成立四年，面壁智能准备上市了。

8月11日，北京面壁智能科技股份有限公司完成IPO辅导备案，中信证券担任辅导机构。这家2022年从清华大学自然语言处理实验室走出来的大模型公司，正式迈出了上市的第一步。

在此之前，资本已经给出了不低的预期。

据公开报道，2026年上半年，面壁智能累计融资超过50亿元，投后估值超过200亿元，成为目前端侧智能领域公开估值最高的独角兽之一。

即便目前仍处于IPO辅导阶段，尚未披露招股书，面壁依然获得了很高的市场关注。

很大一部分原因，来自其持续押注的差异化路线：端侧大模型。

过去几年，主流大模型依赖云端算力完成推理，行业竞争也更多集中在参数、算力和模型能力上。

随着AI开始进入手机、汽车、PC和机器人，对响应速度、网络环境和数据隐私等方面提出了更高要求。

把部分模型能力直接部署在本地，开始成为智能终端厂商提升AI体验的重要路径。

面壁在这方面起步较早。

2024年，面壁推出MiniCPM，此后持续提高小参数模型的性能和部署效率，并推动其进入更多终端设备。

MiniCPM目前已在汽车、PC、具身智能等多个场景落地。

与此同时，芯片厂商、终端企业和大模型公司也开始加码端侧AI。

面壁早期押注的这条相对小众的技术路线，正在迎来更大的产业机会。

当端侧AI从技术选择逐渐走向规模应用，提前入局的面壁，究竟积累了哪些筹码？

清华底色，资本加码

面壁智能，和很多初创科技公司一样，身上有着浓重的“清华师门”标签。

公司最早的技术积累，可以追溯到清华大学自然语言处理实验室。

2020年，OpenAI发布GPT-3，参数规模和模型能力的跃升，让全球人工智能行业重新认识到预训练大模型的潜力。

同一年，刘知远团队在智源研究院与清华实验室的支持下，研发了中文预训练大模型CPM-1，成为国内较早探索大规模中文预训练模型的团队之一。

彼时参与其中的核心工程成员，就包括后来面壁智能的联合创始人兼CTO曾国洋。

曾国洋的履历颇具“天才少年”色彩。

8岁接触编程，17岁凭信息学奥赛金牌保送清华大学计算机系，高三就曾进入旷视实习。进入清华后，他加入自然语言处理实验室，先后参与CPM系列模型以及训练、推理工具研发。

2022年8月，刘知远、曾国洋等人将清华NLP实验室的相关技术成果进一步产业化，成立面壁智能。

这一年，曾国洋仅仅24岁，ChatGPT尚未发布。

2023年，ChatGPT爆火，国内迅速掀起“百模大战”，智谱、百川、MiniMax等创业公司相继获得大额融资，互联网巨头也纷纷下场。

当时，大模型迅速成为中国科技行业最拥挤的创业赛道之一，人才集聚，资本汹涌。

面壁同样获得了资本支持。

2023年4月，公司完成数千万元天使轮融资，由知乎领投，智谱AI跟投；同年6月，原知乎CTO李大海正式出任面壁智能CEO。

相比刘知远、曾国洋更鲜明的科研和工程背景，李大海更熟悉互联网产品、组织管理和商业化。

在行业普遍追逐更大参数和通用能力时，面壁开始调整自己的技术路线。

2023年下半年，团队开始把更多资源转向小参数、高效率模型。

到2024年2月，面壁正式推出MiniCPM-2B，以约24亿级参数规模挑战更大参数模型，端侧也由此逐渐成为公司最鲜明的技术标签。

MiniCPM发布两个多月后，面壁完成新一轮数亿元融资，由春华创投、华为哈勃联合领投，北京市人工智能产业投资基金等机构跟投。

此后，面壁融资开始提速。

2024年末至2025年，公司又连续完成多轮融资，龙芯创投、中关村科学城基金、茅台基金、国科投资、中金保时捷基金等不同背景的机构陆续进入。

2026年2月，中国电信领投新一轮融资；4月，深创投与汇川产投联合领投。7月披露的新一轮融资中，又出现了国家级基金、央企和汽车制造商等产业方。

如今，面壁的投资人结构正在变得越来越产业化。

随着MiniCPM逐渐进入汽车、PC、机器人等终端产品，面壁需要解决的问题，也从模型本身延伸到了芯片适配、终端部署和规模化应用。

这些正好是产业资本能够提供的资源。

中国电信入股后，双方的合作延伸至算力、网络和终端；汇川产投投资面壁，看中的则是MiniCPM在工业自动化、机器人以及智能硬件等场景中的适配能力。

对面壁而言，这些投资人既能提供产业资源，也可能成为模型进入更多终端的合作伙伴和入口，其价值已经超出资金本身。

而面壁真正与其他大模型创业公司拉开差异，也要从这款MiniCPM“小模型”说起。

小模型，大野心

面壁智能第一代MiniCPM只有约24亿参数。

在当时动辄百亿、千亿参数的大模型竞赛中，多少显得有些另类。

面壁想验证的是另一种可能：用更小的模型，保留接近大模型的能力。

按照MiniCPM团队披露的测试结果，第一代MiniCPM在多项能力上已经能够接近部分7B至13B参数模型。

模型规模缩小之后，需要的内存和算力随之下降，为进入手机、汽车等算力有限的设备创造了条件。

面壁把这套思路概括为“模型能力密度”。

简单来说，同样大小的模型，能够装下多少能力；达到相近的能力，又需要多少参数和算力。

对端侧设备而言，这个指标比单纯追求参数规模更实际。

云端可以通过增加服务器和GPU资源提升性能，但一部手机、一辆汽车或者一台机器人，芯片性能、内存和功耗都有明确上限。

在有限的硬件条件下提供足够强的模型能力，才是端侧大模型需要解决的问题。

此后两年，MiniCPM的迭代基本延续了这一思路。

最初的MiniCPM以文本能力为主，随后推出的MiniCPM-V逐渐加入视觉理解，后续版本又陆续补充语音、视频和实时交互能力。

模型能够处理的信息越来越丰富，但参数规模始终保持在相对有限的范围内。

今年发布的MiniCPM-o 4.5，可以在不足12GB内存的设备上实现实时全双工多模态交互；7月，面壁又推出了MiniCPM5-2B以及面向具身智能的VLA模型。

技术之外，MiniCPM也开始进入真实终端。

截至2026年6月底，MiniCPM系列开源模型累计下载量已经超过3800万次。

在汽车领域，面壁的端侧模型已经搭载吉利银河M9、长安马自达EZ-60等量产车型，公司预计到2026年底，搭载量将超过30万辆。

相比开源下载量，进入量产车型对一家端侧模型公司的考验要复杂得多。

不同车企采用的芯片、硬件平台和系统架构并不相同，模型进入车辆之后，还需要进一步完成压缩、适配和优化，并满足车企对响应速度、功耗、稳定性以及长期维护的要求。

这也意味着，端侧竞争最终比拼的不只是模型能力，还有工程能力。

目前，MiniCPM已经适配多类芯片平台，并与英特尔等企业展开合作，进一步进入PC、汽车及其他智能硬件。

从一款24亿参数的小模型，到进入量产汽车，并不断向PC、机器人等场景延伸，面壁真正积累的，已经不只是把模型做小的能力，还包括把模型装进不同硬件、最终实现规模交付的能力。

这也是衡量面壁商业模式潜力的重要依据。

商业闭环，逐渐成形

相比清晰的技术路线，面壁智能目前的商业化情况还难以从公开数据中完整判断。

不过，已经上市的智谱和MiniMax，可以提供一些参照。

2025年，智谱实现营收7.24亿元，同比增长131.9%。其中，本地化部署收入达到5.34亿元，占总收入约73.7%，仍是最主要的收入来源。云端API收入约1.90亿元，占比26.3%。

企业客户根据自身业务需求采购模型、部署及相关服务，构成了智谱目前商业化的主要基础。

MiniMax的商业模式则有所不同。

2025年，MiniMax实现收入7904万美元，同比增长158.9%，其中超过70%来自海外市场。收入增长主要来自海螺AI等AI原生产品的用户订阅，以及面向企业和开发者提供的模型服务。

两家公司虽然都以基础大模型为核心，但已经形成了不同的商业化路径。

相比之下，面壁正在探索的是另一种商业化路径。

MiniCPM主要面向汽车、PC、手机、机器人等终端，模型本身只是产品的一部分，还需要根据不同芯片、硬件和使用场景完成适配。

因此，从2024年开始推进商业化时，面壁采用了“NRE+License（工程开发费+授权费用）”的模式。

以汽车为例，车型开发阶段，面壁向客户收取NRE工程开发费用，用于模型适配和相关研发；车型正式量产后，再根据终端数量收取License授权费用，后续模型升级也可以形成新的收入。

这套模式的优势在于，一款模型完成前期开发和适配后，如果最终进入几十万辆汽车，授权收入可以随着终端销量增长，而不需要重复承担同等规模的开发成本。

前文提到的30万辆预计搭载量，也为这套模式的规模化验证提供了基础。

与此同时，为降低交付成本，面壁还在提高产品的标准化程度。

今年，公司与英特尔推出面向智能座舱的AI Box，将模型、运行环境和部分场景能力提前完成适配，希望减少车企重复开发的工作量。

对于面壁来说，标准化程度越高，同一套能力能够覆盖的客户和终端越多，研发和交付成本就越容易被摊薄。

汽车之外，PC、机器人乃至未来更多智能硬件，也存在类似的商业空间。

当然，这条路径的竞争也在持续升温。

手机厂商、车企乃至芯片企业都在强化端侧AI能力，一些大型终端企业本身就具备模型自研能力。

面壁要获得持续的授权收入，靠的就不能只是某一代MiniCPM的性能领先，还要看模型效率、芯片适配、工程部署、成本控制和持续迭代能力。

从目前的布局看，面壁的业务已经从模型研发进一步延伸至芯片适配、终端部署和授权许可，商业化链路逐渐清晰。

不过，从技术落地到形成规模收入，中间还有很长一段路，面壁智能的征程才刚刚开始。

来源：朝阳资本论