今年 WAIC 最吸引眼球的展区，无疑是机器人，紧随其后的是 AI 手机。更有重磅消息发生在世博展览馆之外——7 月 15 日，国家互联网信息办公室官宣了新一批手机端侧生成式人工智能服务备案名单。
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七款产品获得批准。真正可能最快将 AI 带到普通人身边的设备，未必在展台上，反而就在每个人的口袋里。
其中最受关注的就是 Apple Intelligence，国行 iPhone 用户确实等了太久。如今备案陆续通过，用户对于手机 AI 的好奇心也变得更具体：Siri 何时才能真正理解上下文？AI 又将如何实现跨应用处理？它读取照片、日程以及聊天记录时，数据必须是得上传到云端吗？
这些新能力是否足以成为换手机的充分理由？自发布以来，市场就一直期待 AI 能成为下一轮 iPhone 换机和生态升级的驱动力。IDC 在 WWDC 2026 后分析，更完善的 Apple Intelligence 将增强新款硬件的升级理由，并有机会将苹果操作系统进一步推向「个人智能」平台。
更具个性化的 Siri、更深入的跨应用协作，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的一部分。而在苹果之外，「Android 机皇」三星盖乐世 AI 也即将到来，面壁智能 MiniCPM 系列作为其端侧模型能力提供方，深度参与了此次备案落地。
对面壁智能来说，这意味着其端侧模型从开源社区和技术验证阶段，正式进入了全球头部消费电子厂商的量产产品。
在全球手机市场，三星长期身处全球智能手机市场第一梯队，拥有从入门到旗舰的完整 Galaxy 产品线、广泛的全球销售网络，还涵盖了手机、平板、手表和耳机等跨终端生态。
如果端侧能力进一步扩展到更多机型和市场，端侧智能潜在触达的将不再是少数开发者或个别行业客户，而是数以千万计的普通手机用户。
一次集中备案释放出更广泛的行业信号，手机端侧 AI 正从功能预告和概念验证，进入规范化、规模化落地阶段。当 AI 能力开始驻留在设备本地，手机正成为端侧智能最先触达普通用户的入口。
端侧 AI 观察手机？为何？
为什么是手机率先实现规模化应用？
手机与人的距离最近，也是使用频率最高的智能终端。它天然掌握着用户的通信录、影像库、位置信息和日程表等数据，还内置了相机、麦克风和各种传感器，能为 AI 提供持续的个人上下文。
这也让手机端侧 AI 与传统的云端聊天机器人有了区别。复杂推理可以交给云端处理，但拍照识别、语音交互、个人信息查找等高频次、需即时响应或涉及隐私的任务，更适合优先在本地完成。这样既能缩短响应时间、减少云端资源调用，也能让部分敏感信息不必离开设备。
在面壁智能主办的「 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 的需求精准概括为「多、快、好、省」：让更多任务在本地完成，获得更快响应和足够好的体验，同时节省云端 Token、流量、存储与电量消耗。
实现这四个目标并不容易，受限于 GPU、NPU、存储和散热条件，端侧模型仍然是在「戴着枷锁跳舞」。
手机的算力、内存、功耗和散热都有天花板，端侧模型需在资源限制内生出理解、推理和多模态能力，还要适配不同厂商的芯片、系统和产品进度安排。手机 AI 的关键，已不再是模型能否运行，而是它能否在有限条件下做到良好交互。
面壁的 MiniCPM 系列正是遵循此路线前行，一直以来，MiniCPM 系列开源模型累计下载量已突破 3800 万次，并已在消费电子、汽车、具身智能和法律等领域商业化实施。三星盖乐世 AI ，成为其进入主流消费终端的最新范例。
所以，对面前壁来说，三星合作不只是新增的客户，它提供了更直接的规模证明，端侧模型已经从开发板和实验演示，进入普通消费者日常接触的随身用品——手机。
端侧智能，不止于手机
手机是最早实现规模化的切入点，但并非端侧 AI 的全部边界。当 AI 从信息处理走向现实世界中的感知和实际操作，汽车与机器人也成为另一批重要载体。
汽车对端侧 AI 的需求同样直接，驾驶与座舱交互需要低延迟，车辆还将经历隧道、地下车库等网络信号不佳的环境，许多车辆数据也属于隐私范畴。
面壁智能与吉利汽车展开深度协作。面壁智能的 VLM 多模态大模型与吉利机器人的本体、VLA 模型及导航系统深度整合，成功实现吉利机器人在生产仓储场景的落地应用。
RoboHarness 是基于面壁智能 4 月份发布的 EmbodiedClaw 框架开发，可便捷集成上层规划 VLM 模型，将 VLA 模型、导航系统等作为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。
机器人则将端侧 AI 从信息处理推向物理世界的实际操作。面壁通用 VLA 模型 MiniCPM-RobotManip，与面向移动机器人跟踪导航的 MiniCPM-RobotTrack，让机器人把视觉、语言和动作连接，并在长程任务中保持前序观察和执行信息。
搭载了 MiniCPM-RobotTrack 的机械犬能在开放环境下零样本指令跟随，还可以抗各类人物穿梭干扰，同时在无网/弱网环境（如电梯、停车场），依然顺畅跟随。
结合了面壁端侧多模态大模型和乐聚的夸父机器人本体和导航系统，则能让机器人在无网状态运行纯端侧导览系统，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，能实时认知展厅环境，理解人类指令和意图，规划导览线路并开展避障导航。
从手机到汽车和机器人，面壁的落地实例覆盖了不同硬件形态，再进一步，除了具体产品和项目外，面壁还深度参与端侧智能相关规范与标准的制定。
WAIC 期间，面壁智能与中国信息通信研究院联合前瞻发布《AI For AI 标准》，尝试为 AI 参与模型开发提供共通测试和评价体系。作为技术实践，面壁同时发布并开源 ForgeTrain。
据面壁描述，ForgeTrain 是一个由 AI 编写生产级代码的训练框架，已被用于 MiniCPM5-1B 的训练，并适配英伟达 H100 与华为昇腾系列处理器。
参与行业标准制定，显示面壁希望扮演的角色，不只提供单个端侧模型，也参与创建训练、适配和规模化复制的方案。
争夺端侧智能的定义权
手机是端侧 AI 最先实现规模化的入口，它把本地模型带到大众用户身旁，也让低延迟、隐私与端云协同从技术设想变为消费者可感知的产品能力。
汽车和机器人则将端侧 AI 带入更宽广的真实世界，前者要求模型在弱网及长生命周期中持续提升，后者需要模型完成本地感知、决策和操作。不同终端的诉求不尽相同，却都期望 AI 能力脱离云端服务器，投身具体设备和真实任务。
这意味着，端侧智能不是将云端模型缩小后安装进设备的简单动作。哪些工作必须留在本地，哪些任务该交由云端；不同算力和功耗条件下，模型需保留多少功能；一套方案如何跨芯片、跨终端复制，并在隐私保护、响应速度和可靠性上成立可验证标准——这些问题当下都未有定论。
争夺端侧智能的诠释权，正是争夺这些问题的答案形式，它不仅取决于谁首先发布一个更小容量的模型，更取决于谁能将模型能力、硬件适配、系统融合和场景交付沉淀成为一套可重复的方法论，让单次合作不沦为孤立案例。
面壁想证明的，也不只是 MiniCPM 能在单一设备或某一类产品中运行。从三星手机，到量产汽车、工业机器人、无网导览，再到 AI for AI 标准和 ForgeTrain，其角色正在从端侧模型供给者，成长为端侧智能实施方法的提供者。手机带来规模化入口，汽车和机器人考验更复杂的实际操作，标准与训练框架则力图让这些方法更容易复制。
端侧并非云端的对立面，云端适合复杂推理和低频活动，端侧更擅长即时响应、弱网兼容、隐私数据处理和持续运行。两者协作，才能让 AI 从对话框真正进入用户随身携带和长期使用的设备。
从这个视角出发，面壁正在争取的，是 AI 如何进入物理终端与真实世界的使用权。
