面壁智能CTO曾國洋：從“打字機”到大模型，端側AI的進化與突圍

# 面壁智能CTO曾國洋：從“打字機”到大模型，端側AI的進化與突圍

當全球AI產業陷入參數量競賽的狂熱之中，一家中國創企選擇逆向而行——將龐大的大語言模型壓縮至巴掌大小的晶片上，讓它們跑進手機、汽車、甚至是毛絨玩具裡。面壁智能聯合創始人兼CTO曾國洋，年僅28歲，卻已在這場端側AI的變革浪潮中扮演關鍵角色。從學生時代打造中國首個大語言模型，到如今帶領團隊走出一條“以小博大”的技術路徑，他的經歷揭示了AI從雲端走向現實世界的另一種可能。 ## 從“打字機”到語言智能先驅

曾國洋的AI旅程始於極早的年紀。22歲時，他主導訓練了中國第一個大語言模型CPM-1。當時，這個被團隊戲稱為“打字機”的簡陋網頁應用，僅僅能根據用戶輸入生成連續文字，卻讓第一批AI研究者真切感受到生成式模型的顛覆潛力。回憶那段時光，曾國洋形容那是一段“在黑暗中摸索信號”的歲月——沒有成熟的框架，沒有海量算力，有的只是對技術方向的篤定。隨後幾年，他親歷從BERT到GPT的架構演進，並在關鍵節點做出判斷：生成式AI才是通往更高智能的路徑。這一信念最終成為面壁智能成立的技術基石。 ## 避開參數軍備，擁抱“知識密度”

在多數AI公司將資源投向雲端算力軍備競賽時，面壁智能選擇了一條截然不同的賽道。曾國洋帶領團隊提出“知識密度”這一核心指標，認為單純堆疊參數並非模型演進的唯一出路。他指出，知識密度每3.5個月翻一番，這意味著實現同等智能水平所需的參數規模正在指數級下降。為了讓這一理論落地，團隊開發了“模型風洞”技術——在小規模實驗環境中高效驗證與預測大模型的實際表現，從而大幅降低試錯成本。這一方法論幫助面壁在模型壓縮與性能平衡上站到了業界前沿。 ## MiniCPM的以小博大

技術理念的成果體現在具體產品上。面壁智能發布的MiniCPM模型，僅以2B參數規模，就在多項基準測試中超越了同期8B的競爭對手。這一反差極具象徵意義：它證明“小模型”並非“弱模型”，只要訓練數據與架構設計足夠精良，參數量的劣勢完全可以被知識密度優勢所抵銷。曾國洋表示，MiniCPM的成功讓團隊確信，端側AI不僅能滿足實際部署需求，更可能在特定場景中提供比雲端方案更即時、更私密的用戶體驗。 ## 破解端側落地的三重難題

將大模型送入終端設備，遠不止是“壓縮”這麼簡單。功耗限制、推理延遲、各異的硬件架構，構成了端側AI落地的三重工程難題。曾國洋坦言，這條路比單純做大模型要複雜得多——算法工程師必須深入到芯片指令集層面，針對每款處理器的特性進行適配和優化。面壁智能投入大量資源建立硬件兼容性測試矩陣，確保模型在手機、車機、物聯網設備上都能穩定流暢運行。這份對工程細節的執著，讓端側方案從實驗室概念真正變為可量產的產品。 ## 從指令響應到“默契系統”

在曾國洋的設想中，端側AI的終極形態不是一個聽令行事的語音助手，而是一個能預判用戶意圖的“默契系統”。他解釋，未來的AI應具備人格化記憶，通過學習用戶的行為模式，在用戶開口之前就主動調整環境溫度、規劃出行路線或推薦下一步操作。這種“無感智能”依賴於模型對個人習慣的深度理解，而只有端側部署才能真正做到數據不出設備，從而保護隱私並實現毫秒級別的反應速度。這套構想正在團隊內部孵化，並被視為下一代產品的核心方向。 ## 數據質量決定智能上限

為了支撐端側模型的高效迭代，面壁智能從訓練源頭進行了深度重構。曾國洋透露，團隊自主開發了名為ForgeTrain的訓練框架，並建立了一套從數據治理到硬件部署的五級分層標準。他反覆強調，算法模型的性能天花板並非由參數量決定，而是由數據質量決定。“每一名算法工程師都必須深入到數據底層，親手清洗、標注、驗證，確保輸入模型的每一個字都沒有瑕疵。”這種對數據潔癖般的堅持，在追求速度的行業風氣中顯得尤為另類，卻成為面壁模型“小而精”的底層保障。 ## 車企定點：端側AI走出實驗室

技術的價值最終要在應用場景中驗證。目前，面壁智能的端側方案已在吉利、上汽大眾等車企的量產車型中完成定點應用。車載場景對延遲和隱私的要求極高——語音指令必須在本地實時響應，路線規劃不能依賴不穩定的雲端連接。端側模型在這類場景中展現出明顯優勢：它不僅降低了對網絡帶寬的依賴，更重要的是將用戶數據鎖在車內芯片中，從根源上消除隱私洩露風險。曾國洋指出，隨著汽車智能化程度提升，車艙將成為端側AI最有想像力的落地場景之一。 ## 從聊天室走入日常設備

AI正在經歷一場從雲端聊天室向日常數字設備的深度擴散。智能手機、可穿戴設備、智能家居、車載系統……越來越多的終端開始承載本地推理任務。在曾國洋看來，這並非對雲端的替代，而是計算形態的自然演進。“計算本身就應該同時存在於雲端和端側，它們各司其職。”他把端側模型比喻為連接真實世界與數字世界的那層“氣球外皮”——最貼近用戶、最懂用戶的，一定是那隻始終隨行的設備。隨著芯片算力持續提升、模型壓縮技術不斷突破，這個氣球的“外皮”正在變得越來越輕薄，也越來越聰明。 ## 結語

從22歲時那個笨拙的“打字機”，到如今跑進千萬終端的輕量模型，曾國洋和面壁智能用八年時間走過了一條從學術探索到產業落地的完整閉環。當大部分AI敘事圍繞參數紀錄和算力規模展開時，他們堅持“知識密度”與“端側突圍”的路線，試圖在巨頭林立的賽道中找到一條屬於自己的道路。端側AI的進化仍在加速，而這位年輕CTO的願景已經十分清晰：讓智能無感地存在於日常生活的每個角落，而不是只棲身在雲端數據中心的冷卻風扇聲中。