蘋果國行 AI 刷屏之外，三星也把端側大腦交給國產 AI

今年 WAIC 最火爆的展區，除了機器人就是 AI 手機了。

更重磅的消息，發生在世博展覽館之外——7 月 15 日，國家互聯網信息辦公室公布新一批手機端側生成式人工智能服務備案。

蘋果智能、三星蓋樂世 AI、華為小藝、OPPO AndesGPT、vivo 藍心端側大模型、小米澎湃 AI 和努比亞豆包手機大模型等 7 款產品獲批。

真正可能最快把 AI 帶到普通人身邊的設備，未必在展臺上，反而就在每個人的口袋里。

其中最受矚目的自然是 Apple Intelligence，國行 iPhone 用戶真的等得太久了。隨著備案落定，用戶對手機 AI 的好奇，也越來越具體：Siri 什么時候才能真正聽懂上下文？AI 會怎么樣跨應用完成任務？它讀取照片、日程和聊天記錄時，數據是否必須上傳云端？

這些能力又是否足以成為更換一部新手機的理由？自發布以來，市場一直期待 AI 成為下一輪 iPhone 換機和生態升級的理由。IDC 在 WWDC 2026 后判斷，更完整的 Apple Intelligence 將增強新款硬件的升級理由，并有機會把蘋果操作系統進一步推向「個人智能」平臺。

更具個人上下文的 Siri、更深入的跨應用協作，以及更多依賴新硬件的本地 AI 功能，都被視為蘋果重新定義手機交互的一部分。

而在蘋果之外，「Android 機皇」三星蓋樂世 AI 也要來了，面壁智能 MiniCPM 系列作為三星蓋樂世 AI 的端側模型能力提供方，深度參與此次備案落地。

對面壁而言，這意味著其端側模型開始從開源社區和技術驗證，進入全球頭部消費電子廠商的實際產品。

在全球手機市場，三星長期處于全球智能手機市場第一梯隊，擁有覆蓋入門到旗艦的完整 Galaxy 產品線、廣泛的全球銷售網絡，以及橫跨手機、平板、手表和耳機的終端生態。

如果端側能力進一步擴展到更多機型和市場，端側智能潛在觸達的將不再是少數開發者或單個行業客戶，而是數以千萬計的普通手機用戶。

一次集中備案，釋放出的是更廣泛的行業信號，手機端側 AI 正從功能預告和概念驗證，進入規范化、規模化落地階段。當 AI 能力開始留在設備本地，手機正在成為端側智能最先觸達普通用戶的入口。

端側 AI 看手機？為什么

為什么首先是手機？

手機與人的距離最近，也是使用頻率最高的智能終端。它天然掌握著用戶的通信、影像、位置和日程等信息，還具備相機、麥克風和各種傳感器，能夠為 AI 提供持續的個人上下文。

這也讓手機端側 AI 與普通的云端聊天機器人有所不同。復雜推理仍然可以交給云端，但拍照理解、語音處理、個人信息檢索等高頻、即時或隱私敏感的任務，可以優先在本地完成。這樣既能縮短等待時間、減少云端調用成本，也能讓一部分敏感數據不必離開設備。

在由面壁智能主辦的「 WAIC 端側 AI 創新和行業發展論壇」上，三星電子中國研究院院長沈志春，把手機端側 AI 的需求精準地概括為「多、快、好、省」：讓更多任務在本地完成，獲得更快響應和足夠好的體驗，同時節省云端 Token、流量、存儲與電量消耗。

這四個目標并不容易同時實現，受到 GPU、NPU、存儲和功耗限制，端側模型仍然是在「戴著枷鎖跳舞」。

手機的算力、內存、功耗和散熱都有限，端側模型需要在資源約束中保留足夠的理解、推理和多模態能力，還要適配不同廠商的芯片、系統和產品節奏。手機 AI 的關鍵已經不只是模型能不能運行，而是它能否在有限資源中把體驗做到足夠好。

面壁的 MiniCPM 系列正是沿著這條路線發展，一直以來，MiniCPM 系列開源模型累計下載量已超過 3800 萬次，并已在消費電子、汽車、具身智能和法律等場景實現商業化落地。三星蓋樂世 AI ，成為其進入主流消費終端的最新案例。

所以，對面壁而言，三星合作的意義不只是一位新增的客戶，它提供了一個更直接的規模化證明，端側模型已經不只運行在開發板和實驗 Demo 中，而是開始進入普通消費者日常使用的貼身設備——手機。

端側智能，不止是手機

手機是最先規模化的入口，但并不是端側 AI 的全部邊界。當 AI 從信息處理走向真實世界中的感知和行動，汽車與機器人也成為另一批重要載體。

汽車對端側 AI 的需求同樣直接，駕駛與座艙交互要求低延遲，車輛還會經過隧道、地下車庫等弱網環境，許多車內數據也具有隱私屬性。

面壁智能與吉利汽車開展深度合作。面壁智能的 VLM 多模態大模型與吉利機器人的本體、VLA 模型及導航系統深度集成，成功實現吉利機器人在生產倉儲場景的落地應用。

RoboHarness 是基于面壁智能 4 月份發布的 EmbodiedClaw 框架開發，可以輕松集成上層規劃 VLM 模型，將 VLA 模型、導航系統等作為物理世界工具模塊調用，并為具身智能體提供長程任務的上下文和記憶管理。

機器人則把端側 AI 從信息處理進一步推向物理行動。面壁通用 VLA 模型 MiniCPM-RobotManip，與面向移動機器人跟蹤導航的 MiniCPM-RobotTrack，讓機器人把視覺、語言和動作連接起來，并在長程任務中保留此前的觀察和執行信息。

搭載 MiniCPM-RobotTrack 的機器狗可以在開放環境下零樣本指令跟隨，并且抗各類人物穿梭干擾，同時可以在無網/弱網環境（例如電梯、停車場），依然流暢跟隨。

結合了面壁端側多模態大模型和樂聚的夸父機器人本體和導航系統，則可以讓機器人在無網的情況下，純端側運行導覽系統，支持基于本地知識庫的離線講解和自由問答，多模態大模型作為導覽機器人的大腦，可以實時理解展廳環境，理解人類指令和意圖，規劃導覽路線并進行避障導航。

從手機到汽車和機器人，面壁的落地案例覆蓋了不同終端形態，而再進一步，除具體產品和項目之外，面壁還深入參與端側智能相關方法與標準的建立。

WAIC 期間，面壁智能與中國信息通信研究院聯合前瞻發布《AI For AI 標準》，嘗試為 AI 參與模型研發提供統一的測試和評價尺度。作為技術實例，面壁同時發布并開源 ForgeTrain。

按照面壁的說法，ForgeTrain 是一個由 AI 編寫生產級代碼的訓練框架，已被用于 MiniCPM5-1B 的訓練，并適配英偉達 H100 與華為昇騰系列芯片。

參與行業制定，體現了面壁希望承擔的另一種角色，不只提供單個端側模型，也參與建立訓練、適配和規模化復制的方法。

爭奪端側智能的定義權

手機是端側 AI 最先規模化的入口，它把本地模型帶到普通用戶身邊，也讓低延遲、隱私和端云協同從技術概念變成可以被消費者感知的產品能力。

汽車和機器人則把端側 AI 帶入更廣闊的真實世界，前者讓模型在弱網和長生命周期中持續升級，后者要求模型在本地完成感知、決策和行動。不同終端的需求并不完全相同，卻共同要求 AI 能力離開云端服務器，進入具體設備和真實任務。

這也意味著，端側智能并不是把云端模型壓縮后裝進設備這么簡單。哪些任務必須留在本地，哪些任務仍應交給云端；不同算力和功耗條件下，模型需要保留多少能力；一套方案如何跨芯片、跨終端復制，并在隱私、延遲和可靠性上形成可驗證的標準——這些問題至今都沒有完全固定的答案。

爭奪端側智能的定義權，正是爭奪這些問題的回答方式，它不僅取決于誰先發布一個更小的模型，也取決于誰能把模型能力、硬件適配、系統協同和場景交付沉淀成一套可重復的方法，讓一次合作不再只是孤立項目。

面壁想證明的，也不只是 MiniCPM 能夠在某一臺、某一類設備上運行。從三星手機，到量產汽車、工業機器人和無網導覽，再到 AI for AI 標準與 ForgeTrain，其角色正在從端側模型提供者，延伸為端側智能落地方法的提供者。手機提供規模化入口，汽車和機器人檢驗更復雜的真實任務，標準與訓練框架則嘗試讓這些能力更容易被復制。

端側并不是云端的反面，云端仍適合復雜推理和低頻任務，端側則更適合即時響應、弱網可用、敏感數據處理和持續運行。兩者協同，才能讓 AI 從聊天框真正進入用戶隨身攜帶和長期使用的設備。

從這個意義上說，面壁正在爭奪的，是 AI 如何進入物理終端與真實世界的定義權。