面壁智能押注端侧：2B小模型如何跑赢8B，模型风洞又是什么新玩法

面壁智能的CTO曾国洋在一次专访中给出了一个判断：AI接下来要落地，端侧模型是绕不开的路径。这不是一句口号，背后是一整套围绕"小而强"搭建的方法论、芯片适配和工程框架。

模型风洞：先做小实验，再押大模型

曾国洋在专访中重点介绍了面壁原创的"模型风洞"方法。它的思路并不复杂——在完整训练开始前，用小规模实验去预测最终效果,把不确定性的风险前置消化。

对开发者和企业来说，这意味着两件事：一是选型成本下降,二是不再用真金白银去赌一次大模型的训练结果。面壁智能把这种工程化的预判能力做成内部流程，本身就是一种 AI 研发范式的转变。

面壁定律：知识密度每3.5个月翻一番

更值得关注的是面壁提出的"面壁定律"：模型的知识密度大约每3.5个月翻一番。换句话说，同样参数规模下的能力，每过三个多月就能再上一个台阶。

如果这个规律持续成立，行业过去追求"更大参数"的惯性就会被改写。小模型在单位参数里塞进更多能力，将成为端侧AI最现实的演进方向。这条判断对硬件厂商、模型团队和应用开发者都会产生连锁影响。

2B对8B：实测成绩说话

面壁给出的案例是2B参数的MiniCPM,在多项评测中表现优于同期发布的8B竞品。这不是参数越多越好的传统叙事,而是"训练质量+数据配比+架构设计"综合作用的结果。

对中文用户来说，MiniCPM这类小模型意味着笔记本、手机甚至国产芯片上都能跑得动高能力模型，本地化、隐私化、低延迟的体验才真正有了底气。

BitCPM-CANN：昇腾芯片同内存多装约6倍模型

硬件适配是端侧落地的另一条腿。面壁已经完成了对高通、联发科、英特尔、英伟达、AMD等主流芯片的适配,最新发布的BitCPM-CANN模型系列进一步针对华为昇腾做了优化。

按照面壁给出的数据,BitCPM-CANN可以在昇腾芯片上让同一块内存多装约6倍模型。对国产算力生态来说，这是相当关键的进展——单位显存能跑更多模型，意味着同样的硬件可以服务更多业务线。

MiniCPM-o4.5：全双工全模态开始支持实时打断

全双工全模态模型MiniCPM-o4.5是这次专访中的另一个亮点。它支持实时打断与情绪调整，意味着用户和AI对话时不再需要"等它说完",交互节奏更像真人。

对做智能助手、车载语音、陪伴类产品的团队来说，实时打断能力是体验跃迁的分水岭,配合情绪调整,才能真正进入日常使用场景，而不是停留在演示阶段。

ForgeTrain：全球首个完全由AI编写的训练框架

更工程化的信号来自ForgeTrain。面壁称这是全球首个完全由AI编写的生产级训练框架。如果这一说法被验证,意味着AI已经能独立承担复杂系统的开发,这对整个研发行业都是重要信号。

此外，面壁还引入了行为模式库,实现了一种"默契系统"——用户不需要开口，AI就能根据习惯预判下一步操作。这种从"指令执行"到"默契协作"的转变,是AI Agent方向的一次具体探索。

中文用户应该关注什么

对国内AI工具的使用者和开发者而言,这次专访透露出三条值得跟踪的线索：第一，端侧模型的更新节奏会明显加快,本地部署将成为可选项而非奢侈品；第二，国产芯片的适配速度决定了中国端侧AI能不能走出自己的路径；第三，小模型+高知识密度的组合,正在重新定义"什么叫够用"。

后续可以观察的点包括：BitCPM-CANN在昇腾上的实际部署案例、MiniCPM-o4.5在车载和智能硬件中的落地反馈，以及ForgeTrain是否会开源或对外授权。任何一项推进，都可能影响下一轮端侧AI的产品节奏。