太平洋科技 出行

"進了地庫信號不好，語音開空調失敗，用戶會覺得是網絡不好，還是車不夠聰明？"在2026年北京車展現場，面壁智能聯合創始人李大海提到一個典型場景。純云端架構的體驗極限已經被鎖死，當網絡稍有波動，用戶等到的就是"系統繁忙"而不是"正在理解你"。當自然語言開始承擔跨功能調用、連續追問和多服務編排后，任何顯著的網絡延遲都容易被理解為"車不夠聰明"。

與手機端零散調用不同，車內語音、多模態識別、狀態問答等交互一旦高頻發生，就會形成持續API成本和推理支出。對于以年為周期交付、要求長期服務可持續的汽車業務來說，云成本是長期經營模型問題。

清華大學孫茂松、劉知遠團隊提出的"密度定律"為面壁智能提供了破局思路。模型能力密度的提升速度超過摩爾定律——更強不一定意味著更大，關鍵在于單位參數能釋放出多高的有效智能。用棉花與黃金的密度比喻，行業需要從追求"棉花體積"轉向追求"黃金密度"。

面壁智能聯合創始人& CEO 李大海

面壁智能聯合創始人& CEO 李大海在接受太平洋科技的采訪中說："我們堅持端側大模型路線，因為端側在終局是不可或缺的。端側模型奔向物理世界，云側模型奔向邏輯世界，兩者是協同而非替代關系。"

面壁智能聯合創始人& COO 雷升濤

端側AI上車需要跨越"效果-成本-速度"構成的"不可能三角"：效果要足夠好，成本要足夠低，速度要足夠快。車規級產品與消費電子產品在穩定性、熱管理與壽命要求上不在同一量級。車規級環境溫度范圍通常要求-40℃至85℃，遠超消費電子的0℃至35℃；在振動、沖擊、電磁兼容性等指標上，車規標準也嚴苛數倍。端側模型不僅要夠小，還要在極端環境下保持穩定運行，這對模型架構和系統設計提出了更高要求。

面壁智能聯合創始人& COO 雷升濤在采訪中坦言：Infra工程化能力是面壁最核心的護城河。"云端訓練的模型要塞進車端芯片，需要量化（16位變4位/8位甚至2位）、加速推理等一系列工程化處理。"量化會帶來精度損失，如何在精度下降后還能保持智能，是巨大工程挑戰。

密度定律：端側突圍的理論支點

雷升濤在采訪中透露，即使其他大模型廠商下來做端側，這塊Infra優勢面壁也領先。面壁通過自研稀疏-線性注意力架構，使神經元僅需激活部分比例，解碼速度有顯著提升。將云端模型壓縮至車端的過程，需要量化、稀疏化、推理加速等技術組合。雷升濤說到："即使其他芯片廠商拿到模型權重，也無法復現我們的端側推理效率。"目前面壁已完成高通8295/8538/8397、MTK 8676/8678等5款主流座艙芯片的量產級適配，6款AIBox商業化適配，已有三個汽車品牌進入量產。

量化讓車企用更小的NPU實現同樣的智能效果；稀疏化讓有限算力支持更多并發任務；推理加速確保端側模型滿足實時性要求。

事故處理智能體是這套體系的能力驗證，這個看似低頻的功能，實則是端側AI的"壓力測試"：事故發生時，系統需在毫秒級完成碰撞嚴重性判斷、環境風險評估，觸發雙閃、車門鎖止等車控指令；用戶下車后，手機端接力提供取證指引和責任預判；回到車內，系統通過語音語氣和面部表情識別進行情緒安撫，并自動預約維修、歸檔事故檔案。

面壁汽車產品負責人錢冰沁在一次閉門會上說過："高焦慮、高不確定、高成本的場景最能檢驗系統真實能力。高頻場景容易被單點功能覆蓋，但事故場景要求系統同時具備感知、判斷、跨設備協同、專業服務、情緒處理和記憶沉淀等多項能力。"目前該功能已在長安馬自達、吉利銀河M9等量產車型落地。

但事故處理只是端側AI能力的冰山一角，日常高頻場景的持續優化價值更大。以語音交互為例，傳統的云端方案需要在每次請求時將語音數據上傳至服務器，識別后再返回結果，這個過程在網絡良好時也需要數百毫秒。而面壁的端側方案可以將整個流程壓縮到毫秒級以內，端側模型能夠持續學習用戶的語音特征和表達習慣，隨著時間的推移，識別準確率會不斷提升。

在推薦場景中，云端方案通常基于用戶的歷史行為數據進行全局優化，但這種優化往往滯后于用戶的即時需求。端側模型可以實時感知車內環境、時間、位置、情緒等多維度信息，提供更加精準的個性化推薦。當檢測到用戶在下班時間回家路上，系統會主動詢問是否播放用戶常聽的播客，而不是等待用戶手動操作。

端側方案為車企帶來了數據主權和隱私保護的價值。在數據安全法規日益嚴格的背景下，車內語音、視頻、位置軌跡等敏感數據的處理方式變得尤為關鍵。云端方案需要將這些數據上傳至服務器進行處理，增加了合規成本，也引發了用戶對隱私泄露的擔憂。端側方案可以將數據處理完全限制在車內，數據不出車。

每輛汽車都應該有一個智能中樞

李大海在采訪中總結車企對端側AI的核心訴求：更快、更主動、更聰明。當用戶說"有點冷"，系統需在數百毫秒內聯動空調、座椅加熱、方向盤加熱，且參數符合用戶歷史偏好。面壁通過端側模型優化，將平均響應時延控制在毫秒級以內。

雷升濤進一步解釋："云端模型若持續監控車內狀態，用戶會感到隱私被侵犯；而端側模型數據不出車，用戶才敢讓它standby。比如系統通過攝像頭感知到駕駛員打哈欠，主動調低空調溫度并播放提神音樂。"

面壁的端側模型能記住用戶偏好（如"空調23度但吹腳不吹臉"）、家庭關系（"孩子在后座時自動開啟兒童鎖"）、駕駛習慣（"高速時自動切換運動模式"），并通過OTA持續進化。

這種能力正在改變產業格局。面壁已與十幾個Tier1供應商達成合作，與高通、MTK等芯片廠商聯合發布"芯模一體"方案。李大海回應與華為、百度的競爭關系："我們是生態協同關系。鴻蒙座艙提供操作系統，但如果沒有AI就沒辦法給車主更好體驗。"

智能座艙的競爭正在經歷代際轉換。上半場比拼的是屏幕尺寸、芯片算力、應用數量的參數內卷，而下半場競爭焦點已轉向自然語言驅動的場景智能與任務能力競賽。面壁的端側路線恰逢其時——純云端架構無法滿足車企對實時性、隱私性、可控性的要求，而端側AI以其獨特優勢成為下一代智能座艙的必然選擇。

在高速公路上，當你感到疲憊打哈欠，系統會悄悄調低空調溫度、播放提神音樂，還會提醒你到前方服務區休息——它會預判用戶的狀態，而不是等到出錯才提醒。

在城市道路中，當導航提示前方擁堵，系統會主動詢問："要不要換個路線？新路線多走5公里但省20分鐘。"并且記住你的選擇，下次遇到類似場景直接執行。在停車場里如果下車后忘關車窗，系統會在車主離開車輛時提醒，甚至可以遠程幫你關閉。如果檢測到車內有寵物或兒童，系統會啟動空調并保持適宜溫度。

當事故真的發生，最慌亂的時候，系統已經在工作——觸發雙閃和車門鎖止，通過語音引導你拍攝車牌、碰撞位置等關鍵證據，手機端還會告訴你責任如何劃分、如何聯系保險，之后預約最近的維修點，并在下次啟動車輛時自動提醒保養。

小結：面壁智能通過"密度定律"和工程化能力構建的端側AI護城河，從純云端架構的體驗天花板，到端側部署的"不可能三角"，面壁用更高知識密度的模型和領先的Infra工程化能力，給出了一條可行路徑。

智能座艙的競爭焦點正在從參數內卷轉向體驗重構，端側AI以其獨特的實時性、隱私性和可控性優勢，正在成為下一代智能座艙的更好選擇。面壁通過車端-移動端-云端的分層協同，讓自然語言驅動的場景智能真正成為可量產、可審計、可持續的服務能力。