让 AI 不再“你一句我一句”:面壁智能在 CNCC2026 分享实时全模态大模型
第二十三届中国计算机大会(CNCC2026)于 10 月 22 日在成都开幕,以“数聚驱动,智算未来”为主题,吸引近千名讲者、逾万名注册参会者,本次大会也是 CNCC 创办二十余年来首次落地四川成都。
在其“基础—前沿—未来”三级论坛体系中,由面壁智能主办的“端侧大模型”论坛聚焦大模型落地,这一议题切中的正是当下行业的关键转折:自 2022 年底 ChatGPT 发布以来,模型规模持续扩张、能力密度不断提升,强大的智能正加速从云端走向终端;然而手机、汽车、机器人等设备普遍面临算力、存储与能耗的硬约束——如何在有限资源下实现更高的能力密度,又如何让 AI 从“能对话”走向“能感知、能推理、能行动”,正是这场论坛要回答的核心问题。
从“对讲机”到“随时能插话”
普通人接触 AI 最直观的感受是什么?是“你一句、我一句”的回合制:你必须说完,等它说完才能再说。清华大学人工智能学院助理教授、面壁智能联席首席科学家姚远在报告中给出的判断是,当前的多模态大模型主要面向离线数据理解和轮次交互,难以满足现实世界的实时动态需求。换句话说,AI 在“说话”的时候,它的“耳朵”其实是关着的。
由面壁智能推出的一款 9B 参数实时全模态大模型 MiniCPM-o 4.5想解决的正是这件事。它可以在实时对话中同步实现“看、听、说”——你一边说话一边比划,它一边看、一边听、一边回应,不需要你停下来等它。这种主动开口的能力,也是这个模型的关键特点之一。与常见的“你问一句、我答一句”不同,它支持边看、边听、边说的实时多模态交互——也就是说,它不必等用户说完、也不必等自己答完,就能在同一段对话里持续接收画面和声音、同时作出回应。
在此基础上,它还具备主动交互能力:基于对场景的持续理解,模型可以在合适的时机主动开口,而不是只在被提问时才回应。在官方演示中,它能基于实时看到的画面和听到的对话,主动给出提醒或描述。
“压缩必有损”是常识,但“无损”到底指什么?
一个画面要被“看”懂,得先被拆成一串视觉 Token 喂进模型。但 Token 越多,越占内存、越耗算力——端侧设备的算力和内存本就有限,必须在资源上精打细算。
所以面壁的做法是把 Token 做压缩。主流方案一般压到 4 倍,而面壁把视觉 Token 压缩率提升至最高 16 倍,并提供两种模式按需切换。压缩做得越狠,省下来的算力就越多,但代价也很直观:压狠了,会不会有信息遗漏?
姚远解释,这里的“无损”并非像素级别的无损,而是性能、效果上的无损。模型对画面信息的处理是有层次的——浅层负责处理 low-level 的细节,越往后越偏向高级的语义信息。正因如此,在较深的层级上有了更大的空间去做激进的压缩,并且不破坏模型本质的编码结构,因此整体效果不会掉。
这听起来是个技术细节,但它指向的正是论坛要解决的第一个难题:端侧设备算力和内存都有限,怎么在有限资源下塞进更高的智能。这正是面壁一直强调的“高能力密度”:不是一味把模型做大,而是让有限的参数承担更高的能力。
从“能聊天的模型”到“能进家干活的机器人”
让模型在手机和汽车上跑起来,是面壁眼下已经做到的;而未来它想落地的下一个方向,是让模型走进机器人、走进真实环境。
于是现场就有了这样一个追问:密度定律在语言和图像上都验证过了,可机器人要面对的是会出错的摄像头、长得不一样的机器人身体、动作延迟和随时变化的真实环境——模型“变小还能更聪明”这件事,在物理世界里还成立吗?
姚远的回答很坦诚。他说在语言和多模态上,“投入越多数据和算力,模型就越聪明”这条规律已经被证明走得通,面壁做的就是把这件事往“更高效”上推进。但在机器人这里,情况还不一样——同样投进去这么多数据和算力,能不能换来一个更聪明的机器人,目前这条规律仍有待更多实践验证。
所以面壁现在的思路是先验证能不能,再谈省不省:先把“给机器人更多数据、更多算力,它到底能不能变聪明”这件事说清楚,等这条路跑通了,再去追求“用更高效的模型做到同样的事”。
从“会对话”到“能感知、能行动”
这场名为“端侧大模型”的论坛,本身就是 CNCC2026“基础—前沿—未来”三级递进体系中的一部分。整场论坛共设六场报告,共同指向同一条主线:大模型正在从“能对话”走向“能感知、能推理、能行动”,并加速从云端走向每一台终端。面壁智能是这条路线上的重要参与者之一——它已与长安马自达、吉利等多家车企达成量产搭载合作,并与多家头部手机厂商建立深度合作。用姚远的话说,他们想做的是让 AI“像人一样自然地感知和沟通”,而不是一个需要按键才能工作的工具。
成都的机会在哪里
在回答媒体关于产业落地的问题时,姚远对成都和四川的制造基础、无网工业场景和文旅 C 端场景都给出了正面判断。这也正是这场论坛讨论的意义所在:当端云协同、智能体、芯片级定制、语音生成这些方向逐渐合流,大模型从“能对话”走向“能感知、能推理、能行动”就不再是口号,而是一条正在被逐步探索的技术路径。
(来源:点财网)
责任编辑:雷晓燕 SV010