今年 WAIC 最吸引眼球的展区，首当其冲的就是机器人与 AI 手机。
更劲爆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了新一轮手机端侧生成式人工智能服务备案结果。
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了批准。
或许最快将 AI 带入寻常百姓家的设备，并非摆在展台上的那些，而是藏在每个人口袋中的手机。
最受关注的焦点无疑是 Apple Intelligence，国行 iPhone 用户翘首以盼的消息终于传来。随着备案尘埃落定，用户对于手机 AI 的想象也愈发清晰：Siri 何时才能真正理解上下文对话？AI 将如何跨应用执行任务？其读取照片、日程和聊天记录时，数据是否必须上传云端？
这些功能是否足以成为升级手机的理由？自发布以来，市场一直期盼 AI 能够成为下一轮 iPhone 换机的动力，推动生态进一步升级。IDC 在 WWDC 2026 后预测，更为完善的 Apple Intelligence 将增强新硬件的吸引力，并有机会将苹果操作系统推向「个人智能」的新高度。
更深度的 Siri、更无缝的跨应用互动，以及更多依赖新硬件的本地 AI 功能，都被视为苹果重新塑造手机交互方式的一部分。
三星盖乐世 AI 也加入了这场角逐，作为其端侧模型能力提供方，面壁智能 MiniCPM 系列深度参与了此次备案过程。
对对壁智能而言，这意味着其端侧模型从开源社区和技术验证阶段，迈进了全球头部消费电子厂商的实际产品中。
在全球手机市场版图中，三星始终处于第一梯队，拥有从入门到旗舰的完整 Galaxy 产品线、广泛的全球分销网络，以及覆盖手机、平板、手表、耳机的跨终端生态。
若端侧能力进一步扩展至更多机型与市场，端侧智能将触达的不再是少数开发者或特定行业客户，而是成千上万普通手机用户。
这一轮集中备案，释放出更为广泛的行业趋势——手机端侧 AI 正从预热概念和功能预告，进入标准化、规模化实施的阶段。当 AI 能力驻留在设备本地，手机正成为端侧智能最先面向大众的窗口。
端侧 AI 关注手机？为何
为何手机首当其冲？
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记录、影像资料、位置信息和日程安排，同时配备相机、麦克风和各种传感器，能为 AI 提供持续的个人背景信息。
这也让手机端侧 AI 与传统的云端聊天机器人展现出差异。复杂推理可以依托云端，但拍照识别、语音交互、个人信息检索等高频、即时或涉及隐私的任务，则优先在本地完成。如此既能缩短响应时间、降低云端调用开销，也能确保部分敏感数据留在设备内。
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精辟地总结了手机端侧 AI 的核心诉求：「多、快、好、省」——让更多任务在本地执行，获得更快的反馈速度和理想的使用体验，同时节省云端资源消耗。
这四个目标并非易事，端侧模型始终受限于 GPU、NPU、存储容量和功耗条件，「戴着枷锁跳舞」是其常态。
手机的算力、内存、功耗和散热能力都有限，端侧模型必须在资源约束下，保留足够的理解、推理和多模态能力，还需适配不同厂商的芯片、系统版本和产品开发节奏。手机 AI 的关键，已经超越了模型能否运行，更在于能否在有限资源下提供优良体验。
面壁的 MiniCPM 系列正是在这条道路上探索前行，MiniCPM 系列开源模型累计下载量已突破 3800 万次，并在消费电子、汽车、具身智能、法律等领域实现了商业化部署。三星盖乐世 AI，则成为其进入主流消费终端的最新范例。
因此，对对壁智能来说，三星的合作意义不止是一位新客户，它提供了一个直接验证规模化的实例，端侧模型已从开发板和 Demo 阶段，进入了普通消费者日常使用的随身设备——手机。
端侧智能的舞台，不止于手机
手机作为率先实现规模化的入口，并非端侧 AI 的全部边界。当 AI 从信息处理迈向真实世界中的感知和行动，汽车与机器人同样成为重要载体。
汽车对端侧 AI 的需求同样迫切，驾驶与座舱交互要求零延迟响应，车辆还会行驶在隧道、地下车库等网络信号不佳的环境，许多车内数据也涉及隐私。
面壁智能与吉利汽车展开了深度合作。面壁智能的 VLM 多模态大模型，与吉利机器人本体、VLA 模型及导航系统相结合，成功实现了吉利机器人在生产仓储场景中的实际应用。
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行动。面壁通用 VLA 模型 MiniCPM-RobotManip，配合面向移动机器人跟踪导航的 MiniCPM-RobotTrack，让机器人能将视觉、语言与动作连接起来，并在长程任务中保持前期的观察与执行信息。
搭载了 MiniCPM-RobotTrack 的机器狗，能在开放环境中零样本指令跟随，并抵御各类人物穿梭干扰，同时无网或弱网环境下（如电梯、停车场），也能流畅执行跟随任务。
结合面壁端侧多模态大模型与乐聚的夸父机器人本体和导航系统，则可让机器人在无网络情况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核心，可实时解析展厅环境，理解人类指令和意图，规划导览路径并执行避障导航。
从手机到汽车和机器人，面壁的落地案例覆盖了多样化的终端形态，再进一步，除具体产品和项目外，面壁还深度参与了端侧智能相关方法论与标准的制定。
在 WAIC 期间，面壁智能与中国信息通信研究院联合前瞻发布了《AI For AI 标准》，尝试为 AI 参与模型研发提供统一的测试和评价基准。作为技术实例，面壁同时推出了并开源了 ForgeTrain。
根据面壁的说法，ForgeTrain 是一个由 AI 自主导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。
参与行业标准的制定，体现了面壁希望扮演的另一种角色，不仅提供单个端侧模型，也参与建立训练、适配和规模化复制的有效方法。
争夺端侧智能的诠释权
手机作为端侧 AI 最先实现规模化的入口，将本地模型带给了普通用户，让低延迟、隐私保护以及端云协同这些技术概念，变成了消费者可感知的产品能力。
汽车和机器人则将端侧 AI 带向更宽广的真实世界。前者要求模型在弱网和跨生命周期条件下持续更新，后者则要求模型在本地完成感知、决策和行动。尽管不同终端需求各异，却共同指向一个目标——AI 能力需脱离云端服务器，融入具体设备和实际任务中。
这也意味着，端侧智能并非简单地将云端模型压缩后嵌入设备。哪些任务必须保留在本地，哪些任务可由云端处理；不同算力与功耗条件下，模型应保留何种能力；一套解决方案如何跨芯片、跨终端复制，在隐私、延迟和可靠性上形成可验证标准——这些问题至今尚未找到最终答案。
争夺端侧智能的诠释权，本质上是在争夺这些问题的答案。这不仅取决于谁率先发布一个更小的模型，更在于谁能将模型能力、硬件适配、系统整合与场景实现沉淀为一套可复制的方法，让每一次合作摆脱孤立项目的局限。
面壁希望证明的，也不单是 MiniCPM 在某一台或某类设备上成功运行。从三星手机，到量产汽车、工业机器人及无网导览，再到 AI for AI 标准与 ForgeTrain，其角色正在从端侧模型供应商，扩展为端侧智能落地方法的提供者。手机打开了规模化的窗口，汽车和机器人赋予了更复杂的现实考验，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，云端更宜处理复杂推理和低频任务，端侧则更适合即时响应、弱网环境下的可用性、敏感数据保护以及持续运行。二者协同，才有望让 AI 从聊天框走出来，真正融入用户随身携带并长期使用的设备之中。
从这个视角看，面壁正在争夺的，是 AI 如何进入物理终端与真实世界的定义权。
【站点差异】本稿件将发布于 shixianpress.com。请采用不同的措辞、句式与段落节奏，避免与其他发布版本雷同；事实与数据仍需与原文精准一致。
