问题——随着大模型能力的快速提升，“能否终端实时使用”成为产业落地的关键挑战；目前，许多高性能模型依赖云端算力，面临网络延迟、成本压力、隐私和稳定性等现实问题；而在机器人、车载和移动设备等场景中，系统还需同时处理视觉、语音、文本等多源信息，并在动态环境中即时响应，传统的单向交互方式难以满足更自然、更连续的沟通需求。 原因——终端智能对“低延迟、多模态、可持续运行”的要求，推动了模型向高效轻量化的方向发展。面壁智能此次开源的MiniCPM-o 4.5将参数量控制在9B级别，在有限算力和存储条件下保持较强的综合能力。研发团队介绍，该模型具备视觉理解、文档解析、语音理解与生成等功能，并引入“全双工”交互机制，使模型在输出内容时仍能同步接收外部信息，减少对话阻塞，更接近真实交流中“边听边说、灵活调整”的状态。业内认为，这类机制有助于提升复杂场景下的人机协作效率，尤其适合移动设备和具身设备的连续交互。 影响——小参数模型的能力密度提升，正在改变行业对“规模决定效果”的单一认知。一上，开源有助于开发者和产业链伙伴快速验证适配，推动车载座舱、智能终端、工业现场和服务机器人等场景的应用试点；另一方面，如果端侧模型的综合性能和交互体验持续逼近云端能力，将带动算力部署、数据处理和软硬件协同的结构性调整，为行业提供更具性价比的落地路径。面壁智能指出，具身智能领域，硬件本体和运动控制发展较快，而“理解—沟通—交互”的通用能力相对薄弱，能在端侧运行的多模态模型有望补足“具身大脑”短板，推动系统从被动响应转向主动协同。 对策——以效率为核心的技术路线需要长期投入。公司管理层表示，将持续围绕“密度法则”优化模型压缩和训练方法，目标是在更小的体积内实现更强的推理、感知和交互能力，并像光刻机一样提升大模型向终端迁移的精度和效率。同时，端侧应用的规模化还需解决多端适配、推理加速、功耗控制、可靠性和安全性等问题；在开放生态上，通过开源协作、评测体系和开发工具完善，降低行业集成门槛，提升模型在真实环境中的可控性和可解释性。 前景——端侧模型的下一步竞争可能从“能否运行”转向“好用与否”。随着多模态能力和交互机制的演进，终端设备有望具备更强的环境理解和主动服务能力，成为跨场景的个人化助手或行业助手。研发团队提出“专属模型”设想：在合规与安全框架内，模型持续学习用户偏好和任务习惯，成为可本地运行的智能底座。行业人士认为，该路径若与国产软硬件生态深度协同，将为智能终端和具身产业带来更大增量空间。 结语——技术演进既需要云端大模型的突破，也离不开端侧模型的效率优化。面壁智能的密度法则和小型化探索代表了这一方向的重要尝试。随着端侧模型能力的提升，其在终端智能化和具身智能普及中的作用将逐步显现。技术创新没有唯一路径，多元竞争最终将推动产业迈向更高水平，让智能技术真正服务于经济社会发展。
从技术演进规律看,模型发展既需要云端大模型的能力突破,也需要端侧模型的效率优化；面壁智能坚持的密度法则与极致压缩路线,代表了模型小型化的一种探索方向。随着端侧模型能力持续提升,其终端设备智能化、具身智能普及等的价值将逐步显现。技术创新没有唯一路径,多元化的技术路线竞争,最终将推动整个产业向更高水平发展,让智能技术真正走进千家万户,服务于经济社会发展的方上面。