太平洋科技 出行

"进了地库信号不好，语音开空调失败，用户会觉得是网络不好，还是车不够聪明？"在2026年北京车展现场，面壁智能联合创始人李大海提到一个典型场景。纯云端架构的体验极限已经被锁死，当网络稍有波动，用户等到的就是"系统繁忙"而不是"正在理解你"。当自然语言开始承担跨功能调用、连续追问和多服务编排后，任何显著的网络延迟都容易被理解为"车不够聪明"。

与手机端零散调用不同，车内语音、多模态识别、状态问答等交互一旦高频发生，就会形成持续API成本和推理支出。对于以年为周期交付、要求长期服务可持续的汽车业务来说，云成本是长期经营模型问题。

清华大学孙茂松、刘知远团队提出的"密度定律"为面壁智能提供了破局思路。模型能力密度的提升速度超过摩尔定律——更强不一定意味着更大，关键在于单位参数能释放出多高的有效智能。用棉花与黄金的密度比喻，行业需要从追求"棉花体积"转向追求"黄金密度"。

面壁智能联合创始人& CEO 李大海

面壁智能联合创始人& CEO 李大海在接受太平洋科技的采访中说："我们坚持端侧大模型路线，因为端侧在终局是不可或缺的。端侧模型奔向物理世界，云侧模型奔向逻辑世界，两者是协同而非替代关系。"

面壁智能联合创始人& COO 雷升涛

端侧AI上车需要跨越"效果-成本-速度"构成的"不可能三角"：效果要足够好，成本要足够低，速度要足够快。车规级产品与消费电子产品在稳定性、热管理与寿命要求上不在同一量级。车规级环境温度范围通常要求-40℃至85℃，远超消费电子的0℃至35℃；在振动、冲击、电磁兼容性等指标上，车规标准也严苛数倍。端侧模型不仅要够小，还要在极端环境下保持稳定运行，这对模型架构和系统设计提出了更高要求。

面壁智能联合创始人& COO 雷升涛在采访中坦言：Infra工程化能力是面壁最核心的护城河。"云端训练的模型要塞进车端芯片，需要量化（16位变4位/8位甚至2位）、加速推理等一系列工程化处理。"量化会带来精度损失，如何在精度下降后还能保持智能，是巨大工程挑战。

密度定律：端侧突围的理论支点

雷升涛在采访中透露，即使其他大模型厂商下来做端侧，这块Infra优势面壁也领先。面壁通过自研稀疏-线性注意力架构，使神经元仅需激活部分比例，解码速度有显著提升。将云端模型压缩至车端的过程，需要量化、稀疏化、推理加速等技术组合。雷升涛说到："即使其他芯片厂商拿到模型权重，也无法复现我们的端侧推理效率。"目前面壁已完成高通8295/8538/8397、MTK 8676/8678等5款主流座舱芯片的量产级适配，6款AIBox商业化适配，已有三个汽车品牌进入量产。

量化让车企用更小的NPU实现同样的智能效果；稀疏化让有限算力支持更多并发任务；推理加速确保端侧模型满足实时性要求。

事故处理智能体是这套体系的能力验证，这个看似低频的功能，实则是端侧AI的"压力测试"：事故发生时，系统需在毫秒级完成碰撞严重性判断、环境风险评估，触发双闪、车门锁止等车控指令；用户下车后，手机端接力提供取证指引和责任预判；回到车内，系统通过语音语气和面部表情识别进行情绪安抚，并自动预约维修、归档事故档案。

面壁汽车产品负责人钱冰沁在一次闭门会上说过："高焦虑、高不确定、高成本的场景最能检验系统真实能力。高频场景容易被单点功能覆盖，但事故场景要求系统同时具备感知、判断、跨设备协同、专业服务、情绪处理和记忆沉淀等多项能力。"目前该功能已在长安马自达、吉利银河M9等量产车型落地。

但事故处理只是端侧AI能力的冰山一角，日常高频场景的持续优化价值更大。以语音交互为例，传统的云端方案需要在每次请求时将语音数据上传至服务器，识别后再返回结果，这个过程在网络良好时也需要数百毫秒。而面壁的端侧方案可以将整个流程压缩到毫秒级以内，端侧模型能够持续学习用户的语音特征和表达习惯，随着时间的推移，识别准确率会不断提升。

在推荐场景中，云端方案通常基于用户的历史行为数据进行全局优化，但这种优化往往滞后于用户的即时需求。端侧模型可以实时感知车内环境、时间、位置、情绪等多维度信息，提供更加精准的个性化推荐。当检测到用户在下班时间回家路上，系统会主动询问是否播放用户常听的播客，而不是等待用户手动操作。

端侧方案为车企带来了数据主权和隐私保护的价值。在数据安全法规日益严格的背景下，车内语音、视频、位置轨迹等敏感数据的处理方式变得尤为关键。云端方案需要将这些数据上传至服务器进行处理，增加了合规成本，也引发了用户对隐私泄露的担忧。端侧方案可以将数据处理完全限制在车内，数据不出车。

每辆汽车都应该有一个智能中枢

李大海在采访中总结车企对端侧AI的核心诉求：更快、更主动、更聪明。当用户说"有点冷"，系统需在数百毫秒内联动空调、座椅加热、方向盘加热，且参数符合用户历史偏好。面壁通过端侧模型优化，将平均响应时延控制在毫秒级以内。

雷升涛进一步解释："云端模型若持续监控车内状态，用户会感到隐私被侵犯；而端侧模型数据不出车，用户才敢让它standby。比如系统通过摄像头感知到驾驶员打哈欠，主动调低空调温度并播放提神音乐。"

面壁的端侧模型能记住用户偏好（如"空调23度但吹脚不吹脸"）、家庭关系（"孩子在后座时自动开启儿童锁"）、驾驶习惯（"高速时自动切换运动模式"），并通过OTA持续进化。

这种能力正在改变产业格局。面壁已与十几个Tier1供应商达成合作，与高通、MTK等芯片厂商联合发布"芯模一体"方案。李大海回应与华为、百度的竞争关系："我们是生态协同关系。鸿蒙座舱提供操作系统，但如果没有AI就没办法给车主更好体验。"

智能座舱的竞争正在经历代际转换。上半场比拼的是屏幕尺寸、芯片算力、应用数量的参数内卷，而下半场竞争焦点已转向自然语言驱动的场景智能与任务能力竞赛。面壁的端侧路线恰逢其时——纯云端架构无法满足车企对实时性、隐私性、可控性的要求，而端侧AI以其独特优势成为下一代智能座舱的必然选择。

在高速公路上，当你感到疲惫打哈欠，系统会悄悄调低空调温度、播放提神音乐，还会提醒你到前方服务区休息——它会预判用户的状态，而不是等到出错才提醒。

在城市道路中，当导航提示前方拥堵，系统会主动询问："要不要换个路线？新路线多走5公里但省20分钟。"并且记住你的选择，下次遇到类似场景直接执行。在停车场里如果下车后忘关车窗，系统会在车主离开车辆时提醒，甚至可以远程帮你关闭。如果检测到车内有宠物或儿童，系统会启动空调并保持适宜温度。

当事故真的发生，最慌乱的时候，系统已经在工作——触发双闪和车门锁止，通过语音引导你拍摄车牌、碰撞位置等关键证据，手机端还会告诉你责任如何划分、如何联系保险，之后预约最近的维修点，并在下次启动车辆时自动提醒保养。

小结：面壁智能通过"密度定律"和工程化能力构建的端侧AI护城河，从纯云端架构的体验天花板，到端侧部署的"不可能三角"，面壁用更高知识密度的模型和领先的Infra工程化能力，给出了一条可行路径。

智能座舱的竞争焦点正在从参数内卷转向体验重构，端侧AI以其独特的实时性、隐私性和可控性优势，正在成为下一代智能座舱的更好选择。面壁通过车端-移动端-云端的分层协同，让自然语言驱动的场景智能真正成为可量产、可审计、可持续的服务能力。