7月15日，网信办公布了最新一批大模型备案审批通过名单。名单上，清一色是手机厂商及其深度绑定的模型合作伙伴。小米、OPPO、vivo、苹果……每一家后面跟着的，都是目前耳熟能详的大厂模型团队。

巨头牵手巨头，大厂配对大厂，看起来像一场门当户对的“联姻”。

而“新AI六小虎”之一的面壁智能，是名单中唯一专注做端侧模型的公司，这也是国产端侧大模型首次进入国际头部手机厂商的全球旗舰产品线。

官方介绍，此次面壁智能为三星Galaxy AI提供了强大的端侧模型能力，支持文本理解与多模态感知。

三星在中国市场Galaxy AI本地化落地中，深度绑定了面壁智能端侧大模型“MiniCPM”系列，针对9大场景助力三星手机打造智能化体验。其中，1.2B文本模型支持智能语音回复、通话摘要、录音摘要、短信回复建议、个性化健康建议和即时简报等场景；1.6B多模态模型支持自然语言相册检索、图片描述、即圈即搜等场景。

据可靠消息称，搭载面壁智能端侧模型的三星手机即将上市，首批机型为Galaxy Z Fold8和Galaxy Z Fold8 Ultra。

IDC数据显示，2026年Q2三星出货量约6270万台，市场份额约22.6%，稳居全球第一，主要得益于Galaxy S26系列的热销。

在此背景下，三星选择合作伙伴关乎的不止是一纸技术合同，更决定了中国AI手机市场未来发展格局。这意味着，谁能在“手机+AI”这个万亿级赛道上掌握话语权，谁就能在端侧建立起真正的技术壁垒。

三星为什么选择面壁？

手机厂商在选择端侧AI模型时，首要就是在功耗、算力和内存这个“不可能三角”中做出权衡。

上述三个维度彼此牵制，构成了一个物理层面的“跷跷板”结构：功耗受限于手机散热与电池容量，算力取决于芯片的峰值处理能力，内存则被硬件成本与主板空间锁死。

面壁智能的解法始于认知革命。2024年当行业内奉行Scaling Law，追求千亿模型参数规模时，面壁智能反其道提出了“密度定律”。该定律指出，模型智能密度会随时间呈指数级增长，达到同等智能水平所需的参数量，大约每3.5个月减半。

密度定律为整个端侧AI赛道提供了理论合法性，直接解构了主流“大即正义”的模型训练思路。同时，也对外释放了一个信号，端侧AI不是妥协，而是另一条路径。

面壁的MiniCPM“小钢炮”系列，就是密度定律在现实世界里的验证，凭借“以小博大”特性在开源社区获得认可。例如，MiniCPM 3.0基座模型，以4B参数，带来超越GPT-3.5的性能，量化后仅2GB内存；MiniCPM 4.0-0.5B相较更大的Qwen-3-0.6B、Llama 3.2，仅使用了2.7%的训练开销，一半参数性能翻倍，并实现每秒600Token的高速推理。

算力是手机厂商在“不可能三角”中容易被高估的一环。旗舰手机NPU虽标称数十TOPS算力，但实际有效算力深受内存带宽制约。更棘手的是芯片适配层面的碎片化难题，高通、联发科、三星Exynos等主流芯片在NPU指令集、算子库及量化工具上互不兼容，同一模型在不同平台上的性能表现可能天差地别。

面壁智能在芯片适配领域积累了深厚的工程经验，其与众智FlagOS社区共同开源的AI系统软件栈FlagOS，具备跨芯片平台的统一适配能力。该软件栈在底层封装了不同芯片架构的差异化细节，使模型开发可实现“一次适配、多芯片运行”，大幅降低了端侧AI的部署门槛。

以MiniCPM5-2B为例，该模型已完成Day0跨芯片适配与推理验证，适配范围覆盖华为昇腾、海光、昆仑芯、沐曦、摩尔线程、平头哥、清微智能、天数智芯、英伟达等9款主流AI芯片，并进一步延伸至ARM端侧平台，实现了“一套代码、跨架构运行”的从云到端的全栈生态覆盖。

模型压缩和释放算力，只是面壁智能破局的第一阶段。如何在压缩之后依然保持高性能、低功耗、快响应，才是真正考验工程能力的硬仗。面壁智能的BitCPM低比特量化技术，正是在这场硬仗中打出的王牌。

传统的INT8/INT4量化虽然能压缩模型体积，但精度损失严重，往往导致模型智能断崖式下跌。面壁智能则率先押注了2-bit及以下的超低位宽路线，其发布的BitCPM-CANN是中国首个基于国产昇腾算力平台训练的1.58-bit三值大模型。

相比传统 BF16 精度，BitCPM-CANN 在推理阶段释放约 6 倍显存红利，同时将模型能力保留率维持在90%-97.2%，为大模型在手机、汽车、具身机器人等低算力、低功耗场景稳定运行提供了基础。这表示，同样的4GB内存预算，过去只能跑约4B的BF16模型，现在能跑接近8B的模型；同样8B模型的智能水平，现在只需1/6的内存开销。

内存被解放，功耗也自然下降，因为搬运更少的数据，本身就代表着更低能耗。BitCPM直接拆掉了“不可能三角”的墙角，算力、内存和功耗由相互“打架”转变为了协同释放红利。在内存价格不断上涨的背景下，BitCPM技术为手机厂商提供了一个既高效又经济的解决方案。

至此，手机厂商的选型逻辑已经被彻底改写。

过去他们只能在“堆硬件上大模型”和“砍模型保体验”之间做取舍。如今，面壁智能给出了第三条路线，即用更聪明的算法，让同样的硬件跑出更强的智能。

这正是MiniCPM系列能在行业端侧测评中持续霸榜，并赢得三星等国际巨头青睐的根本原因。它不是用蛮力硬撑，而是用巧劲破局，在物理极限内重新定义了端侧AI的能效天花板。

“南阶跃，北面壁”：一硬一软，两条路径

端侧正在变成兵家必争之地。

在三星Galaxy AI与面壁智能深度绑定消息传出前，另一家大模型厂商阶跃星辰刚发布了自有品牌AI手机STEPX Neo和智能体操作系统Step AOS。

两家公司几乎同时站在了端侧AI的聚光灯下，却选择了截然不同的路径：面壁做“软”，阶跃做“硬”。

面壁智能从2024年1月发布MiniCPM 1.0开始，就一头扎进了端侧模型的深水区，把端侧大模型作为公司的最大战略，资源、组织架构、人才梯队全部围绕这一目标构建。

彼时，云侧大模型厂商做端侧，是把“大象塞进冰箱”，本质上是降维适配思维。起点是千亿参数的云端模型，然后通过剪枝、量化、蒸馏等手段，一层层往下压缩。牺牲参数量、精度、多模态能力，最终得到一个勉强能跑的端侧版本。

而面壁智能的路径正好相反，是为冰箱设计“新物种”。开头就默认端侧物理约束的前提，从零开始为端侧场景设计完整技术体系。密度提升、架构创新、多模态融合、Agent方案，每一步都是在做乘法。

它不造手机、不做汽车、不碰任何硬件，只做一件事就是把端侧模型做到极致，然后装进一切终端里。

这种“软”的姿态，让面壁智能成为了端侧AI领域的赋能者，三星Galaxy AI深度绑定面壁MiniCPM系列、长安马自达EZ-60与吉利银河M9搭载其端侧模型、与瑞芯微等芯片厂商深度合作。其客户遍布汽车、手机、具身智能、家居、工业制造、法律服务等领域。

更关键的是，面壁选择了一条极致开放的路。它的端侧AI技术体系从底层芯片适配到上层模型算法，从低比特量化到全模态交互，全部开源。

MiniCPM系列开源模型全球累计下载量突破3800万次。这不是一个数字，而是一个生态，任何终端厂商都可以基于面壁的开源模快速构建自己的AI能力，这进一步强化了“终端底座”的定位。

阶跃星辰的“硬”，硬在它要自己做手机。

它不是简单地把模型装进别人的手机，而是从零重构了操作系统。Step AOS是专门为智能体设计的OS，向下兼容Android/Linux/RTOS，向上为智能体重构资源调度机制，让操作系统真正成为智能体的运行环境。自有品牌手机STEPX Neo则是这个系统的“肉身”。

阶跃星辰的逻辑是，既然现有的操作系统不是为智能体而设计，那就从零开始重构；既然现有手机非AI原生，就造一台硬件。其目标很明确，直指智能终端，阶跃星辰想通过硬件这个载体，打造一个智能体时代的苹果，从模型到OS到手机全栈掌控，不把核心能力交给任何第三方。

但在“硬”的另一面，阶跃星辰的落地节奏慢了一拍。截至目前，阶跃星辰的智能体手机既没有量产，也没有公开体验渠道，还处于期货阶段。

与面壁智能已经量产交付的三星订单相比，阶跃星辰的“硬”仍在等待市场的检验。虽然阶跃已经与携程、支付宝、滴滴、美团等达成接口级合作，但这种一厂一议、逐个谈判的方式，距离真正的全生态覆盖还有很长的路要走。

相较面壁智能“端侧底座”的身份，阶跃星辰天然站在了终端厂商和APP厂商的对立面。面壁智能只做模型、不碰硬件、不抢入口，手机厂商和APP厂商都愿意跟它合作；而阶跃星辰既做模型、又做OS、还做手机，还要调大厂的APP，注定要面对诸多阻力。

绕开红海，定义蓝海

当行业从技术验证期迈入商业化落地期，大模型独角兽公司正集体面临战略收缩。

MiniMax曾凭借海螺AI在视频生成赛道占据先机，却在可灵、Seedance 2.0的持续迭代中，逐步丧失先发优势；智谱AI在全面押注Coding赛道后，市值反超MiniMax，一度突破万亿港元。

两相对照，印证了一个事实，资源有限的创业公司，只有在一个足够宽的赛道上把弹药打透，才能建立真正的壁垒。

融资的数字再大，摊到多条战线上，每一笔都得精打细算。那些同时押注云端大模型、端侧推理、视频生成、智能硬件的创业公司，看起来是全面开花，实际每条战线能投入的，往往只是防守性资源。在特定阶段，或许能勉强能达到行业平均水位，但很少能达到极致。

而大模型行业已经展露出极度残酷的一面：模型能力越强，越能将开放分发转化为付费变现；模型能力趋同者，则面临更快的比价竞争与流量改道风险。

这个行业没有及格线，要么是头部，要么被遗忘。

面壁智能比这个赛道的同行更早看到了“专注”的必然趋势，2024年就开始押注端侧。它把所有子弹打向同一个靶心——端侧。不做云端，不碰硬件，不追视频生成的风口，三年如一日地在端侧领域深耕。

这种“偏执”的聚焦，在2026年迎来了回报：200亿估值，以及全球智能手机巨头三星的量产订单。

正是聚焦带来了技术深度的不可替代性，密度定律、BitCPM低比特量化、FlagOS跨芯适配等技术，是在长期专注端侧研究的过程中，一层一层“长”出来的。

任何一个技术点单独看，或许可以被模仿。但当它们组合成一个从理论到产品、从芯片到应用、从现在到未来的完整技术闭环时，竞争对手会发现，复制其中一环容易，但复制整个体系几乎不可能。

当其他大模型独角兽公司，在AI Coding的红海里拼得刺刀见红时，面壁智能选择在端侧开辟一片蓝海。

面壁智能打开的这片蓝海有三个维度。广度上，手机、汽车、家居、机器人，一切终端都需要端侧AI，市场空间暂时没有天花板；深度上，从芯片适配到模型算法，从交互体验到Agent应用，每个环节都需要长期积累，不是烧钱就能速成；确定性上，全球每年十几亿部智能手机的出货量，是最实在的需求底座。AI可以等，但手机每年都在换。

绕开红海，定义蓝海。这不是逃避竞争，而是选择在什么地方竞争。与其在别人的游戏里争第二，不如重新制定游戏规则。

面壁智能用三年的聚焦证明了一件事：在AI这个极度拥挤的赛道上，“做少”往往比“做多”更难，但也更值得。

更难，是因为要抵挡住每一个风口的诱惑，在所有人往左时坚持向右；更值得，是因为当潮水退去，真正留在牌桌上的，从来不是跑得最快的，而是扎得最深的。