【人工摘要：时间回到2018年，彼时作为清华大学NLP实验室的带头人，清华长聘副教授刘知远带领团队研发了THU-ERNIE模型系列，首创知识图谱增强的预训练框架。】
投资界从知情人士处获悉，面壁智能已完成新一轮融资，投资方包括国家级基金、央企、汽车制造商等各类产业方、知名财务投资人等。
至此，面壁智能2026上半年累计融资金额超50亿元，估值超200亿，一跃成为端侧智能领域公开估值最大的独角兽企业。
2022年孵化自清华大学NLP实验室，面壁智能的核心班底也正是从这里走出。短短四年，估值超200亿，中国AI公司正赶上最好的时代。
故事还要从清华的一间实验室说起。
时间回到2018年，彼时作为清华大学NLP实验室的带头人，清华长聘副教授刘知远带领团队研发了THU-ERNIE模型系列，首创知识图谱增强的预训练框架。直至2020年6月，OpenAI发布了GPT-3，这让刘知远深刻感受到了技术代差，他开始思考如何将实验室的创新转化为产业级生产力。
2021年，刘知远牵头发布中国首个中文大模型“悟道·文源”CPM大模型，同时也开始着手孵化创业公司，希望能以企业化运作推动技术工程化落地。最终在2022年8月，大模型公司面壁智能应运而生，由刘知远担任首席科学家，不久之后，原知乎CTO李大海带领知乎独家领投了面壁天使轮融资，并躬身入局，出任董事长兼CEO一职。
2024年2月，面壁智能发布世界首个端侧基座大模型MiniCPM2.4B，自此，基于技术禀赋和商业模式上的双重战略聚焦，面壁走上了端侧通用基座大模型的道路，这在当时无疑是一个“非共识”选择。
刘知远曾表示，端侧AI并不是短期押注某个产品的形态，而是过去数十年信息革命向智能革命演进过程中，必然会出现的一层结构。他认为，就像PC发展早期一样，当计算能力足够强大时，计算会从大型机向个人设备转移，AI的发展也将遵循同样的规律。
此时，国内前所未有的“百模大战”上演。而面壁智能团队受到摩尔定律的启发，首创了大模型的密度定律（DensingLaw）——以能力密度作为评估大语言模型效能的关键指标，并揭示其最大能力密度每3.5个月翻倍的增长规律。密度定律于2025年被《Nature》收录为封面文章，成为继OpenAI提出的ScalingLaw（规模法则）之后，人工智能行业又一基础定律，为行业探索科学化、可持续大模型发展路径提供了重要理论指导。
沿着这一路径，面壁智能继续承担着端侧AI“开路者”的角色。此后，团队又发布一系列端侧模型，当中包括：全球首个端侧全模态模型MiniCPM-o2.6、首个高刷视频理解多模态模型MiniCPM-V4.5、能实现即时自由对话全模态全时感知的MiniCPM-o4.5……换言之，面壁智能是全球范围内凤毛麟角的，构建出端侧通用基座大模型矩阵的玩家。
时间验证了面壁智能的选择。眼下，国内大模型行业竞争逻辑正发生根本性变革。此前云端大模型凭借先发优势占据行业主流，但随着各大企业扎堆投入算力，导致赛道同质化竞争严重，商业化落地难题愈发凸显。
随着终端硬件升级、轻量化技术成熟、数据隐私监管趋严，端侧AI凭借低延迟、高隐私、低成本、广适配、懂用户的核心特征，改写了行业竞争格局。现在，端侧AI已从此前的可选项，升级为所有AI玩家的必选项，完成了从“非共识”到“市场最大共识”的蜕变。
如此一来，面壁智能的先发优势明显。不同于多数企业“重研发、轻落地”的发展模式，面壁智能专注于将原生端侧大模型技术转化为标准化产品，并已获得规模化落地成果。投资界拿到一组数据——其自主研发的端侧大模型MiniCPM系列开源模型，在GitHub、Hugging Face等平台累计下载量已突破3800万，成为国民级端侧AI模型产品。
而在产业落地层面，面壁智能在决策、手机、汽车、低空、民航、具身等核心赛道实现标杆性落地，未来还将拓展至工业、家居、特种领域等。其中在汽车领域，面壁智能已成功在长安、上汽、吉利等多款车型上量产落地，2026年预计将有数十万辆汽车搭载端侧模型；法律领域，面壁智能即将正式对外发布首个专业法律服务基础设施CPM for Legal。
这些落地成果，不仅验证了原生端侧大模型的商业价值，也为全行业探明了可复制、可落地、可盈利的端侧智能商业化路径。
李大海曾经表示：“只靠对话框的AI只是虚拟交互；想要让智能走进手机、汽车、工业硬件、机器人，端侧智能是不可跳过的基础层级，是智能革命落地实体世界的固定架构。”
2026-07-15 10:54
(收录有删节)
