---
title: "面壁智能CTO曾国洋：从“打字机”到大模型，端侧AI的进化与突围"
url: "https://paooo.com/aigc-news/30340/"
author: "Prompt 语宙研究院"
published_at: "2026-07-14T15:16:29+08:00"
updated_at: "2026-07-14T15:16:29+08:00"
categories: "AIGC 资讯"
tags: "AI办公效率, AI智能体, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 面壁智能CTO曾国洋：从“打字机”到大模型，端侧AI的进化与突围

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/30340/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-14

## AI 30 秒核心看点 (TL;DR)

- 面壁智能押注端侧AI，以“知识密度”替代单纯堆参数，MiniCPM用2B规模实现对标更大模型的效果。
- “模型风洞”与ForgeTrain训练框架，帮助团队高效验证模型效果，并建立数据治理到部署的五级标准。
- 端侧AI正从工具走向“默契系统”，在车载等场景实现无感智能，强调功耗、延迟与人格化记忆。

人工智能的浪潮滚滚向前，当大多数力量涌向云端算力的军备竞赛时，面壁智能却选择了一条截然不同的道路:将大模型压缩，让它能流畅地跑进手机、汽车甚至一个毛绒玩具中。作为面壁智能的联合创始人兼CTO，年仅28岁的曾国洋，正亲历并推动着这场端侧AI的变革。

曾国洋的AI之路起步极早。22岁那年，他主导训练了中国第一个大语言模型CPM-1，当时那个被戏称为“打字机”的简单网页，让第一批AI研究者预见了生成式模型的力量。随后的几年，他见证了从BERT到GPT的架构变迁，并坚信生成式AI将是通往更高智能的路径。

如今，在面壁智能，曾国洋带领团队将目光聚焦于“知识密度”。他们认为，单纯堆砌参数并非AI发展的唯一出路，通过“模型风洞”技术，他们实现了在小规模实验中高效验证和预测模型效果。这一方法论的核心在于:知识密度每3.5个月翻一番，同等智能所需的参数规模呈指数级下降。以面壁发布的MiniCPM为例，其仅以2B的参数规模，在性能表现上便超过了同期的8B竞争对手，成功在端侧市场占据一席之地。

AI落地的核心逻辑，正在从“云端算力”转向“深度理解”。在曾国洋看来，端侧模型不仅要解决功耗、延迟与硬件适配的工程难题，更要具备真正的人格化记忆。他提到了“默契系统”的构想:未来的AI不应只是机械地响应指令，而是通过行为模式库，在用户开口前就调好环境温度，或规划好出行路径，这种“无感”的智能才是端侧AI的终极形态。

为了实现这一目标，团队正在深度重构训练流程。面壁智能开发了名为ForgeTrain的训练框架，并建立了一套从数据治理到硬件部署的五级分层标准。曾国洋强调，数据质量决定了模型的上限，每一名算法工程师都必须深入到数据底层，确保输入模型的知识没有瑕疵。

在吉利、上汽大众等车企的量产车型中，面壁的端侧方案已经完成了定点应用。随着芯片与算力适配的日趋成熟，AI正走出云端聊天室，深入到人们日常接触的数字设备中。曾国洋深信，计算本身就应该同时存在云端与端侧，而连接真实世界与数字世界的那个最贴近用户的“气球外皮”，正是端侧模型将要担负的使命。

## 常见问题解答 (FAQ)

### 面壁智能的端侧AI为什么强调知识密度？
因为端侧设备算力、功耗和延迟都受限，单纯堆参数并不现实。面壁智能认为应提升模型“知识密度”，用更少参数承载更多能力，从而在手机、汽车等设备上实现可用、可部署的智能。

### MiniCPM在端侧场景的优势是什么？
文中提到，MiniCPM以2B参数规模，在性能表现上超过同期8B竞争对手，说明其在小参数下仍能保持较强能力。这使它更适合端侧部署，兼顾效果与资源消耗。

### ForgeTrain和模型风洞分别解决什么问题？
模型风洞用于在小规模实验中高效验证和预测模型效果，降低试错成本；ForgeTrain则是面壁智能自研训练框架，配合数据治理和分层标准，提升训练与落地效率。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)