文｜Alpha说
8月11日，面壁智能的上市辅导备案获北京证监局受理，中信证券担任辅导机构。
这家成立四年的大模型公司准备走向资本市场。面壁智能关注的是，怎样让模型在手机、汽车等设备有限的内存和功耗下运行。对这些设备来说，能力强还不够，还得装得下、跑得动。
别人在把模型做得越来越大，面壁智能却一直在把模型做小：让它跑进手机、汽车、电脑和机器人。
把模型装进设备，需要解决的不只是模型大小，还有它与芯片、系统和具体功能之间的配合。面壁的商业机会，就在于帮助设备厂商完成这些工作。
01 模型做小，是为了进入设备
云端大模型首先追求能力上限。只要用户联网，就可以从远程服务器调用模型。
端侧模型面对的是另一套约束。
手机的内存和电池有限，汽车要在弱网、断网环境下工作，机器人还要同时处理摄像头、声音和动作。模型不仅要会回答，还要装得下、跑得动、反应够快。
这也是面壁智能强调“知识密度”的原因：在同样大小的模型里，装进更多有效能力。
今年5月开源的MiniCPM-V 4.6只有1.3B参数，可在约6GB内存的手机上运行，并适配iOS、Android和鸿蒙。MiniCPM-o 4.5则把视频、音频、文本输入和语音输出放进一个9B模型。
模型变小，改变的不只是成本，更是AI出现的位置。
当推理从云端搬到本地，AI可以在断网时继续工作，也能把更多个人数据留在设备里。模型公司的竞争，由此从“谁的云端模型更强”，延伸到“谁能进入更多真实设备”。
02 真正出售的，不只是一份模型文件
模型能在手机上运行，不等于端侧商业化已经完成。
同一个模型要面对不同芯片、操作系统、内存、功耗和散热条件；进入汽车后，还要连接座舱、摄像头、车辆控制和车企自己的数据体系。
每进入一种设备，背后都是一轮模型、芯片和产品的共同适配。
面壁智能已经完成对多种主流芯片平台的适配。汽车是公开信息中走得较快的场景：公司与长城汽车签署过端侧大模型战略合作协议，公开资料还显示，其模型正在多家车企的项目中走向定点和量产。
汽车需要低延迟，也有明确的弱网需求。开窗、调空调、识别驾驶员动作，不能每次都把数据传到云端，再等待服务器返回。
这意味着，客户需要的不只是一份模型文件，还包括让它在具体设备上稳定运行的适配、部署和后续维护。
模型可以开源，榜单领先也可能被追上。真正可能留下来的，是芯片适配、部署工具、终端客户关系，以及围绕设备持续迭代的能力。
03 设备卖得多，模型公司怎么获得收入？
今年6月，上交所明确了人工智能大模型企业适用科创板第五套上市标准的具体要求。它允许尚未形成一定收入规模的优质大模型企业申请上市，但要求申报时至少有一个大模型产品完成上线并实现规模化应用。
这把资本市场的问题从“模型参数有多大”，推向了“产品究竟装进了多少设备”。
开源下载量、评测成绩和合作协议可以证明技术影响力，却不能完全替代商业化证据。面壁智能还要回答几笔更具体的账：
模型进入了多少量产设备？每台设备如何收费？一次适配带来项目收入，还是可以形成持续收入？
目前公开资料还没有完整披露这些答案。上市辅导只是起点，招股书才会把端侧模型的商业账本摊开。
端侧市场足够大，但模型公司不一定天然拥有定价权。终端厂商可能自研，开源模型可能压低授权价格，持续定制也可能让收入增长快于利润增长。
同一款设备卖出一百万台，与模型进入一百种不同设备，是两种不同的生意。前者关注出货增长能否带来收入，后者还涉及每次适配需要投入多少人力。
对设备厂商来说，拿到一个模型，只是开发的开始。让它在有限的内存和功耗下稳定运行，再变成用户能使用的功能，中间还有适配、部署和维护的工作。
面壁的商业价值，既来自模型能力，也来自帮助设备厂商把这些能力做进产品。模型做小，是为了进入设备；进入设备之后能解决什么问题，才构成客户付费的理由。
