面壁智能「开源周」：一场定义端侧 AI 终局的系统性「亮剑」 – 量子位

端侧 AI 是一个系统性工程

5 月 25 日至 29 日，面壁智能联合 OpenBMB 开源社区，以每日发布一项关键技术成果的节奏，举办了一场「端侧大模型开源周」。

这在中国乃至全球的大模型公司中，都是一次极为罕见的集体「亮剑」。

翻开过去三年的历史，也仅有以「效率美学」著称的 DeepSeek 在 2024 年（6月24日-28日）进行过类似的开源周活动。

从适配国产昇腾、未来有望将 600 亿参数大模型装进手机的 1.58-bit 低比特训练大模型 BitCPM-CANN，到性能超越两倍参数模型、全球同级最优的 MiniCPM5-1B；从 AI 亲手编写、在 H100 上比英伟达自家大模型训练框架 Megatron 更快的 ForgeTrain，到重构交互范式的智能体操作系统 PilotDeck；最后，再到揭示端侧模型高效智能源头的核心数据集 UltraData 系列……

这五项成果并非孤立的「技术烟花」，而是一套环环相扣、逻辑严密的「技术组曲」。它们共同指向一个清晰的行业事实：

端侧大模型的终局之战，比拼的不是某个单点技术的拔群，而是覆盖数据、算法、框架、应用的全链路系统工程的创新总和。

这场精心策划的「阳谋」，不仅让我们得以一窥面壁智能深不可测的技术「冰山」，更迫使我们重新思考：在通往 AGI 的道路上，开源的真正价值是什么？而端侧，又将在其中扮演怎样的角色？

开源圈的「清流」与「坚守者」

谈及开源，过去几年大模型圈多少有些「名不副实」的尴尬。

从 Meta Llama 3 那份「开放，但非标准开源」的许可证，到国内一些厂商「开源模型、闭源数据与训练细节」的普遍操作，「伪开源」一直是笼罩在大模型发展道路上的疑云。

这背后，是商业公司在开源道路上普遍面临的内在矛盾与痛苦抉择：开源是构建技术生态、吸引开发者的利器，但它会否在未来稀释自身的商业护城河？开源是姿态，还是信仰？

在这样的大背景下，面壁智能与 OpenBMB 开源社区的长期坚守，显得尤为难得和珍贵。

这种坚守，首先体现在时间的维度上。早在 2022 年，当国内对大模型的认知还普遍处于混沌初开之际，由清华大学 THUNLP 实验室与面壁智能联合发起的 OpenBMB 开源社区，就已开启了中国最早的、全链路的大模型开源探索。

同年 7 月，OpenBMB 开源社区推出的免费「大模型公开课」，几乎成为国内第一批大模型从业者的「启蒙教程」，累计播放量达数百万。他们也是国内最早直播大模型训练过程的社区，对培养中国的大模型人才梯队、塑造开放的技术氛围，贡献卓著。

这种坚守，也体现在成果的「含金量」上：

在 2024 年 Hugging Face 统计全球最受欢迎大模型时，OpenBMB 开源社区的模型下载量位列中国区第一。时至今日，其 GitHub 星标已超过 13 万，位列全球开源组织前一百；MiniCPM 系列模型全球下载量突破 3000 万次，UltraData 数据集下载量也超过 400 万次。

这些数字的背后，是全球开发者真金白银的「投票」，也是其开源贡献得到国际认可的最好证明。

更重要的是，面壁智能的开源，是一种体系化的、毫无保留的「真开源」。此次开源周，他们不仅开源了模型（MiniCPM5-1B），还开源了模型背后的「生产线」（ForgeTrain）、「核心工艺」(BitCPM-CANN）、「原材料」（UltraData），乃至「智能体操作系统」（PilotDeck）——这在全球范围内都极为罕见。

它传递出的信号是：面壁智能的开源，并非营销驱动的「机会主义」，而是一种根植于其基因的技术信仰。

他们相信，通过彻底的开放，能够最大化地激发社区的创造力，加速技术的迭代，最终形成一个正向循环的、难以被模仿的生态壁垒。

在这个「模型+生态」的竞争下半场，面壁智能用长达数年的持续投入和一次毫无保留的集中展示，为「何为真正的开源精神」，写下了自己的注脚。

领先两年：端侧 AI 是一个系统性工程

如果说持续的开源展现了面壁智能的格局，那么这次开源周的五项发布，则揭秘了其在端侧 AI 赛道上深不可测的「内功」。它让我们看到，这是一家具备系统性 AGI 研发能力、恐怖的工程化效率和极致技术自信的大模型公司。

ForgeTrain 的出现，是其工程化能力的最佳体现。一个完全由AI编写、零人类代码介入的生产级训练框架，性能反超英伟达官方框架，训练速度比 Megatron 快 10%——这本身就已是行业奇迹。它标志着面壁智能的研发模式，已经进入了「AI 制造 AI」的 L3+ 阶段，研发效率实现了指数级跃迁。

而五项成果构成的全栈闭环，则证明了其系统性的研发能力。

从最底层的 Infra 创新（BMTrain、BitCPM），到数据治理（UltraData），再到模型算法（MiniCPM、VoxCPM）和上层应用（PilotDeck、松果派、法律大模型、智能座舱等），面壁智能的布局并非单点突破，而是围绕「端侧」这一核心目标，进行的前瞻性、体系化构建。

这一切，都源于一种极致的技术自信。他们自信即便公开了方法论，其体系化的领先优势也难以被快速复制。因为端侧 AI 赛道，从来都不是一个可以「大力出奇迹」的赛道。

云端大模型的核心壁垒在于「规模」——更多的卡、更多的数据。而端侧大模型的壁垒则在于「系统性协同」的复杂度。它要求在算法、软件、硬件、数据之间找到一个极致精妙的平衡点。这需要对模型压缩（如 BitCPM-CANN 的1.58-bit QAT）、高密度数据治理（如 UltraData）、软硬协同（适配国产算力）、高效推理框架（CPM.cu）、前沿智能体（PilotDeck）等多个领域都有世界级的认知和积累。

这是一个「精工细作」的领域。单点能力的突出，远不如全链路的协同优化来得重要——这道系统性的门槛，是端侧 AI 赛道难以被轻易超越的真正原因。

而在这条艰难的道路上，面壁智能已经拥有了难以逾越的先发优势。

面壁智能的指针，早在 2024 年就已拨向端侧。当其他行业玩家在 2026 年才纷纷宣布「进军端侧 AI」时，面壁智能已经在这条荆棘丛生的路上，孤独奔跑了整整两年。

这两年的时间差，不是简单的模型迭代，而是对整个端侧技术栈的反复打磨、验证与优化，是认知与工程经验上的巨大鸿沟。

这种领先，最直观地体现在 MiniCPM5-1B 的惊人表现上。根据公开评测，其能力在部分任务上已经超越了 GPT-4o 的某些版本。这一事实，不再是理论推演，而是对「密度定律」的强力实证：端侧模型正在以惊人的速度，逐步「吞噬」原本属于云端模型的专属能力领地。

图注：2024 年 12 月，面壁智能就已预测 2026 年端侧模型可实现 GPT-4o 的性能效果

图注：2026 年 5 月，面壁智能新一代「小钢炮」MiniCPM5-1B 的性能就已超越 GPT-4o 的部分版本能力

如果这一趋势持续，整个 AI 行业的底层逻辑将被彻底改写：

●  价值链的重构

AI 的核心价值，将从提供云端 API 的公司（如 OpenAI、Google），大规模地转移到控制终端的硬件厂商（如苹果、高通、联想）和掌握端侧 AI「操作系统」的公司。届时，谁能提供最高效、最普适的端侧 AI 解决方案，谁就掌握了下一代计算平台的「灵魂」。

●  应用范式的革命

「离线可用」、「零延迟」、「绝对隐私」将不再是奢侈品，而是 AI 应用的基础标配。能够常驻在个人设备中的智能体，将重塑我们与数字世界交互的每一个环节，真正的「数字伴侣」将成为现实。

●  商业模式的颠覆：

按 Token 计费的模式将被削弱，取而代之的，可能是类似传统软件的授权费，或是与硬件绑定的「一次性买断」。这将极大地降低普通用户使用先进 AI 的门槛，引爆真正的 C 端应用大爆炸。

这不仅是一场技术路线的演进，更是一场权力与价值的迁移。而在这场即将到来的地壳运动中，已经领先两年的面壁智能，无疑占据了最有利的战略位置。

两种「极致」，一条更光明的路

当我们将面壁智能的开源周与 DeepSeek 的开源周并置对比时，一幅描绘中国大模型发展双雄并立、两种技术哲学交相辉映的画卷，便清晰地展现在我们面前。

DeepSeek 的开源周，展现的是一种极致的力量。它以开源多个强大基座模型的方式，向世界宣告中国在云端大模型研发上所能达到的恐怖高度。它回答的问题是：「在尽可能低的成本下，一个模型的能力极限，可以有多高？」 这是一种向上探索天空的「效率美学」。

同样，面壁智能的开源周，展现的也是一种极致的效率与普及。它以开源一整套端侧技术栈的方式，向世界展示了如何将强大的 AI 能力，以最低的门槛、最高的密度，部署到每一个终端。它回答的问题是：「强大的 AI，如何才能被每一个人真正拥有和使用？」 这是一种向下扎根大地的「精工巧思」。

如果说 DeepSeek 代表了中国 AI 在「云」端的峥嵘，那么面壁智能则扛起了中国 AI 在「端」侧的旗帜。它们共同构成了中国在 AGI 时代以效率与性能的极致平衡比参与全球竞争的一体两面。

AGI 的终极愿景，是让智能如空气和水一般，无处不在，惠及众生。从这个角度看，将智慧的权杖从云端服务器中解放出来，将其安全、可靠、低成本地放入每一个人的口袋、每一辆汽车、每一个家庭……

这，或许才是通往普惠 AGI 时代，那条更坚实、也更光明的道路。 而在这条路上，面壁智能，已然是那个走在最前方的掌灯人。

版权所有，未经授权不得以任何形式转载及使用，违者必究。