估值200亿，面壁智能的端侧生意走到哪一步

面壁智能在2026年上半年累计完成融资超过50亿元，估值突破200亿元，成为国内端侧智能赛道估值最高的独角兽。在7月举行的WAIC 2026现场，公司同时公布MiniCPM系列开源模型全球累计下载量已突破3800万次。一家从清华实验室走出来的公司，用四年时间把一门曾经属于「非共识」的端侧模型生意，做成了资本市场愿意用200亿元买单的「共识」。但资本共识形成之时，往往也是先发优势开始被稀释的时候。

半年50亿，谁在押注

面壁智能的融资节奏在2026年明显加速。2月底，公司完成春节后首轮融资，由中国电信领投，中信金石和中信私募跟投；4月，深创投与汇川产投联合领投新一轮融资，道禾长期投资、国泰君安创新投、武岳峰科创等跟投；7月披露的最新一轮，又引入了国家级基金、央企和汽车制造商等投资方。

股东名单呈现出一个明显特征：阿里、腾讯、字节这类同时布局云端模型、终端硬件和用户入口的互联网巨头并未出现，资方更多是国资加产业资本的组合，覆盖电信运营商、汽车制造商、地方国资基金和工业自动化企业。背后的逻辑并不复杂：面壁智能希望以中立姿态打入车企、手机厂和机器人公司，被任何一家互联网巨头深度绑定反而可能影响其与其他生态的合作。

2026年6月，证监会主席吴清在陆家嘴论坛宣布将科创板第五套上市标准的适用范围扩大到人工智能领域。对尚未形成稳定利润的大模型公司而言，境内上市通道正在变得更清晰，这也让面壁智能对国资和产业资本而言多了一层明确的退出预期。

「密度定律」：学术招牌，也是融资叙事

面壁智能讲「我们更早看懂端侧」故事的核心支点，是刘知远团队提出的「密度定律」（Densing Law）。这一定律所定义的「能力密度」，是指模型有效参数规模与实际参数规模之比，核心含义是用更少的参数和更低的推理成本实现更强的能力。相关论文于2025年11月作为封面论文发表于《Nature Machine Intelligence》，分析51个开源基础模型后拟合出一条经验曲线：开源模型的最高能力密度大约每3.5个月翻一倍。

值得指出的是，「密度翻倍」的周期在不同阶段出现过变化。2024年中，刘知远、李大海在公开演讲中给出的口径还是「每8个月翻一倍」；到2024年底正式提出「密度定律」时变成约每3.3个月翻一倍；最终论文给出的结果是约3.5个月。早期说法更接近概念性观察，论文则限定了样本与评测方法，这说明「密度定律」更适合被理解为一条需要不断更新的经验曲线，而非可稳定预测未来的自然定律。论文自身也承认，当前对模型能力的测量仍依赖有限基准，可能受到数据污染和评测集饱和等因素影响。

同样需要谨慎看待的，是面壁智能关于端侧模型「追平GPT-4时代」的说法。在2026年智源大会上，李大海援引AA-Index榜单称MiniCPM5-1B得分已接近2024年的GPT-4o。这一对比能够说明小模型效率提升很快，但单一榜单无法覆盖不同模型在推理、代码、多模态和真实任务中的综合表现，「追平GPT-4」目前还算不上经过统一基准与第三方交叉验证的技术结论。

三条商业化管线，仍未公开收入数字

面壁智能目前的商业化主要依赖汽车、手机和企业级市场，具身智能是新增的一条线。

汽车：相对清晰的落地场景。2025年端侧模型已搭载长安马自达EZ-60、吉利银河M9等量产车型；公司与安波福签署战略合作框架协议，希望借助其供应链进入更多车型。此前部分报道中「已交付超过30万台量产车」的说法并不准确，公司公开口径是预计到2026年底有30万辆汽车搭载其端侧模型，属年度目标而非已交付数据。
手机：官方宣布MiniCPM系列将搭载于三星数款旗舰机型，已进入产品与备案阶段，但具体机型、出货节奏和收入分成均未披露。
企业级：智能体平台PilotDeck已实现规模化商用，并在WAIC期间公布面向专业法律服务的CPM for Legal，但具体客户数量、合同金额和收入贡献同样未公开。
具身智能：WAIC期间发布MiniCPM-Robot系列，包括通用视觉—语言—动作模型MiniCPM-RobotManip和移动跟踪模型MiniCPM-RobotTrack，前者参数规模1.5B，可完成制作三明治等长程操作任务；公司在RMBench评测中得分约53分，对照对象π0.5约10分，但RMBench只考察上下文记忆类操作任务，不能代表全部机器人场景。

这些数字单独看都不小，但大多是下载量、计划搭载量、合作数量和评测成绩。公司至今没有公开披露实际收入、毛利率和客户续约情况。在上市通道逐渐明确之后，公开市场最终需要看的不是模型下载量，而是收入质量和现金流。

端侧进入红海，护城河向芯片与系统迁移

面壁智能是国内较早把端侧模型作为主线的大模型创业公司之一，2024年2月发布的MiniCPM在轻量模型与终端部署上建立了较强辨识度。但端侧AI从一条冷门路线变成共识之后，牌桌上的玩家已经完全不同。

阿里持续开源不同尺寸的千问模型并接入夸克AI眼镜等硬件；字节仍在调整豆包AI眼镜的产品计划；苹果在2026年推出面向Apple芯片的Core AI框架；高通、联发科和英特尔各自搭建端侧AI平台；手机厂商则在操作系统层面不断嵌入大模型和智能体能力。这些公司分别掌握云端模型、芯片、操作系统或用户入口，其中不少同时占据多个环节。

李大海在2026年6月的一次访谈中也承认，端侧模型规模化落地的最大制约已不只是模型本身，而是模型与芯片的结合。终端设备的算力、内存带宽、散热和功耗都非常有限，模型必须与硬件反复磨合。换句话说，端侧AI的竞争重点正从「谁的模型更小、更强」，延伸到「谁能把模型、芯片和系统调到一起」。

面壁智能已完成对AMD、英特尔、联发科、高通等主流平台的适配，并通过BitCPM-CANN等项目推进华为昇腾平台上的原生训练。平台中立既是争取客户的优势，也是不得不长期面对的约束：产品始终建立在他人的芯片、操作系统和硬件入口之上。

200亿元估值回答的是资本是否相信端侧AI，并不等于面壁智能当下的收入、毛利和客户续约能够支撑这份估值。真正要回答的问题是：在巨头迅速拉平模型差距之前，公司能不能把开源生态和工程能力转化为难以替代的客户关系、交付体系和成本优势，把生意做成自己的生意。