面壁智能

是什么

面壁智能（ModelBest）是一家人工智能公司，注册名称为北京面壁智能科技有限责任公司。^[1] 它做大模型软件，重点放在能跑在手机等本地设备上、而不只依赖数据中心的小模型上。

由来

公司成立于 2022 年，由清华大学副教授刘知远主导创立。^[1] 面壁智能把刘知远列为联合创始人兼首席科学家。^[1]

MiniCPM 系列

按公司官网的说法，面壁智能自 2024 年 2 月起陆续发布 MiniCPM 端侧模型系列。^[2] 官网把这一系列描述为提供 8B 稀疏版与 0.5B 轻量版，推理速度最高可提升 220 倍，并支持 128K 长上下文。^[2]

这几个说法对应的是端侧模型要权衡的几件事。轻量版意味着模型小到能塞进配置有限的硬件；稀疏意味着每处理一段输入只调用网络中一部分参数，从而减少计算量；上下文更长，意味着模型一次能读入更多文本再开始回答。

设备端的多模态模型

MiniCPM-o/V 的 35B-A3B 版本被描述为第一个可在设备端运行的开源 MoE 多模态模型，在 iOS 与 Android 上只需要 3GB 内存。^[2] MoE（mixture of experts，混合专家）把网络拆成若干各有分工的子网络，每次输入只路由到其中一部分，因此每一步只有一部分模型真正参与计算——这是把大模型装进手机内存预算的一种办法。

面壁智能称，10 月 13 日与 OpenBMB 一同发布了 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本。^[2]

语音与训练工具

VoxCPM 被描述为端到端的无分词器（tokenizer-free）语音合成模型，覆盖 30 种语言和 9 种中文方言，采用 Apache 2.0 许可。^[2] 无分词器的意思是系统不经过「先把音频或文本转成一串离散词元」这一独立环节；Apache 2.0 则是一种允许他人自由使用和修改的开源许可。

公司称其 ForgeTrain 框架由 AI 自主编写，用 8 小时追平 NVIDIA Megatron-LM，并在 1.5 至 2 天内实现反超，把实测的 H100 MFU 提升约 8% 至 10%。^[2] MFU（model FLOPs utilisation）衡量的是训练时芯片峰值算力实际被用上的比例。

具身智能

7 月 19 日，面壁智能在 WAIC 上发布了 MiniCPM-Robot 系列，这是公司首批具身智能模型。^[2] 具身模型指的是要通过机器人这样的物理身体去行动的模型，而不只是在文字里回答问题。

在发展中的位置

把官网上的这些发布放在一起看，面壁智能公开呈现的产品线覆盖了端侧语言模型系列、多模态模型、语音合成、训练框架，以及面向机器人的模型。^[2] 贯穿其中的是效率：更小的体积、更快的推理、更低的内存占用，让模型能跑在用户身边，而不只是跑在服务器上。

有两个细节能看出这条线索如何延伸到它对外的姿态。MiniCPM-V 4.7 是与 OpenBMB 一同发布的，VoxCPM 则以 Apache 2.0 许可公开，两者都把成果放到别人可以接着做的地方。^[2] ForgeTrain 则更像是在说明它怎么训练模型，而不是一件产品：按公司的说法，这个框架在实测硬件效率上先追平、后超过了 NVIDIA 的成熟训练方案。^[2] MiniCPM-Robot 系列把同样的「小模型」思路推向具身场景，而那里对内存和延迟的要求更紧。^[2]