面壁智能井晨哲：实现智能革命的核心是把计算机越做越高效

发布时间：2026-07-18 08:23:32 来源：安智兰德资讯网 作者：娱乐

面壁智能开源生态负责人、面壁命OpenBMB开源社区布道负责人井晨哲

新京报贝壳财经讯（记者程子姣）7月8日，智能哲实2026新京报贝壳财经年会“未来大会”在北京举行。井晨在主题为“人工智能：重塑智能经济新形态”的现智效环节中，面壁智能开源生态负责人、核心OpenBMB开源社区布道负责人井晨哲指出，把计实现智能革命的算机核心逻辑并非单纯追求计算效率的极致提升，而是越做越高通过优化模型密度与硬件适配，推动AI向终端下沉。面壁命

“我们近期已在手机、智能哲实智能汽车、井晨AIPC等多个领域落地了大量应用案例。现智效”井晨哲表示，核心长期以来，把计行业普遍信奉“参数量越大，算机模型效果越好”这一AGI底层发展主流思路。然而，井晨哲对此提出了不同见解。

他以计算机发展史为例进行类比：IBM早年曾预言全球仅需五台大型主机即可满足所有计算需求，大型机主要服务于导弹轨道预测等复杂运算。但真正推动智能时代普及的载体却是手机和个人PC。这一转变背后的核心驱动力是摩尔定律——即每隔18个月，芯片单位面积的计算密度实现翻倍。

“过去信息革命最核心的逻辑，并不是把计算机做得越来越大，而是把计算机做得越来越高效。这种‘计算效率提升’的趋势，对当前智能革命的到来具有深刻的启示意义。”井晨哲强调。

为此，面壁智能提出了“知识密度”这一新概念，将其定义为单位模型参数量所能实现的智能水平。通过对全球开源及闭源大模型数据的统计分析，团队发现了一条稳定的行业规律：

“每隔3.3个月，实现同等智能水平所需的模型参数量就会减半。”

这一规律揭示了模型参数量与计算机算力需求之间的直接关联。井晨哲分析认为，随着摩尔定律的持续生效以及同等智能所需参数量的不断下降，这两股趋势相向而行，使得高性能AI大规模下沉至小型终端芯片成为可能。

相比之下，大型智算中心不仅造价高昂，且能耗巨大；而每个人手中的手机、电脑等终端设备则蕴藏着海量的闲置算力。井晨哲总结称，端侧智能具备隐私性、实时性、可靠性三大不可替代的优势：

• 实时性与可靠性：端侧模型无需依赖网络连接即可在本地运行。“只要有电，它就可以参与计算，无需联网即可提供服务。这意味着在任何情况下，它都能7×24小时不间断地为你服务，并能通过不断积累你的隐私数据，更深刻地理解你的真实需求。”

在产业链层面，井晨哲指出，端侧智能已形成完整的闭环生态：

1. 应用层：覆盖智能汽车、智能手机、新型智能硬件及具身智能四大领域。
2. 底层支撑：依托边缘推理芯片、全模态模型及推理框架，打造终端“大脑”。
3. 核心能力：实现硬件感知、决策与执行的一体化。

目前，面壁智能已在上述四大核心赛道成功落地相关应用。

编辑 岳彩周
校对 柳宝庆

相关文章