面壁CEO李大海：物理世界要實(shí)現(xiàn)AGI，一定是通過端側(cè)智能

白交 2025-05-09 13:21:31 來源：量子位

編輯部 整理自 凹非寺

量子位 | 公眾號(hào) QbitAI

未來物理世界要實(shí)現(xiàn)AGI，一定是通過端側(cè)智能。

面壁智能CEO兼聯(lián)合創(chuàng)始人李大海在第三屆中國(guó)AIGC產(chǎn)業(yè)大會(huì)上分享了他們的經(jīng)驗(yàn)認(rèn)知。

作為當(dāng)前端側(cè)智能的領(lǐng)跑者，面壁智能在過去一段時(shí)間以來可謂是進(jìn)展頻頻。

他們發(fā)布了端側(cè)模型MiniCPM驅(qū)動(dòng)的面壁小鋼炮超級(jí)助手cpmGO，MiniCPM也逐步開拓了手機(jī)、具身智能、AIPC、智能可穿戴設(shè)備等幾個(gè)主流落地方向。

未來他們的愿景是讓每一個(gè)設(shè)備都具備智能。至于如何實(shí)現(xiàn)？李大海在會(huì)上分享了背后的方法論。

為了完整體現(xiàn)李大海的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了編輯整理，希望能給你帶來更多啟發(fā)。

中國(guó)AIGC產(chǎn)業(yè)峰會(huì)是由量子位主辦的AI領(lǐng)域前沿峰會(huì)，20余位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾超千人，線上直播觀眾320萬+，累計(jì)曝光2000萬+。

話題要點(diǎn)

• DeepSeek的成功，底層在于三個(gè)“密度”的極致：團(tuán)隊(duì)密度、組織密度、高資源密度。
• 我們觀察到大模型“知識(shí)密度”是智能的核心指標(biāo)，而高知識(shí)密度模型在端上最有價(jià)值。
• 大模型知識(shí)密度可以跟芯片制程做類比，我們知道芯片的制程，就是在每平方厘米下晶體管的數(shù)量，可反映出計(jì)算能力的強(qiáng)弱。而大模型知識(shí)密度越高，它的智能就越強(qiáng)。
• 未來物理世界實(shí)現(xiàn)AGI，一定是通過端側(cè)智能。因?yàn)橹挥邪汛竽X部署在設(shè)備的終端上，把大腦部署在機(jī)器人的腦子里面，它才能夠真的去做最靈敏的感知，去做最及時(shí)的決策，才能做出最完美的應(yīng)對(duì)。

以下為李大海演講全文：

DeepSeek成功最底層因素是三個(gè)“密度”

朋友們，大家下午好。我今天穿的T恤是我們公司面壁智能的文化衫，面壁這個(gè)名字就來源于《三體》，我們公司的三體迷把公司企業(yè)文化都“三體化”了，我們員工手冊(cè)的名字就叫“這是面壁計(jì)劃的一部分”。

今天很高興能夠在這里跟大家匯報(bào)面壁過去一年多的工作，自從參與創(chuàng)立面壁，開始在大模型這個(gè)賽道里長(zhǎng)跑，真的非常有意思。因?yàn)椴哦潭虄赡甓?，我們?jīng)歷了許多的“非共識(shí)”，其中很多的“非共識(shí)”變成了共識(shí)，然后又涌現(xiàn)出更多的非共識(shí)。整個(gè)公司的發(fā)展過程，我們不斷地在更新自己的認(rèn)知，進(jìn)行迭代。兩年的時(shí)間，像是過了十幾年。

今年有一個(gè)繞不開的話題DeepSeek。DeepSeek的成功，有著天時(shí)地利人和的多重因素，也有很多值得我們重點(diǎn)借鑒的先進(jìn)經(jīng)驗(yàn)，我們總結(jié)下來有三個(gè)方面的“高密度”：

第一，團(tuán)隊(duì)密度。能夠在大模型領(lǐng)域突出重圍的公司和組織，必須有足夠高的人才密度，組建一支極客式的優(yōu)秀團(tuán)隊(duì)，聚焦在大模型的底層技術(shù)上，進(jìn)行深入地鉆研。

第二，組織密度。組織密度講的是組織目標(biāo)的一致性，我用另外一個(gè)詞叫“組織熵”。當(dāng)一個(gè)組織里每個(gè)人的目標(biāo)都不一樣時(shí)，是熵最大的狀態(tài)，那是最不理想的狀態(tài)。最理想狀態(tài)是上下一心，所有人目標(biāo)一致，這樣整個(gè)組織間協(xié)作非常高效。這是“足夠高的組織密度”。

第三，高資源密度。不僅要給創(chuàng)新留出充足的研發(fā)預(yù)算，并且要保障團(tuán)隊(duì)能夠非常長(zhǎng)時(shí)間地聚焦于技術(shù)的鉆研，持續(xù)進(jìn)行技術(shù)的積累。

維持三個(gè)密度都足夠高，才有可能在大模型的底層技術(shù)上有所突破。

DeepSeek是在云側(cè)，踐行非常高效的大模型組織；而面壁在端側(cè)，也在開展十分令人興奮的高效故事。

我們對(duì)大模型“知識(shí)密度”的洞察

面壁團(tuán)隊(duì)是從2019年開始all in大模型，2022年8月份公司正式成立，而后在2023年9月份就發(fā)布了第一個(gè)千億級(jí)的GPT-3.5水平的模型，拿到了網(wǎng)信辦第二批安全備案。

到了2023年年底的時(shí)候，看到大模型同質(zhì)化越來越嚴(yán)重，我們開始思考面壁的核心競(jìng)爭(zhēng)力是什么，差異點(diǎn)是什么。

因?yàn)閺膱F(tuán)隊(duì)創(chuàng)立之初，高效就是我們骨子里的基因。早期還因?yàn)槲覀冇泻芏啻竽Ｐ屯评砑铀俚墓ぷ饕欢螘r(shí)間被錯(cuò)歸類為infra公司…… 高效這件事，好像天然就是我們骨子里信奉的東西，也是更加比別人能做好的事情。那么那段時(shí)間，我們做了“模型風(fēng)洞”試驗(yàn)方面的創(chuàng)新性探索，發(fā)現(xiàn)我們的模型總是同等參數(shù)、性能更強(qiáng)。

大模型高效背后的核心指標(biāo)，正是知識(shí)密度，并且我們把對(duì)大模型成長(zhǎng)規(guī)律的觀察總結(jié)為“密度定律”。

我們發(fā)現(xiàn)，大模型知識(shí)密度每3.3個(gè)月翻一番。大模型知識(shí)密度可以跟芯片的制程做類比，我們知道芯片的制程，就是計(jì)算密度在每平方厘米下有多少個(gè)晶體電子管的數(shù)量，它的電路有多少，可反映出就說明了它的計(jì)算能力的強(qiáng)弱有多少，這個(gè)密度越高，說明制程越高。而大模型的知識(shí)密度就越高，它的智能就越強(qiáng)。

當(dāng)我們聚焦去做高知識(shí)密度模型，并且發(fā)現(xiàn)落在端側(cè)具備格外的優(yōu)勢(shì)。因?yàn)槎藗?cè)的算力是有限的，內(nèi)存也是有限的，功耗也是有限的，這三個(gè)限制條件下，天生是帶著鐐銬跳舞，知識(shí)密度高，效果才會(huì)好。

未來物理世界實(shí)現(xiàn)AGI，一定是通過端側(cè)智能

過去一年我們發(fā)布了九個(gè)端側(cè)模型，在今年1月份的時(shí)候發(fā)布了全球第一個(gè)端側(cè)全模態(tài)的模型，大概是8B大小的模型，這個(gè)模型能流暢運(yùn)行在iPad上，可以實(shí)時(shí)流式的實(shí)時(shí)看，持續(xù)聽，自然說，并且“看聽說”的水平從多模態(tài)角度上達(dá)到了GPT-4o的水平，雖然解決復(fù)雜的邏輯問題層面上，還是跟云端模型有區(qū)別，但是在多模態(tài)能力上已經(jīng)非常強(qiáng)。

從這個(gè)簡(jiǎn)單的例子里面看到，全模態(tài)大模型可以同時(shí)接收語音跟視覺的信號(hào)，基于語音跟視覺去感知周圍的環(huán)境，同時(shí)以聲音或者文字輸出自己的答案。而將這樣的全模態(tài)大模型部署在汽車、機(jī)器人等這樣的設(shè)備上，就可以讓汽車、機(jī)器人這樣的設(shè)備成為一個(gè)能夠同時(shí)去看、聽、說的設(shè)備。

基于我們模型的工作，在今年3月份的時(shí)候，發(fā)布了純端側(cè)模型驅(qū)動(dòng)的面壁小鋼炮超級(jí)助手產(chǎn)品，首先在汽車上落地。

汽車是我們端側(cè)模型落地的理想場(chǎng)景，因?yàn)槠囎鳛槌?jí)終端“智能體”來說是一種成熟的“具身智能”，我們認(rèn)為在汽車上有非常好的發(fā)展空間。

面壁小鋼炮超級(jí)助手可以在車上提供目前兩種特別重要的能力。

第一個(gè)是端上不依賴網(wǎng)絡(luò)的全天候指令助手，用戶在車上所有的指令，都可以在端側(cè)智能上做到及時(shí)響應(yīng)。

第二是通過艙內(nèi)艙外的攝像頭、麥克風(fēng)去感覺艙外環(huán)境和艙內(nèi)車乘人員的指令和狀態(tài)，根據(jù)這個(gè)感知去主動(dòng)關(guān)懷他們。

這是一個(gè)感知、決策、執(zhí)行三位一體的模型。幾年以前智能駕駛就在提這個(gè)概念，端到端的模型給行業(yè)帶來一些新的可能性。

通過攝像頭感知艙外艙內(nèi)的環(huán)境，在端側(cè)有什么特別優(yōu)勢(shì)呢？

首先，汽車作為一個(gè)移動(dòng)客廳，網(wǎng)絡(luò)情況是不可能100%穩(wěn)定可靠的。端側(cè)方案可以不受網(wǎng)絡(luò)的限制，隨時(shí)隨地做到感知。

第二，如果在云端，完成艙內(nèi)艙外視覺信息視頻流的感知回傳，可能推理的成本不算高，但是高清視頻流實(shí)時(shí)傳輸?shù)膸挸杀竞芨撸浯伪澈笠灿写罅康碾[私信息，因此不僅成本高，還有很多隱私暴露的風(fēng)險(xiǎn)。我們純端側(cè)能夠在隱私和成本上有很好的優(yōu)勢(shì)。

這個(gè)視頻可以看到，純端側(cè)的面壁小鋼炮可以陪大家走遍天涯海角，因?yàn)樗皇芫W(wǎng)絡(luò)的束縛，它是全天候的。

這個(gè)是我們從執(zhí)行層面上的GUI Agent產(chǎn)品。我們既然已經(jīng)有了端側(cè)模型，我們就可以通過端側(cè)去感知到屏幕上發(fā)生的行為，就能夠幫助用戶完成這些任務(wù)，完成這些任務(wù)的基礎(chǔ)是像用戶一樣理解這些屏幕，通過這些方式本質(zhì)上就能夠像人一樣，所以能夠有很強(qiáng)的泛化性。同時(shí)因?yàn)槭窃诙藗?cè)，所以用戶屏幕上的信息是不會(huì)被上傳到云端，隱私絕對(duì)有保證。

我也想借這個(gè)時(shí)間跟大家同步一下我們的認(rèn)知。

為什么面壁過了兩年，一直現(xiàn)在云端發(fā)展依然如火如荼的情況下，我們?nèi)匀环浅＞劢褂诘刈龆藗?cè)。因?yàn)槎藗?cè)是我們的信仰，我們相信未來端側(cè)是有非常廣闊的天地。同時(shí)我們也相信未來在物理世界要去實(shí)現(xiàn)AGI，一定要通過端側(cè)智能。因?yàn)橹挥邪汛竽X部署在設(shè)備的終端上，把大腦部署在機(jī)器人的指揮中樞，它才能夠有最靈敏的感知，去做最及時(shí)的決策，才能做出最完美的應(yīng)對(duì)，這是一個(gè)非?；A(chǔ)的事情。

目前我們的端側(cè)模型，已經(jīng)在汽車、部分機(jī)器人的場(chǎng)景、手機(jī)，還有一些新的智能終端，比如說離線的翻譯機(jī)等設(shè)備上落地。

我們的愿景是要讓每一個(gè)設(shè)備都具備智能。

好的，我的分享就到這里，謝謝大家！