超过 10 亿元，资本重新开始为端侧 AI 的长期空间定价。
2026 年 4 月—8 月
技术落地与上市准备同步推进
MiniCPM-o 4.5 发布，SuperMate 进入部分量产车型；到 8 月，公开信息显示公司已办理上市辅导备案。
注：时间线按公开信息中的事件节点整理；融资额与估值为报道披露口径，不等同于公司已公布的完整财务数据。
02为什么相信“小”能变强？ 密度定律不是口号
面壁团队给这套技术路线起的名字是“密度定律”。其核心不是宣称模型会按照固定速度缩小，而是观察到：在模型能力继续提升的同时，完成相近任务所需要的真实参数规模正在下降。
能力密度的基本表达
能力密度 = 等效能力 ÷ 真实参数规模
研究者统计了 51 个开源基础模型。在相关评测体系中，能力密度上沿大约每 3.5 个月翻倍。
注：每 3.5 个月翻倍是样本中的经验趋势，并不意味着所有模型都会精确按照这一速度缩小。
01
样本够具体
研究覆盖 51 个开源基础模型，而非单一模型的宣传指标。
02
能力边界在扩张
MiniCPM-o 4.5 为 9B 模型，能够同时处理视觉、听觉与语音输出。
03
场景要求更苛刻
模型在连续环境中边接收信息边输出，目标不是一次性答题，而是持续运行。
这解释了面壁为什么没有把“小”停留在参数规模上。真正的端侧能力，还要同时处理内存、功耗、延迟、离线运行以及芯片指令集等工程约束。
03它已经能做什么？ 从设备能力到量产交付
端侧模型的价值，不在于下载页面上有多少模型，而在于能否进入一套研发周期更长、容错率更低的硬件供应链。
🚗 汽车：SuperMate 进入量产车型 已有落地
- SuperMate 已搭载长安马自达 EZ-60、吉利银河 M9 等车型。
- 汽车端的验证不止是模型效果，还包括 SoC 适配、车机软件联调、功耗控制和量产测试。
- 公司预计到 2026 年底，将有超过 30 万辆汽车搭载其端侧模型。
判断：车型落地比一次 Benchmark 成绩更能说明问题，但“预计搭载量”仍需要后续量产数据验证。
📱 手机：从离线运行走向系统级能力 合作信息
- 公开信息显示，MiniCPM 系列将进入三星数款旗舰手机。
- 手机端需要在有限 DRAM、持续功耗和本地隐私要求下完成推理，模型大小只是准入条件之一。
- 监管部门此前公告，苹果、小米在内的 7 款手机端侧 AI 服务已完成备案。
判断：手机端的竞争已经从“能不能本地跑”进入“能否成为系统默认能力”的阶段。
🎙️ 多模态：MiniCPM-o 4.5 的连续交互 9B 模型
- 模型可以同时看、听和说，并在连续环境中边接收信息边输出。
- 这类能力更接近车载助手、机器人和可穿戴设备的交互方式，而不是单轮文本问答。
- MiniCPM 系列截至 2026 年 6 月底累计下载超过 3800 万次，说明开发者触达已形成一定规模。
判断：下载量证明生态触达，不能单独证明商业收入；两者之间还隔着芯片适配、客户采购和量产交付。
04为什么端侧现在变得更重要？ 硬件开始主动要模型
端侧 AI 过去更像少数团队的技术选择，如今却变成终端公司的共同需求：汽车需要低延迟的座舱交互，手机希望在没有网络时继续工作，机器人则要即时理解眼前环境。
云端模型
- 算力集中在服务器，模型更新相对灵活。
- 收入可以围绕调用量、Token 或 API 价格计算。
- 使用量增长会同步带来服务器侧推理成本。
- 对网络连接和云端服务稳定性存在依赖。
端侧模型
- 运行在汽车、手机、PC 等设备已有的芯片上。
- 响应更快，部分任务可离线完成。
- 模型必须适配内存、功耗、芯片与操作系统。
- 进入量产后，方案生命周期可能长于模型迭代周期。
注：对比聚焦商业与工程约束；端侧并非全面替代云端，复杂任务仍可能需要云端协同。
头部终端公司的动作也在改变竞争基线。苹果公布的第三代基础模型中，Core 版本仍维持约 3B 参数；Advanced 版本虽然总参数达到 20B，但通过稀疏架构只激活约 1B 至 4B 参数，并把大部分权重放在闪存中，以绕开消费设备 DRAM 的限制。Google 也在 Android 生态中扩大本地模型运行能力。
3B Core 级别参数
20B Advanced 总参数
1B—4B 实际激活参数
7 款 手机端 AI 服务完成备案
注：参数总量与单次推理实际激活量并不相同，端侧性能还取决于芯片、内存带宽和运行时优化。
053800 万次下载以后，谁给面壁付钱？ 商业化的关键不在下载页
端侧模型没有云 API 那样简单的收入公式。它更像汽车软件供应商：先完成芯片适配，再进入整车研发体系，最后跟随车型交付。模型可能半年更新一代，一辆车却可能销售多年。
模型能力与压缩
SoC芯片适配
车机软件系统联调
量产整车验证
维护升级与服务
注：链路越靠后，交付周期越长；但一旦完成适配和验证，替换供应商的成本也可能同步上升。
可能形成壁垒
芯片适配、工具链、运行时、整车验证和后续维护，都可能比模型权重本身更难替换。
仍未公开的答案
SuperMate 是按车型、按终端还是按软件模块收费？单车收入和持续服务收入占比是多少？
必须面对的风险
OEM 掌握产品入口、用户关系和最终定价；客户集中度过高，也可能削弱供应商议价能力。
端侧还有一项常被忽略的经济优势：部分推理算力由消费者已经购买的车机、手机或 PC 芯片承担，模型公司不必像云服务那样为每一次调用持续承担同等规模的 GPU 成本。
但这并不意味着利润自然会流向模型公司。最终用户首先属于车企和硬件品牌，模型创造的价值，与供应商能够分到的价值，并不必然相等。
06上市之后，市场会看什么？ 从技术位置转向财务兑现
面壁启动上市辅导前不到两个月，科创板针对人工智能大模型企业适用第五套上市标准发布了专门指引。规则允许尚未形成一定收入规模的优质大模型企业申报，但要求申报时至少已有一款大模型完成上线，并实现规模化应用。
规则给予的时间
- 不把成熟收入规模放在申报门槛最前面。
- 关注模型是否已经上线并形成规模化应用。
- 为技术成熟快于财务成熟的企业留出窗口。
公开市场最终要的答案
- 客户收入是否真实、稳定且可持续。
- 单车或单机价值量能否逐步提升。
- 毛利率与研发投入回报是否匹配。
注：上市标准解决的是“能否申报”的阶段性问题，不等同于公司已经完成收入、利润和客户结构的市场验证。
接下来最值得核对的四个数字
单机收入收费口径
续费收入升级与维护
客户集中度议价空间
毛利率商业效率
编辑核心判断
面壁已经证明“小模型可以进入设备”，但还没有公开证明“每台设备能够留下多少价值”。端侧 AI 的竞争，最终会从“谁能把模型塞进设备”转向“谁能在 OEM 主导的供应链里持续分到价值”。
▶给读者的跟踪入口
原始信息未提供可验证的公开体验地址。想判断这门生意是否足够大，可以优先关注后续招股书、车型量产数据与客户收费口径。
看招股书收入、毛利与研发投入
看量产数预计搭载是否变成实装
看客户结构头部客户占比与议价权
看续费率升级维护能否持续收费