今年 WAIC 最火爆的展区，除了机器人就是 AI 手机了。更重磅的消息，发生在世博展览馆之外——7 月 15 日，国家互联网信息办公室公布新一批手机端侧生成式人工智能服务备案。苹果智能、三星盖乐世 AI、华为小艺、OPPO AndesGPT、vivo 蓝心端侧大模型、小米澎湃 AI 和努比亚豆包手机大模型等 7 款产品获批。真正可能最快把 AI 带到普通人身边的设备，未必在展台上，反而就在每个人的口袋里。其中最受瞩目的自然是 Apple Intelligence，国行 iPhone 用户真的等得太久了。随着备案落定，用户对手机 AI 的好奇，也越来越具体：Siri 什么时候才能真正听懂上下文？AI 会怎么样跨应用完成任务？它读取照片、日程和聊天记录时，数据是否必须上传云端？这些能力又是否足以成为更换一部新手机的理由？自发布以来，市场一直期待 AI 成为下一轮 iPhone 换机和生态升级的理由。IDC 在 WWDC 2026 后判断，更完整的 Apple Intelligence 将增强新款硬件的升级理由，并有机会把苹果操作系统进一步推向「个人智能」平台。更具个人上下文的 Siri、更深入的跨应用协作，以及更多依赖新硬件的本地 AI 功能，都被视为苹果重新定义手机交互的一部分。而在苹果之外，「Android 机皇」三星盖乐世 AI 也要来了，面壁智能 MiniCPM 系列作为三星盖乐世 AI 的端侧模型能力提供方，深度参与此次备案落地。对面壁而言，这意味着其端侧模型开始从开源社区和技术验证，进入全球头部消费电子厂商的实际产品。在全球手机市场，三星长期处于全球智能手机市场第一梯队，拥有覆盖入门到旗舰的完整 Galaxy 产品线、广泛的全球销售网络，以及横跨手机、平板、手表和耳机的终端生态。如果端侧能力进一步扩展到更多机型和市场，端侧智能潜在触达的将不再是少数开发者或单个行业客户，而是数以千万计的普通手机用户。一次集中备案，释放出的是更广泛的行业信号，手机端侧 AI 正从功能预告和概念验证，进入规范化、规模化落地阶段。当 AI 能力开始留在设备本地，手机正在成为端侧智能最先触达普通用户的入口。端侧 AI 看手机？为什么为什么首先是手机？手机与人的距离最近，也是使用频率最高的智能终端。它天然掌握着用户的通信、影像、位置和日程等信息，还具备相机、麦克风和各种传感器，能够为 AI 提供持续的个人上下文。这也让手机端侧 AI 与普通的云端聊天机器人有所不同。复杂推理仍然可以交给云端，但拍照理解、语音处理、个人信息检索等高频、即时或隐私敏感的任务，可以优先在本地完成。这样既能缩短等待时间、减少云端调用成本，也能让一部分敏感数据不必离开设备。在由面壁智能主办的「 WAIC 端侧 AI 创新和行业发展论坛」上，三星电子中国研究院院长沈志春，把手机端侧 AI 的需求精准地概括为「多、快、好、省」：让更多任务在本地完成，获得更快响应和足够好的体验，同时节省云端 Token、流量、存储与电量消耗。这四个目标并不容易同时实现，受到 GPU、NPU、存储和功耗限制，端侧模型仍然是在「戴着枷锁跳舞」。手机的算力、内存、功耗和散热都有限，端侧模型需要在资源约束中保留足够的理解、推理和多模态能力，还要适配不同厂商的芯片、系统和产品节奏。手机 AI 的关键已经不只是模型能不能运行，而是它能否在有限资源中把体验做到足够好。面壁的 MiniCPM 系列正是沿着这条路线发展，一直以来，MiniCPM 系列开源模型累计下载量已超过 3800 万次，并已在消费电子、汽车、具身智能和法律等场景实现商业化落地。三星盖乐世 AI ，成为其进入主流消费终端的最新案例。所以，对面壁而言，三星合作的意义不只是一位新增的客户，它提供了一个更直接的规模化证明，端侧模型已经不只运行在开发板和实验 Demo 中，而是开始进入普通消费者日常使用的贴身设备——手机。端侧智能，不止是手机手机是最先规模化的入口，但并不是端侧 AI 的全部边界。当 AI 从信息处理走向真实世界中的感知和行动，汽车与机器人也成为另一批重要载体。汽车对端侧 AI 的需求同样直接，驾驶与座舱交互要求低延迟，车辆还会经过隧道、地下车库等弱网环境，许多车内数据也具有隐私属性。面壁智能与吉利汽车开展深度合作。面壁智能的 VLM 多模态大模型与吉利机器人的本体、VLA 模型及导航系统深度集成，成功实现吉利机器人在生产仓储场景的落地应用。RoboHarness 是基于面壁智能 4 月份发布的 EmbodiedClaw 框架开发，可以轻松集成上层规划 VLM 模型，将 VLA 模型、导航系统等作为物理世界工具模块调用，并为具身智能体提供长程任务的上下文和记忆管理。机器人则把端侧 AI 从信息处理进一步推向物理行动。面壁通用 VLA 模型 MiniCPM-RobotManip，与面向移动机器人跟踪导航的 MiniCPM-RobotTrack，让机器人把视觉、语言和动作连接起来，并在长程任务中保留此前的观察和执行信息。搭载 MiniCPM-RobotTrack 的机器狗可以在开放环境下零样本指令跟随，并且抗各类人物穿梭干扰，同时可以在无网/弱网环境（例如电梯、停车场），依然流畅跟随。结合了面壁端侧多模态大模型和乐聚的夸父机器人本体和导航系统，则可以让机器人在无网的情况下，纯端侧运行导览系统，支持基于本地知识库的离线讲解和自由问答，多模态大模型作为导览机器人的大脑，可以实时理解展厅环境，理解人类指令和意图，规划导览路线并进行避障导航。从手机到汽车和机器人，面壁的落地案例覆盖了不同终端形态，而再进一步，除具体产品和项目之外，面壁还深入参与端侧智能相关方法与标准的建立。WAIC 期间，面壁智能与中国信息通信研究院联合前瞻发布《AI For AI 标准》，尝试为 AI 参与模型研发提供统一的测试和评价尺度。作为技术实例，面壁同时发布并开源 ForgeTrain。按照面壁的说法，ForgeTrain 是一个由 AI 编写生产级代码的训练框架，已被用于 MiniCPM5-1B 的训练，并适配英伟达 H100 与华为昇腾系列芯片。参与行业制定，体现了面壁希望承担的另一种角色，不只提供单个端侧模型，也参与建立训练、适配和规模化复制的方法。争夺端侧智能的定义权手机是端侧 AI 最先规模化的入口，它把本地模型带到普通用户身边，也让低延迟、隐私和端云协同从技术概念变成可以被消费者感知的产品能力。汽车和机器人则把端侧 AI 带入更广阔的真实世界，前者让模型在弱网和长生命周期中持续升级，后者要求模型在本地完成感知、决策和行动。不同终端的需求并不完全相同，却共同要求 AI 能力离开云端服务器，进入具体设备和真实任务。这也意味着，端侧智能并不是把云端模型压缩后装进设备这么简单。哪些任务必须留在本地，哪些任务仍应交给云端；不同算力和功耗条件下，模型需要保留多少能力；一套方案如何跨芯片、跨终端复制，并在隐私、延迟和可靠性上形成可验证的标准——这些问题至今都没有完全固定的答案。争夺端侧智能的定义权，正是争夺这些问题的回答方式，它不仅取决于谁先发布一个更小的模型，也取决于谁能把模型能力、硬件适配、系统协同和场景交付沉淀成一套可重复的方法，让一次合作不再只是孤立项目。面壁想证明的，也不只是 MiniCPM 能够在某一台、某一类设备上运行。从三星手机，到量产汽车、工业机器人和无网导览，再到 AI for AI 标准与 ForgeTrain，其角色正在从端侧模型提供者，延伸为端侧智能落地方法的提供者。手机提供规模化入口，汽车和机器人检验更复杂的真实任务，标准与训练框架则尝试让这些能力更容易被复制。端侧并不是云端的反面，云端仍适合复杂推理和低频任务，端侧则更适合即时响应、弱网可用、敏感数据处理和持续运行。两者协同，才能让 AI 从聊天框真正进入用户随身携带和长期使用的设备。从这个意义上说，面壁正在争夺的，是 AI 如何进入物理终端与真实世界的定义权。
