中国端侧大模型如何借汽车出海实现技术反向输出

2026年北京国际车展，智能化毫无争议地成为全场焦点。当行业仍在竞逐云端算力时，面壁智能这家大模型公司展示了一条颠覆性的技术路线：将AI“大脑”直接部署在汽车终端。这意味着，未来的车载智能系统能够彻底摆脱网络依赖，即便在隧道、山区或地下车库等信号盲区，也能实现毫秒级的实时响应与决策。

面壁智能联合创始人兼CEO李大海在车展现场提出了一个清晰的行业判断：大模型的终极形态将走向分化。云端模型致力于服务广阔的数字世界，而端侧模型则必须扎根于物理世界。汽车作为物理世界中最为复杂、交互最频繁的智能终端，自然成为端侧智能最关键的落地场景。依据其提出的“密度定律”，端侧模型的能力进化速度远超传统芯片的摩尔定律。未来，每一辆汽车都可能标配一个本地化、即时响应且充分保护隐私的“贾维斯”式AI伙伴。这一底层认知，构成了面壁从技术研发、量产落地到国内外市场拓展的核心逻辑。

车展亮相：一个“贾维斯”式智能体，如何重塑智能座舱体验？

本届车展，面壁智能正式发布了新一代端侧智能座舱解决方案——SuperMate。与行业普遍依赖云端的语音方案不同，SuperMate被定义为一个具备“无感智能”的车端智能体。它完全依靠本地车机算力运行，无需联网即可完成复杂的多模态环境感知、意图理解与车辆控制。

“传统语音交互类似‘问答式’操作，用户发出指令，系统进行回复。”面壁智能联合创始人兼COO雷升涛阐释道，“而面壁的全双工全模态大模型，能够实现‘边看、边听、边说’，多种感知与执行通道并行不悖。这样一来，汽车就从被动工具进化为能主动感知环境、理解驾乘者需求的智能伙伴。”

在实际场景演示中，SuperMate展现了出色的主动关怀能力：它能识别驾驶员疲劳的面部特征，监测后排儿童的不安全行为，甚至在乘客表示“有点晕车”时，系统可自动联动关闭部分车窗、调节空调风量与温度、并优化悬架阻尼，全程无需用户任何手动操作。

这种能力的背后，是面壁在底层技术上的持续突破。李大海指出，公司于2024年提出的“密度定律”揭示，大模型的知识密度提升速度比芯片摩尔定律快约5倍。“这意味着，一个80亿参数（8B）的端侧模型，如今已能处理相当复杂的场景任务。”他进一步强调，端侧智能的主战场是物理世界，而汽车对隐私安全、实时响应和系统可靠性的极致要求，正是云端方案难以完全满足的痛点。

基于此，面壁将SuperMate的核心能力架构归纳为三大支柱：永不离线的全模态感知、在端侧进行自主任务编排的“决策大脑”，以及一套模拟人类记忆分层机制的“个性化行为模式库”。

“我们构建的不是简单的‘记忆数据库’，而是一个属于车主个人的‘行为习惯库’。”雷升涛举例对比，“传统记忆可能会在你上车时询问：‘昨天您听了周杰伦，今天要继续吗？’而行为模式库的体验是无声的：当系统感知到你今天肩颈僵硬、神情疲惫，它会自动调暗座舱氛围灯，将空调设置到你偏好的温度，并播放你近期常听的舒缓歌单。”这种“不打扰的懂你”，正是面壁通过端侧模型与持续数据学习，希望为用户提供的终极体验。目前，该方案已搭载于长安马自达EZ-60、吉利银河M9等量产车型，并在车展现场开放体验。

路线选择：云端能力强大，为何面壁坚持“深耕”端侧？

在GPT-5、Gemini等云端巨模型吸引全球目光的当下，面壁智能选择将模型做小、并坚决部署于终端，这看似是一条“逆潮流”的路径。然而，这一战略选择的背后，是对汽车产业真实需求的深刻洞察与严密的商业思考。

李大海将这一切的起点，归于“密度定律”。该定律指出，在同等参数规模下，大模型的有效知识密度正以每3.5个月翻一番的速度增长。因此，一个经过精心优化与压缩的端侧小模型，其能力边界正在被快速拓宽。

由此推演，云端与端侧的未来将承担截然不同的使命：云端致力于处理数字世界的复杂逻辑与海量信息检索；而端侧则必须深入物理世界，完成实时交互、精准控制与隐私数据处理。汽车，作为对隐私、实时性和可靠性要求都极高的移动智能终端，无疑是端侧智能的“必争之地”。

雷升涛则从工程落地角度，指出了端侧方案必须破解的“不可能三角”：效果要好、速度要快、成本要低。“用户会下意识对比云端大模型的效果，车企客户则会严格要求比传统方案更快的响应速度与更低的硬件成本。”他坦言，面壁的破局之道在于，通过超高知识密度的模型架构设计，用远小于云端模型的参数量，实现媲美甚至超越的效果，同时将延迟和功耗控制在极低水平。

量产上车：从定点交付到生态共建，端侧AI已非“期货”

面壁的端侧技术路线并非停留在概念阶段，已进入规模化量产落地周期。公开信息显示，其智能座舱解决方案已在多家主流车企的多款车型上实现前装量产。

其中，长安马自达EZ-60已于2025年10月量产交付，成为行业首款将GUI Agent（图形界面智能体）能力带入量产乘用车的车型。吉利银河M9则在2025年9月正式发售，搭载了端侧视觉-语言-动作（VLA）大模型，实现了智能雾灯控制、自适应车窗升降以及儿童遗留监测等主动安全功能。此外，上汽大众、广汽集团等头部主机厂也已成为面壁的定点客户。

在产业生态建设上，面壁采取了开放合作的策略。其端侧模型已成功适配高通、英特尔、联发科、AMD、英伟达等主流车载芯片平台，并与德赛西威、中科创达、梧桐车联等顶级Tier1供应商建立了深度合作关系。尤为值得关注的是，面壁与英特尔联合开发的AIBox解决方案。该方案基于英特尔18A制程的Core Ultra平台，提供高达180 TOPS的稠密AI算力，并已全面适配面壁MiniCPM全系模型，成为全球首个实现大规模量产的车载AIBox产品。这标志着端侧大模型上车，已从技术验证迈向了规模化商业部署的新阶段。

海外布局：以技术代差赋能中国智能汽车“出海”

谈及海外市场拓展，雷升涛给出了积极的反馈：“我们的出海业务已经启动，并且进展超出预期。”他分析认为，中国在智能座舱和智能驾驶领域的整体发展水平，大约领先海外市场两到三年。这一“时间差”与“技术差”，构成了面壁与中国产业链伙伴共同出海的核心竞争优势。

“我们正与国内领先的芯片厂商和整车企业紧密协同，将在中国市场经过充分打磨和批量验证的端侧智能座舱方案，系统性地推向全球市场。”雷升涛表示。从更宏观的产业视角看，端侧大模型正在成为中国汽车出口的新一代“软件溢价”点。过去，中国汽车依靠成本与制造优势打开国际市场；而在AGI（通用人工智能）时代，“出厂即配备一个本地化、无需联网、高隐私保护的AI助手”，正成为吸引全球消费者的新价值标签与差异化卖点。

李大海补充道，面壁的出海策略并非简单复制国内产品，而是与合作伙伴共同针对海外市场的语言习惯、文化差异、法律法规、道路环境及隐私合规要求进行深度定制与适配，实现“技术领先性”与“本地化落地”的双轮驱动。

未来趋势：舱驾融合、端云协同与主动智能演进

面对行业热议的“舱驾融合”趋势，面壁提出了层次分明的见解。李大海认为，需要区分“芯片层融合”与“业务层融合”。在芯片层面，集成更高算力的域控制器或中央计算平台是明确趋势；但在主机厂内部组织架构上，由于智能座舱与自动驾驶的业务目标、安全等级认证和开发迭代周期存在差异，短期内仍可能由相对独立的团队负责。

然而，这并不妨碍两者在用户体验层面实现高效协同。雷升涛举例说明：“当用户发出‘把车停到海边那个黄色车位上’的指令时，就需要座舱系统先理解自然语言中的复杂意图（海边、黄色、车位），再由智驾系统执行具体的路径规划与自动泊车操作，这就是典型的舱驾协同场景。”

展望更远的未来，汽车将“进化成一个能够自主移动的智能机器人”。智能座舱不仅服务于车内乘员，也将为自动驾驶系统提供必要的情景感知、人机交互与协同决策，最终迈向“舱驾一体”的完整智能体形态。

在整体技术架构上，面壁明确了“端侧主内、云侧主外”的协同模式。端侧如同汽车的“小脑”与“神经系统”，专注于车内的实时多模态感知、隐私数据处理和瞬时车辆控制，确保敏感数据不出车、响应延迟在百毫秒内。云端则扮演“大脑”与“知识库”角色，处理需要广域信息检索、复杂逻辑推演与长期轨迹规划等对实时性要求相对较低但计算密集的任务。二者并非替代关系，而是互补共生、协同进化的有机整体。

端侧智能，正在重塑汽车行业的价值链条与竞争格局

从本届北京车展可以清晰地洞察到，汽车智能化的竞争维度正在发生深刻变革：从依赖网络连接的“在线智能”，走向独立自主的“离线智能”；从需要唤醒的“被动应答”，走向洞察需求的“主动服务”；从堆砌硬件参数的“配置竞赛”，走向理解用户场景的“体验竞赛”。

面壁智能所坚持的端侧路线，精准命中了汽车产业的两个核心诉求：一是终端用户对数据隐私安全和即时交互响应的天然刚需，二是主机厂对系统成本可控性、功能可靠性与商业独立性的深层考量。现实情况是，如果每次交互都依赖云端，海量的用户隐私数据流转将构成巨大的潜在风险；而在网络盲区，云端智能则会立刻失效。端侧模型，为这些行业痛点提供了一个切实可行的工程化解决方案。

与此同时，面壁所探索的“高知识密度端侧模型”技术路径，也为全球大模型与人工智能的发展提供了另一种思路与范式：并非所有智能都需要万亿参数，有时，最贴心、最可靠、最有效的智能，恰恰是那个时刻陪伴在身边、默默工作、深度理解你的“小而美”的智能伙伴。正如李大海所展望的：“我们的终极愿景，是让未来的每一辆智能汽车，都拥有一个专属于车主、如影随形的‘贾维斯’。”