面壁智能井晨哲：實現智能革命的核心是把計算機越做越高效

面壁智能開源生態負責人、OpenBMB開源社區布道負責人井晨哲。

新京報貝殼財經訊（記者程子姣）7月8日，2026新京報貝殼財經年會未來大會在北京舉行，在「人工智能：重塑智能經濟新形態」。面壁智能開源生態負責人、OpenBMB開源社區布道負責人井晨哲表示，實現智能革命最核心的邏輯並不是把計算越做越高效。

「我們最近在手機、汽車、AIPC等各個領域落地了非常多應用案例。」井晨哲談道，長久以來，行業普遍信奉大模型「參數量越大、效果越好」，這是AGI底層發展的主流思路，但井晨哲對此提出不同看法。

他以計算機發展史作類比，IBM早年曾提出全球僅需五台大型主機就能滿足全部計算需求，大型機多用於導彈軌道預測等複雜運算，但智能時代的普及載體卻是手機、個人PC等終端設備，背後核心是摩亞定律——每隔18個月，芯片單位面積計算密度翻倍。

「實現過去信息革命最核心的邏輯並不是把計算機越做越大，而是把計算機越做越高效，計算越做越高效，這對智能革命的到來具有啟示意義。」井晨哲談道，面壁智能提出「知識密度」新概念，定義為單位模型參數量所能實現的智能水平。團隊統計全球開源、閉源大模型數據後發現穩定行業規律。

「我們發現其實每隔3.3個月，實現相同智能所需要的模型的參數量就會減半，這告訴我們模型的參數量對應的模型的計算機，對應模型對芯片計算的需求量。」井晨哲透露，在他看來，摩亞定律持續生效、同等智能所需參數量持續下降，兩條趨勢相向而行，讓高性能AI大規模下沉至小型終端芯片成為可能。大型智算中心造價高、能耗巨大，而每個人手中的手機、電腦蘊藏海量閑置算力。

井晨哲總結稱，端側智能具備隱私性、實時性、可靠性三大不可替代優勢。實時性層面，端側模型無需依賴網絡即可本地運行，「只要你有電，它就可以參與計算，不需要去聯網來服務你，其實在任何情況下它都可以7×24小時為你提供服務，能不斷地通過更多你的隱私數據來理解你真實的用戶需求」。

產業鏈層面，他談道，端側智能形成完整閉環，應用層覆蓋智能汽車、智能手機、新型智能硬件、具身智能，底層依託邊緣推理芯片、全模態模型、推理框架打造終端大腦，實現硬件感知、決策、執行一體化。目前面壁智能已在上述四大賽道落地相關應用。

編輯 嶽彩周

校對 柳寶慶