告別“對(duì)講機(jī)”時(shí)代：面壁智能給 AI 裝上了“神經(jīng)末梢”

作者 | 王啟隆

出品丨AI 科技大本營(yíng)（ID：rgznai100）

2026 年初的科技圈發(fā)生了一個(gè)很有意思的現(xiàn)象：二手市場(chǎng)上的 Mac Mini 突然成了理財(cái)產(chǎn)品，價(jià)格一路飆升。

名為 OpenClaw（以及其前身 Moltbot）的開(kāi)源項(xiàng)目在 GitHub 上爆火，一夜之間，全球的開(kāi)發(fā)者和極客們似乎達(dá)成了一種共識(shí)：我們不再滿足于在網(wǎng)頁(yè)框里和 ChatGPT 聊天，我們需要一個(gè) Agent（智能體），一個(gè)能接管我的鼠標(biāo)鍵盤、能幫我整理本地文件、能像私人管家一樣處理繁雜事務(wù)的“數(shù)字分身”。

但這股狂熱背后，很快就暴露出了一個(gè)巨大的邏輯黑洞。

當(dāng)你興奮地在本地部署好 OpenClaw，看著它接管你的電腦時(shí)，你很快會(huì)發(fā)現(xiàn)——這個(gè)所謂的“本地管家”，本質(zhì)上是一個(gè)把你的隱私數(shù)據(jù)打包發(fā)送給云端 API 的搬運(yùn)工。每一次屏幕截圖的分析，每一次語(yǔ)音指令的理解，都要跨越幾千公里的光纜，傳到某個(gè)不知名的數(shù)據(jù)中心，計(jì)算完再傳回來(lái)。

延遲、隱私泄露、斷網(wǎng)即智障。這三個(gè)幽靈，讓所謂的“個(gè)人智能”變成了一個(gè)隨時(shí)可能斷線的風(fēng)箏。

也是在這個(gè)時(shí)間節(jié)點(diǎn)，我走進(jìn)了五道口科建大廈。比起外面對(duì)于 Agent 概念的狂熱追捧，這里正在進(jìn)行的一場(chǎng)發(fā)布顯得有些“反潮流”。DeepSeek、Qwen、GLM 皆有消息要在近期發(fā)布大參數(shù)模型，而面壁智能則是一如既往地掏出了一個(gè)僅有 9B（90億參數(shù)）的小模型 MiniCPM-o 4.5，以及一塊看起來(lái)樸實(shí)無(wú)華的硬件開(kāi)發(fā)板 松果派（Pinea Pi）。

他們?cè)噲D回答的問(wèn)題，正是當(dāng)今熱潮下最被忽視的那個(gè)痛點(diǎn)：如果 AI 真的要接管我們的生活，它能不能把“腦子”長(zhǎng)在它自己的“身體”里？

這場(chǎng)對(duì)話，無(wú)關(guān)乎誰(shuí)的模型跑分更高，而關(guān)乎 AI 進(jìn)化的下一個(gè)分支——從“云端的神諭”變成“指尖的直覺(jué)”。

告別“對(duì)講機(jī)”：當(dāng) AI 終于學(xué)會(huì)了“被插嘴”

在很長(zhǎng)一段時(shí)間里，人與 AI 的語(yǔ)音交互——無(wú)論是 Siri 還是早期的 GPT-4o 語(yǔ)音模式——都被困在一個(gè)名為“回合制”的牢籠里。

這種體驗(yàn)就像是使用老式的軍用對(duì)講機(jī)：你說(shuō)完一句話，必須停頓，等待 VAD（語(yǔ)音活動(dòng)檢測(cè)）算法判定你“閉嘴”了，它才切斷麥克風(fēng)，把聲音發(fā)給云端。云端處理完，再把回復(fù)發(fā)回來(lái)。

AI 在“說(shuō)話”的時(shí)候，它的耳朵是聾的。

在面壁智能的演示現(xiàn)場(chǎng)，清華大學(xué)人工智能學(xué)院助理教授、面壁智能多模態(tài)首席科學(xué)家姚遠(yuǎn)向我們展示了什么叫“全雙工”（Full-duplex）。這不僅僅是一個(gè)通信術(shù)語(yǔ)，它是讓 AI 從“機(jī)器”變成“人”的關(guān)鍵一躍。

演示的場(chǎng)景非常生活化：一個(gè)人在白板上隨意涂鴉，一邊畫(huà)一邊跟 AI 閑聊。

畫(huà)筆剛剛落下幾根起伏的波浪線，MiniCPM-o 4.5 的聲音就響起了：“看這線條的走勢(shì)，你是打算畫(huà)一片大海嗎？”

畫(huà)畫(huà)的人并沒(méi)有停筆，也沒(méi)有按任何暫停鍵，只是隨口回了一句：“沒(méi)，你再看看。”

在傳統(tǒng)的交互邏輯里，這句話大概率會(huì)被 AI 忽略，或者因?yàn)?AI 正在說(shuō)話而造成識(shí)別沖突。但在這里，AI 幾乎是毫秒級(jí)地改了口：“哦！看見(jiàn)那兩個(gè)圓圓的眼睛了，原來(lái)是個(gè)卡通小人啊，這表情看著挺樂(lè)呵。”

這個(gè)過(guò)程沒(méi)有那個(gè)“看門人”。MiniCPM-o 4.5 實(shí)現(xiàn)了真正的“感知不中斷”——它的“眼睛”和“耳朵”是常開(kāi)的。即使它自己正在說(shuō)話，它也能同時(shí)聽(tīng)到你的插話，或者看到畫(huà)面的變化，并實(shí)時(shí)決定是閉嘴傾聽(tīng)，還是調(diào)整話術(shù)。

官方將這種能力總結(jié)為“邊看、邊聽(tīng)、主動(dòng)說(shuō)”。

這背后的技術(shù)難度極高。模型需要在一個(gè)統(tǒng)一的時(shí)間軸上，同時(shí)處理輸入的視頻流、音頻流和輸出的語(yǔ)音流、文本流。面壁智能通過(guò)“時(shí)分復(fù)用”機(jī)制，將并行的全模態(tài)流劃分為微小的時(shí)間片，讓 9B 的小模型也能像雜技演員一樣，同時(shí)拋接好幾個(gè)球。

這帶來(lái)的改變是顛覆性的。AI 不再是一個(gè)需要你按鍵觸發(fā)的工具，它變成了一個(gè)始終在線的觀察者。

它每秒鐘都在以 1Hz 的頻率進(jìn)行決策：現(xiàn)在的環(huán)境變化重要嗎？值得我打斷主人嗎？

這種混亂、實(shí)時(shí)、多并發(fā)的交流，才是真實(shí)世界的本來(lái)面目。如果不打破“回合制”的枷鎖，AI 永遠(yuǎn)只能是像《鋼鐵俠》里早期的機(jī)械臂，而不是那個(gè)隨時(shí)能吐槽、隨時(shí)能幫忙的賈維斯。

GitHub：https://github.com/OpenBMB/MiniCPM-o

Hugging Face: https://huggingface.co/openbmb/MiniCPM-o-4_5

ModelScope: https://www.modelscope.cn/models/OpenBMB/MiniCPM-o-4_5

9B 的反擊：用“密度法則”對(duì)抗“暴力美學(xué)”

這次發(fā)布的另一個(gè)爭(zhēng)議點(diǎn)在于參數(shù)量。在各家大廠都在卷千億甚至萬(wàn)億參數(shù)的當(dāng)下，面壁為什么死磕 9B 這個(gè)小尺寸？

在與清華大學(xué)計(jì)算機(jī)系長(zhǎng)聘教授、面壁智能首席科學(xué)家劉知遠(yuǎn)教授的交流中，他詳細(xì)解釋了一遍面壁智能看家的核心理論：Densing Law（密度法則）。

劉教授現(xiàn)場(chǎng)畫(huà)了個(gè)圖，講解兩個(gè) Law 之間的關(guān)系

過(guò)去幾年，行業(yè)里信奉的是 Scaling Law（尺度法則），簡(jiǎn)單說(shuō)就是大力出奇跡，模型越大越聰明。這就像早期的計(jì)算機(jī)，為了更強(qiáng)的算力，把機(jī)器造得像房子一樣大。

“Scaling Law 并沒(méi)有失效，但我們不能只看這一條路。” 劉知遠(yuǎn)認(rèn)為，AI 的發(fā)展正在進(jìn)入“摩爾定律”時(shí)刻。芯片的性能提升不是靠把芯片做成足球場(chǎng)那么大，而是靠更先進(jìn)的光刻機(jī)，在指甲蓋大小的地方塞進(jìn)更多的晶體管。

同理，AI 的未來(lái)不在于把模型做得無(wú)限大，而在于提高“知識(shí)密度”。

“我們要做大模型界的光刻機(jī)。”這是面壁智能內(nèi)部的一個(gè)核心信條。按照他們的測(cè)算，大模型的知識(shí)密度現(xiàn)在大約每 100 天就能翻一倍。這意味著，今天 9B 模型能做到的事情——全模態(tài)理解、高刷視覺(jué)識(shí)別、端到端語(yǔ)音對(duì)話——可能相當(dāng)于一年前 70B 甚至更大模型的能力。

僅靠 9B 參數(shù)，在全模態(tài)、視覺(jué)理解、文檔解析、語(yǔ)音理解和生成、聲音克隆等方方面面，均做到了全模態(tài)模型 SOTA 水準(zhǔn)

MiniCPM-o 4.5 就是這個(gè)理論的最新產(chǎn)物。它把視覺(jué)理解、文檔解析、語(yǔ)音理解和生成、聲音克隆等能力 All in One，塞進(jìn)了一個(gè) 9B 的軀殼里。

這個(gè)判斷極其關(guān)鍵。因?yàn)?strong>只有模型足夠小，它才能跑在你的手機(jī)上，跑在你的車機(jī)里，跑在機(jī)器人那顆并不算強(qiáng)大的芯片上。

李大海在采訪中也直言：“純?cè)贫说姆桨福瑳](méi)法解決隱私和延遲。”

回到開(kāi)頭 OpenClaw 的例子。為什么大家那么渴望本地運(yùn)行？因?yàn)檎l(shuí)也不想把自己的銀行賬單、私人郵件傳到云端。而對(duì)于未來(lái)的機(jī)器人、智能眼鏡來(lái)說(shuō)，如果每做一個(gè)動(dòng)作都要把視頻傳到云端分析，那個(gè)高昂的推理成本和帶寬成本，足以讓任何一家商業(yè)公司破產(chǎn)。

面壁在賭一個(gè)未來(lái)：最極致的智能，一定是在端側(cè)的。 它不需要無(wú)所不知（那些百科全書(shū)式的知識(shí)可以偶爾問(wèn)問(wèn)云端），但它必須反應(yīng)極快、極其懂你、并且絕對(duì)安全。

松果派：一家模型公司的“越界”陽(yáng)謀

如果說(shuō) MiniCPM-o 4.5 是面壁打造的“靈魂”，即將在今年年中發(fā)布的“松果派”（Pinea Pi）就是他們?cè)噲D定義的“軀體”。

這在行業(yè)里其實(shí)是個(gè)挺“非主流”的動(dòng)作。一家做算法模型的軟件公司，突然發(fā)了個(gè)硬件開(kāi)發(fā)板。通常我們認(rèn)為，軟件公司做硬件，要么是想通過(guò)賣硬件賺錢（像蘋果），要么是軟件賣不動(dòng)了想換個(gè)賽道。

那么，這究竟是一款什么樣的硬件？

從拆解結(jié)構(gòu)來(lái)看，松果派與其說(shuō)是一塊像樹(shù)莓派那樣的“裸板”，不如說(shuō)是一個(gè)高度集成的“AI 智能體原生套件”。

它的核心是一顆算力澎湃的 Orin AGX 64G 模組，這為端側(cè)運(yùn)行 9B 這樣參數(shù)規(guī)模的模型提供了物理保障。但不同于傳統(tǒng)開(kāi)發(fā)板需要你自己去買攝像頭、配麥克風(fēng)、還要被各種驅(qū)動(dòng)兼容性折磨，松果派直接在機(jī)身頂端集成了高清攝像頭和環(huán)形麥克風(fēng)陣列，并配備了主動(dòng)散熱風(fēng)扇以及 HDMI、Type-C、USB-A 和千兆網(wǎng)口等豐富接口。

換句話說(shuō)，這是一個(gè)“開(kāi)箱即用的物理大腦”。通電的一瞬間，住在里面的 MiniCPM-o 4.5 就擁有了眼睛和耳朵，能聽(tīng)能看。對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，這意味著你不需要懂復(fù)雜的硬件電路，只需要把它像樂(lè)高積木一樣塞進(jìn)機(jī)器狗、服務(wù)機(jī)器人或者智能座艙里，你的設(shè)備就立刻擁有了理解世界的能力。

面壁 COO 雷升濤在現(xiàn)場(chǎng)講了一個(gè)真實(shí)的故事。他們之前給一家車企做“遺留物提醒”功能——就是當(dāng)你下車時(shí)，如果手機(jī)忘在車?yán)锪耍嚈C(jī)要提醒你。

一開(kāi)始，他們把模型部署上去，延遲高達(dá) 4 秒。

你想想這個(gè)場(chǎng)景：你關(guān)上車門，走了兩步，甚至都進(jìn)電梯了，車機(jī)才慢悠悠地喊一聲“手機(jī)忘拿了”。這功能有啥用？

這 4 秒里，模型推理其實(shí)只占了一小部分時(shí)間。大量的時(shí)間被浪費(fèi)在了攝像頭數(shù)據(jù)的采集、編碼、傳輸、解碼，以及芯片內(nèi)存的搬運(yùn)上。因?yàn)楝F(xiàn)有的硬件架構(gòu)，壓根就不是為這種“流式全模態(tài)”模型設(shè)計(jì)的。芯片廠商設(shè)計(jì)芯片時(shí)，想的是怎么解碼高清電影，怎么跑王者榮耀，而不是怎么讓一個(gè)大模型同時(shí)處理視頻流和音頻流。

為了解決這個(gè)問(wèn)題，他們不得不深入到底層，跟芯片廠商一起改驅(qū)動(dòng)、改架構(gòu)，把延遲硬生生從 4 秒壓到了 1 秒以內(nèi)。

這讓他們意識(shí)到一個(gè)問(wèn)題：如果沒(méi)有一個(gè)好的“身體”，再聰明的“大腦”也發(fā)揮不出來(lái)。

松果派的存在，就是為了“打個(gè)樣”。

它不是為了跟樹(shù)莓派搶極客市場(chǎng)，而是為了給整個(gè)行業(yè)——給開(kāi)發(fā)者，也給芯片廠商——定義一種標(biāo)準(zhǔn)：什么樣的硬件才叫 Model-Native（模型原生）？

在這個(gè)板子上，MiniCPM-o 4.5 可以跑得飛快，視頻流的處理路徑是最短的，內(nèi)存的占用是極致優(yōu)化的。他們希望通過(guò)這個(gè)板子，告訴所有的硬件廠商：“看，路要這么修，車才能跑得快。”

這一招其實(shí)是“陽(yáng)謀”。面壁通過(guò)開(kāi)源模型和參考硬件，正在構(gòu)建一個(gè)龐大的端側(cè)生態(tài)。我們可以看到，MiniCPM-o 4.5 已經(jīng)基于統(tǒng)一系統(tǒng)軟件棧眾智 FlagOS，在天數(shù)智芯、華為昇騰、平頭哥、海光、沐曦等 6 款國(guó)產(chǎn)主流芯片上獲得了端到端推理性能的提升。

具身智能的“最后一公里”：1Hz vs 10Hz

如果現(xiàn)在把一群 AI 圈的人放在一個(gè)房間里聊天，話題經(jīng)常會(huì)自然延伸到那個(gè)終極科幻場(chǎng)景——機(jī)器人。

現(xiàn)在的機(jī)器人行業(yè)，其實(shí)挺尷尬的。做本體的廠商（波士頓動(dòng)力那些）把運(yùn)動(dòng)控制做得爐火純青，機(jī)器人能空翻、能跳舞。但如果你讓它“去廚房把那個(gè)紅色的杯子拿來(lái)”，它可能就傻了。

因?yàn)樗邪l(fā)達(dá)的小腦（運(yùn)動(dòng)控制），卻缺一個(gè)聰明的大腦（理解與決策）。

李大海在采訪中提出了一個(gè)非常精準(zhǔn)的“頻率分層理論”，即“1Hz vs 10Hz”。

“機(jī)器人的運(yùn)動(dòng)控制，比如保持平衡、抓取物體，屬于 10Hz 甚至更高頻的直覺(jué)反應(yīng)。”李大海解釋道，“這部分也就是我們常說(shuō)的‘小腦’，目前行業(yè)解決得已經(jīng)不錯(cuò)了。但真正的瓶頸在于 1Hz 的智能。”

什么是 1Hz 的智能？

它是深度思考，是規(guī)劃，是對(duì)環(huán)境的復(fù)雜理解。當(dāng)你告訴機(jī)器人“我渴了”，它需要理解這句話背后的意圖（找水），環(huán)顧四周確認(rèn)杯子的位置（感知），規(guī)劃一條避開(kāi)障礙物的路線（規(guī)劃）。

“現(xiàn)在的機(jī)器人，往往是 10Hz 很強(qiáng)，1Hz 很弱。”姚遠(yuǎn)補(bǔ)充道。這就導(dǎo)致了一個(gè)尷尬的現(xiàn)狀：機(jī)器人能精準(zhǔn)地把杯子拿起來(lái)，但它不知道該去拿哪個(gè)杯子，或者在聽(tīng)到門鈴響時(shí)不知道該先去開(kāi)門還是繼續(xù)倒水。

MiniCPM-o 4.5 的出現(xiàn)，本質(zhì)上就是試圖成為那個(gè)通用的 1Hz 大腦。

它不僅僅是一個(gè)聊天軟件，它更像是一個(gè)通用的“感知中樞”。當(dāng)把它裝進(jìn)機(jī)器人里，機(jī)器人就不再是一個(gè)瞎子和聾子。它可以一邊走（小腦控制），一邊看路邊的障礙物，一邊聽(tīng)主人的指令，一邊思考該怎么規(guī)劃路線（大腦控制）。

而且，因?yàn)樗嵌藗?cè)模型，這一切都不需要依賴不穩(wěn)定的 Wi-Fi 網(wǎng)絡(luò)。即使在沒(méi)有信號(hào)的地下室，或者在火星上，這個(gè)機(jī)器人依然是有智慧的。

這種“端側(cè)大腦 + 本地小腦”的架構(gòu)，或許才是具身智能走出實(shí)驗(yàn)室、進(jìn)入家庭的唯一解。

那么，當(dāng)大廠也開(kāi)始下場(chǎng)做手機(jī)助手、做端側(cè)模型時(shí)，創(chuàng)業(yè)公司的護(hù)城河究竟有多深？

李大海在現(xiàn)場(chǎng)的回答顯示出一種難得的清醒：“我們不打陣地戰(zhàn)。”

他把 AI 市場(chǎng)分為了兩類：

• 一類是 通用搜索與問(wèn)答，這是巨頭的必爭(zhēng)之地。無(wú)論是 ChatGPT 還是豆包，本質(zhì)上都是在搶占下一個(gè)時(shí)代的搜索入口。這是一個(gè)贏家通吃的統(tǒng)一市場(chǎng)，創(chuàng)業(yè)公司進(jìn)去大概率是炮灰。

• 另一類是端側(cè)智能，這是一個(gè)高度碎片化的市場(chǎng)。

“端側(cè)市場(chǎng)不是鐵板一塊。”李大海分析道，“汽車、手機(jī)、PC、機(jī)器人、甚至智能眼鏡，每一個(gè)終端的硬件架構(gòu)不同，使用場(chǎng)景不同，用戶的隱私需求也不同。”

在這個(gè)碎片化的戰(zhàn)場(chǎng)里，巨頭的“通用大模型”往往因?yàn)樗敛环y以落地。你不能直接把一個(gè)千億參數(shù)的模型塞進(jìn)車機(jī)里，也不能指望一套標(biāo)準(zhǔn) API 適配所有的機(jī)器人底盤。

這就給面壁留出了巨大的“修路”空間。

他們?cè)敢飧煽嗷罾刍睿喝ミm配幾十種不同的芯片，去壓榨每一毫秒的延遲，去設(shè)計(jì)松果派這樣的參考硬件。這些工作瑣碎、繁重，但一旦做成，就會(huì)形成極高的壁壘。

MiniCPM-o 4.5 已經(jīng)支持了 16 種不同大小的 int4 和 GGUF 量化模型，通過(guò) llama.cpp 和 Ollama 就能在本地設(shè)備上高效推理。這種極致的工程化能力，正是面壁在“夾縫”中生長(zhǎng)出來(lái)的根系。

“我們是在制造大模型時(shí)代的 ‘光刻機(jī)’，也是在鋪設(shè)端側(cè)智能的 ‘高速公路’。”

當(dāng)開(kāi)發(fā)者習(xí)慣了在松果派上開(kāi)發(fā)，當(dāng)車企習(xí)慣了 MiniCPM 的低延遲，當(dāng)機(jī)器人廠商習(xí)慣了 1Hz 的智能分層，面壁智能就不再只是一個(gè)賣模型的公司，而是成為了端側(cè)生態(tài)的基礎(chǔ)設(shè)施。

走出科建大廈的時(shí)候，天色已晚。北京的寒風(fēng)中，路邊的大屏幕上正播放著某大廠“全知全能”AI 的廣告。而在我身后這間普通的會(huì)議室里，一群人正在試圖把 AI 從神壇上拉下來(lái)，塞進(jìn)芯片，塞進(jìn)板卡，塞進(jìn)每一個(gè)具體的、微小的設(shè)備里。

OpenClaw 掀起的 Agent 熱潮或許只是一個(gè)序幕，而真正的故事，可能就始于這塊不起眼的開(kāi)發(fā)板和這個(gè)只有 9B 大小的模型。這不僅是一場(chǎng)技術(shù)的突圍，更是一場(chǎng)關(guān)于 AI 究竟該屬于“巨頭”還是屬于“個(gè)體”的權(quán)利爭(zhēng)奪戰(zhàn)。