今年 WAIC 活动中，最受关注的展区除了机器人，就是 AI 手机了。

更值得关注的新闻发生在世博展览馆之外。7 月 15 日，国家互联网信息办公室公布了新一轮手机端侧生成式人工智能服务备案结果。

苹果智能、三星盖乐世 AI、华为小艺、OPPO AndesGPT、vivo 蓝心端侧大模型、小米澎湃 AI 以及努比亚豆包手机大模型这 7 款产品获得了批准。

或许能最快将 AI 技术带给大众的设备，并非在展会上看到，反而是藏在每个人的口袋里。

最受注目的自然是 Apple Intelligence。国行 iPhone 用户对于手机 AI 的期待确实等了很久。随着备案手续完成，用户对于手机 AI 的疑问也愈发明朗：Siri 何时才能真正理解上下文？AI 能否跨应用执行任务？它读取照片、行程和聊天记录时，信息是否必须上传到云端？

这些功能是否足以成为换购新机的理由？自从发布以来，市场就一直期待 AI 能成为 iPhone 更新换代和生态拓展的关键因素。IDC 在 WWDC 2026 后的判断是，更完善的 Apple Intelligence 将增强新硬件的吸引力，并有机会将苹果操作系统引向「个人智能」平台。

更个性化的 Siri、更深入的跨应用互动，以及更多依赖新硬件的本地 AI 功能，都被视为苹果重新定义手机交互方式的一部分。

在苹果之外，「安卓阵营的王者」三星盖乐世 AI 即将登场，面壁智能 MiniCPM 系列作为三星盖乐世 AI 的端侧模型技术提供方，深度参与了这次备案工作的推进。

对于面壁智能来说，意味着其端侧模型开始从开源社区和技术验证，进入到全球顶尖消费电子品牌的实际产品中。

在全球手机市场，三星长期处于领先地位，拥有从入门到高端的完整 Galaxy 产品阵容、广泛的全球分销网络，并有手机、平板、手表和耳机等跨终端的产品生态。

如果端侧功能进一步扩展到更多型号和地区，端侧智能能够接触到的将不再是少数开发者或特定行业客户，而是一大批普通手机使用者。

一次集中的备案，传递出更广泛的行业风向，手机端侧 AI 正从概念展示和初步验证阶段，进入标准化和大规模应用阶段。当 AI 能力开始留在设备本地，手机正在成为最早让普通用户接触端侧智能的端口。

端侧 AI 关注手机？原因何在？

为何首先聚焦手机？

手机与人的距离最近，也是使用频率最高的智能终端。它自然掌握着用户的通讯、影像、位置和日程等信息，并配备相机、麦克风和各种传感器，能为 AI 提供持续的个人背景信息。

这也让手机端侧 AI 与普通的云端对话机器人有所不同。复杂推理工作可以交由云端处理，但拍照识别、语音处理、个人信息查找等高频、即时或涉及隐私的操作，可以优先在本地完成。这样既能缩短响应时间、降低云端调用开销，也能使部分敏感数据保留在设备上。

在面壁智能举办的「 WAIC 端侧 AI 创新和行业发展论坛」上，三星电子中国研究院院长沈志春，将手机端侧 AI 的需求简洁地概括为「多、快、好、省」：让更多操作在本地进行，获得更快反馈和优良体验，同时节约云端 Token、流量、存储和电量。

这四个目标并非易事，受到 GPU、NPU、存储和功耗等因素限制，端侧模型仍然是在资源限制中寻求最佳表现。

手机的计算能力、内存空间、功耗和散热都有限制，端侧模型需要在资源约束下保留足够的理解、推理和多模态能力，还要适配不同品牌的芯片、系统和产品进度。手机 AI 的关键已不只是看模型能否运行，更在于它能否在有限资源下提供良好体验。

面壁的 MiniCPM 系列正是遵循这一思路发展，一直以来，MiniCPM 系列开源模型累计下载次数已经超过 3800 万次，并且在消费电子、汽车、具身智能和法律等多个领域实现了商业化应用。三星盖乐世 AI，则成为其进入主流消费终端的新例证。

因此，对面向壁智能来说，与三星的合作意义不止是一位新增客户，它提供了一个直接的规模化证据，端侧模型已不再局限于开发板和实验演示中，而是开始进入普通消费者日常使用的随身设备——手机。

端侧智能，不止限于手机

手机是最先实现规模化的入口，但不是端侧 AI 的全部领域边界。当 AI 从信息处理迈向现实世界中的感知和操作，汽车与机器人也成为另一个重要平台。

汽车对于端侧 AI 的需求同样紧迫，驾驶与座舱交互需要低延迟，车辆将行驶在隧道、地下车库等网络信号弱的区域，许多车内数据也涉及隐私保护。

面壁智能与吉利汽车进行了深度合作。面壁智能的 VLM 多模态大模型与吉利机器人的本体、VLA 模型及导航系统紧密结合，成功实现了吉利机器人在生产和仓储场景的应用。

RoboHarness 是基于面壁智能 4 月份发布的 EmbodiedClaw 框架开发，可以简便集成上层规划 VLM 模型，将 VLA 模型、导航系统等当作物理世界工具模块调用，并为具身智能体提供长程任务的上下文和记忆管理能力。

机器人则将端侧 AI 从信息处理推向物理执行层面。面壁通用 VLA 模型 MiniCPM-RobotManip，与针对移动机器人跟踪导航设计的 MiniCPM-RobotTrack，让机器人能连接视觉、语言和动作，并在长程任务中保留之前的观察和执行信息。

装备了 MiniCPM-RobotTrack 的机器狗可以在开放环境中实现零样本指令跟随，并能抵抗各类人物交错干扰，同时在不具备网络或网络信号弱的环境（例如电梯、停车场）中依然能流畅跟踪。

结合面壁端侧多模态大模型和乐聚的夸父机器人本体及导航系统，则允许机器人在无网环境下纯端侧运行导览系统，支持基于本地知识库的离线讲解和自由问答，多模态大模型作为导览机器人的核心，可以实时解析展厅环境，理解人类指令和意图，规划导览路线并进行避障导航。

从手机到汽车和机器人，面壁的落地案例覆盖了不同终端形态，而进一步延伸，除具体产品和项目之外，面壁还积极参与端侧智能相关方法和标准的构建。

在 WAIC 期间，面壁智能与中国信息通信研究院联合前瞻发布了《AI For AI 标准》，试图为 AI 参与模型研发提供统一的测试和评估基准。作为技术实践，面壁同时发布了并开源了 ForgeTrain。

依照面壁的说法，ForgeTrain 是一个由 AI 编写生产级代码的训练框架，已被应用于 MiniCPM5-1B 的训练，并适配英伟达 H100 和华为昇腾系列芯片。

参与行业标准制定，体现了面壁希望承担的新角色，不单是提供单个端侧模型，而是参与建立训练、适配和规模化复制的规范。

争夺端侧智能的诠释权

手机作为端侧 AI 最先实现规模化的入口，它将本地模型带到普通用户身边，也让低延迟、隐私保护以及端云协同从技术愿景转化为可被消费者感受到的产品能力。

汽车和机器人则将端侧 AI 带入更广阔的真实世界，前者要求模型在弱网和长生命周期中不断升级，后者则要求模型在本地完成感知、决策和执行。不同终端的需求不尽相同，但共同的是，AI 能力需要脱离云端服务器，介入具体设备和真实任务中。

这也意味着，端侧智能并非简单地将云端模型缩小后放入设备中。哪些操作必须保留在本地，哪些仍需依赖云端；在不同算力与功耗条件下，模型应保留多少能力；一套方案如何跨芯片、跨终端复制，并在隐私保护、响应延迟和可靠性上建立可验证的标准——这些问题至今没有标准答案。

争夺端侧智能的诠释权，就是争夺这些问题的解决方法，它不仅关系到谁最先发布一个更小的模型，更取决于谁能把模型能力、硬件适配、系统合作和场景交付转化为一套可重复的方法，让一次合作不再局限于独立项目。

面壁想要证明的，也不只是 MiniCPM 能在某一台或某类设备上成功运行。从三星手机，到批量生产的汽车、工业机器人以及无网导览，再到 AI for AI 标准和 ForgeTrain，其角色正在从端侧模型供应商，扩展为端侧智能实现方法的提供者。手机提供规模化渠道，汽车和机器人考验更复杂的真实操作性，标准与训练框架则试图让这些能力更易复制。

端侧并非云端的对立面，云端适合复杂推理和低频任务，而端侧更适合即时响应、弱网可用、敏感数据处理和持久的运行状态。两者协同，才能让 AI 从对话框真正进入用户随身携带和使用多年的设备。

从这个角度而言，面壁正在争夺的，是 AI 如何融入物理终端与真实世界的定义权。