今年 WAIC 最引人注目的展位，机器人与 AI 手机轮流成为焦点。
更重磅的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公布第七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 和努比亚豆包手机大模型等七款产品获得批准。
或许能最快将 AI 带入寻常百姓家的设备，并非摆在展台上的那些，反而是藏在每个人的口袋里。
最受关注的自然要数 Apple Intelligence，国行 iPhone 用户对此翘首以盼已久。随着备案尘埃落定，用户对手机 AI 的憧憬也愈发具体：Siri 何时才能真正理解上下文对话？AI 将如何实现跨应用协作？它读取照片、日程和聊天记录时，数据是否会必须上传到云端？
这些能力又是否足够成为换新机的理由？自发布以来，市场就一直期待 AI 能成为驱动下一轮 iPhone 换机和生态升级的核心动力。IDC 在 WWDC 2026 之后预测，更完善的 Apple Intelligence 将强化新款硬件的升级逻辑，并有机会将苹果操作系统进一步推向「个人智能」平台。
更个性化的 Siri、更深度的跨应用交互，以及更多依赖新硬件的本地 AI 功能，都被看作是苹果重新定义手机交互方式的一部分。
而在苹果之外，「安卓阵营机皇」三星盖乐世 AI 即将到来，面壁智能 MiniCPM 系列作为其端侧模型能力提供方，深度参与此次备案工作的落地进程。
对对壁智能来说，这意味着其端侧模型开始从开源社区和技术验证阶段，迈向全球头部消费电子厂商的实际产品中。
在全球手机市场，三星长期位列第一梯队，拥有从入门级到旗舰级的完整 Galaxy 产品线、广泛的全球销售网络，并构建了覆盖手机、平板、手表和耳机的终端生态体系。
若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单一行业客户，而是数以千万计的普通智能手机用户。
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，步入规范化、规模化落地阶段。当 AI 能力开始留在设备本地，手机正在成为端侧智能最先接触普通用户的入口。
端侧 AI 看手机？缘何首选？
为何首先聚焦于手机？
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、影像、位置和日程等信息，还配备相机、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 与普通的云端聊天机器人有所不同。复杂推理仍可交由云端处理，但拍照理解、语音处理、个人信息检索等高频、即时或涉及隐私的任务，可以优先在本地完成。这样既能缩短响应时间、减少云端调用成本，也能让部分敏感数据留在设备内部。
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 的需求精辟地总结为「多、快、好、省」：让更多任务在本地执行，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。
这四个目标并非轻而易举就能同时达成，受到 GPU、NPU、存储和功耗的限制，端侧模型仍然是在「戴着枷锁跳舞」。
手机的算力、内存、功耗和散热都存在限制，端侧模型需要在资源约束下保留足够的理解、推理和多模态能力，还要适配不同厂商的芯片、系统和产品节奏。手机 AI 的关键已不再是模型能否运行，而是在有限资源中能否把体验做得足够好。
面壁的 MiniCPM 系列正是沿着这条道路前进，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、具身智能和法律等场景实现商业化部署。三星盖乐世 AI，成为其进入主流消费终端的最新示范。
因此，对面壁智能而言，与三星的合作意义不止是一位新增客户，它提供了一个更直接的规模化证明，端侧模型已经不只运行在开发板和实验 Demo 中，而是开始进入普通消费者日常使用的贴身设备——手机。
端侧智能，不止限于手机
手机是最先实现规模化的入口，但端侧 AI 的边界并未止步于此。当 AI 从信息处理迈向真实世界中的感知和行动，汽车与机器人也承当了另一批重要载体。
汽车对端侧 AI 的需求同样迫切，驾驶与座舱交互要求低延迟，车辆还需应对隧道、地下车库等弱网环境，许多车内数据也涉及隐私。
面壁智能与吉利汽车开展了深度合作。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集成，成功实现吉利机器人在生产、仓储场景的实际应用落地。
RoboHarness 是基于面壁智能 4 月份发布的 EmbodiedClaw 框架开发，可以便捷集成上层规划 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 从信息处理进一步推向物理行动。面壁通用 VLA 模型 MiniCPM-RobotManip，与面向移动机器人跟踪导航的 MiniCPM-RobotTrack，让机器人能够将视觉、语言和动作连接起来，并在长程任务中保留此前的观察和执行信息。
搭载 MiniCPM-RobotTrack 的机器狗可以在开放环境下零样本指令跟随，并且能够抵抗各类人物穿梭干扰，同时，在无网/弱网环境（例如电梯、停车场），依然可以流畅地跟随指令。
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，则可以让机器人在无网环境下，纯端侧运行导览系统，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大脑，可以实时理解展厅环境，理解人类指令和意图，规划导览路线并进行避障导航。
从手机到汽车和机器人，面壁的落地案例覆盖了不同的终端形态，而再进一步，除具体产品和项目之外，面壁还投身于端侧智能相关方法与标准的建立工作。
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》，试图为 AI 参与模型研发提供统一的测试和评价尺度。作为技术实例，面壁同时发布并开源 ForgeTrain。
依照面壁的说法，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 与华为昇腾系列芯片。
参与行业制定，显现出面壁希望承担的另一种角色——不只提供单个端侧模型，也参与构建训练、适配和规模化复制的方法。
争夺端侧智能的阐释权
手机是端侧 AI 最先实现规模化的入口，它将本地模型带到普通用户身边，也让低延迟、隐私和端云协同从技术概念转化为可以被消费者体验到的产品能力。
汽车和机器人则将端侧 AI 带入更广阔的真实世界，前者要求模型在弱网和长生命周期中持续升级，后者则要求模型在本地完成感知、决策和行动。不同终端的需求并不完全相同，却共同指向 AI 能力离开云端服务器，进入具体设备和真实任务。
这也意味着，端侧智能并非简单的将云端模型压缩后塞进设备。哪些任务必须留在本地，哪些任务仍需交给云端；在不同算力和功耗条件下，模型需要保留哪些能力；一套方案如何跨芯片、跨终端复制，并在隐私、延迟和可靠性上建立可验证标准——这些问题至今都没有最终确定的答案。
争夺端侧智能的阐释权，本质上是在争夺这些问题的答案。它不仅取决于谁先发布一个更小的模型，更取决于谁能将模型能力、硬件适配、系统协同和场景交付沉淀为可重复的方法，让每一次合作不再是孤立项目。
面壁智能想要证明的，也不只是 MiniCPM 能够在某一台、某一类设备上运行。从三星手机，到量产汽车、工业机器人和无网导览，再到 AI for AI 标准与 ForgeTrain，其身份正在从端侧模型提供者，转变为端侧智能落地方法的提供者。手机提供了规模化入口，汽车和机器人则检验更复杂的真实任务，标准与训练框架则试图让这些能力更容易被复制。
端侧并非云端的对立面，云端适合复杂推理和低频任务，端侧则更擅长即时响应、弱网可用、敏感数据处理和持续运行。两者协同，才能让 AI 从聊天框真正融入用户随身携带和长期使用的设备中。
从这个意义上说，面壁智能正在争夺的，是 AI 如何进入物理终端与真实世界的定义权。
