独家对话面壁智能李大海：单纯讨论模型大小没有太大意义

专题：全球网络峰会 Web Summit Lisbon 2026

　　郝倩 发自葡萄牙里斯本

　　在正在进行中的葡萄牙里斯本2026全球网络峰会（Web Summit）中，面壁智能（ModelBest）联合创始人、董事长、首席执行官李大海在对话新浪科技时表示：当大模型行业从追逐参数规模转向产业落地，面壁智能选择了一条不同的道路：以高智能密度降低模型使用成本，让智能真正走向每一个终端。

　　大模型行业正在经历一场竞争逻辑的变化。在李大海看来，大模型竞争正在从单一的技术能力比拼，转向技术、成本、产品化能力和生态建设的综合较量。

　　“单纯讨论模型大小已经没有太大意义。真正值得关注的，是模型的智能密度，以及单位成本所能提供的智能水平。”李大海对新浪财经坦言。

　　“智能水平代表的是我能完成什么事，密度代表的是我能用什么成本完成这个事情。”李大海认为，要让大模型普惠地服务所有人，最终一定要走向低成本。他解释说这就是面壁智能自成立以来持续坚持的技术路线的初衷。在大模型行业不断追逐更大规模、更高性能的背景下，面壁智能将高智能密度作为重要方向，并进一步将技术优势延伸至端侧智能、端云协同和产业应用。

　　单纯讨论参数规模不能反映实际价值

　　在李大海看来，目前行业对于大模型大小并没有统一标准，更多是根据具体使用场景形成的相对概念。甚至在一些讨论中，200B参数规模的模型也可能被称为小模型，而达到2T参数的模型才被视为大模型。

　　模型竞争不应只关注能力上限，还需要关注能力与资源消耗之间的关系。

　　在他看来，大模型落地有两个关键条件：便宜和易得。前者意味着模型服务的使用成本足够低；后者则意味着模型能够更容易地部署到不同设备和业务场景中。这两个条件实际上紧密相关。

　　对于手机、汽车、智能硬件等终端设备，以及对数据安全和本地部署有要求的企业客户而言，模型不仅要足够聪明，还必须能够在有限的算力条件下运行。如果模型规模过大，对硬件和计算资源的要求就会随之提高，部署难度和使用成本也会增加。

　　因此，高知识密度不仅是一种模型技术优化方向，也是一条面向产业落地的路径。

　　这背后反映出大模型行业正在发生的变化：当模型能力逐渐提升，竞争的关键不再只是能否实现更高的智能水平，还包括能否以更低的资源消耗，将这种智能能力交付给更多用户。

　　技术公司的核心竞争力是人才

　　谈到面壁智能的核心竞争力，李大海首先提到的是人才。

　　面壁智能成立于2022年，是一家从创立之初就聚焦大模型的原生AI公司。在李大海看来，创业初期最重要的竞争优势，是创始团队和核心人才所形成的组织能力。

　　“我们是个大模型原生的公司，22 年成立公司的时候，ChatGPT 还没发布，我们就聚焦做大模型。我们的人才也都是对大模型、对 AGI 有信仰的年轻人，能够把这样一拨人聚在一起，其实天然就是优势。”

　　“在这个基础上，我们又有很好的技术前瞻，能先人一步看到智能密度这个规律，持续在这个大方向上坚定投入，从而带来了我们在端侧基于高效大模型落地的累积优势、对端侧更深的认识，以及在客户和芯片那里更强的生态优势。这些是我们持续不断壮大的主要原因。”

　　不过，他也强调，人才优势并不是企业可以长期依赖的唯一壁垒。随着业务发展，公司必须不断将组织能力转化为可验证的技术成果，再进一步转化为商业价值和生态优势。

　　在他看来，一家公司的竞争优势，实际上是一个从单一优势走向复合优势、持续筑高竞争门槛的过程。

　　大模型足以赋能千行百业，要做取舍

　　李大海此前曾提出，大模型会把所有工作都重新做一遍。在他看来，大模型对千行百业、各类终端设备的赋能空间非常广阔，但机会越多，企业越需要明确自己的边界和取舍。

　　对于手机、汽车等已经形成成熟产业链的终端产品，面壁智能选择不直接进入整机制造和终端品牌竞争，而是通过B2B2C 的方式，为终端厂商提供模型能力和智能化服务。

　　如果说高智能密度是面壁智能的技术选择，那么端侧智能则是其重要的产业落地方向。这一选择有其商业逻辑。

　　手机和汽车虽然品牌不同，但在底层智能能力上存在大量共性需求。不同厂商需要的模型能力，在一定程度上可以复用。通过提供标准化、可复用的模型产品和技术方案，模型厂商能够服务多个终端品牌，从而获得更大的市场空间。

　　与此同时，在产业端，面壁智能也在推进端侧模型与端云协同的应用范式。

　　对于企业客户而言，AI落地并不只是接入一个云端大模型。不同企业有不同的业务流程、数据要求和部署环境，模型需要真正进入业务系统，才能产生实际价值。

　　端侧模型与云端模型协同，可以根据任务需求和资源条件分配计算能力，为企业提供更加灵活的智能化解决方案。

　　未来可能每个人都拥有自己的模型

　　对于未来3至5年的技术发展趋势，李大海重点谈到了两个方向：AI制造AI，以及模型主权化。

　　近年来，行业开始频繁讨论RSI，即递归自我改进（Recursive Self-Improvement）。这一概念指向AI系统能否通过自我优化，不断提升自身能力。

　　但李大海认为，目前RSI更多还处于概念和探索阶段。现实中更值得关注的，是利用AI来制造AI。

　　他用机床制造机器作比喻：机床本身也是机器，但不能简单地认为机器已经能够完全自主地制造自己。当前AI参与AI研发和优化的状态，也更接近于利用一种智能工具来辅助另一种智能系统的制造。

　　至于未来模型能否真正实现类似人类的自主进化，他认为仍然需要时间。

　　相比之下，李大海更加看好随着推理成本持续下降而到来的模型主权化趋势。所谓模型主权化，是指模型逐渐从集中式云端服务，走向更加贴近个人和企业的数据、设备与业务环境。

　　在他看来，模型要真正深入地服务用户，就必须理解越来越多的用户上下文。模型掌握的个人信息和企业数据越多，其提供的服务就越有针对性，但数据安全和控制权问题也会变得更加重要。

　　当端侧模型的能力不断提升、推理成本不断下降，越来越多的智能任务就可以在本地完成。

　　李大海提出，未来可能出现“每个人都有自己的模型”的状态。这意味着，模型不再只是一个由大型科技公司集中提供的公共服务，而可能成为每个人、每个企业都能够拥有和掌控的智能资产。

　　国际市场拥抱AI，出海商机巨大

　　谈到今年在里斯本参加全球网络峰会的心得体会，李大海坦言，结合他此前在中东的交流经历，他感受到一个明显变化：全球市场对AI的关注和拥抱程度都在不断提高。

　　“大家都比以往任何时刻都更重视 AI、更拥抱 AI。这跟大模型的技术逐渐成熟，开始真正进入各行各业密切相关。大家热情都很高，我觉得这是一个特别好的出海机会。”李大海对新浪财经表示。

　　随着AI从技术展示走向实际应用，全球市场正在出现更多合作机会。

　　而欧洲市场的特殊性，在于其对合规和数据保护的高度重视。李大海认为，这恰恰与面壁智能的端侧解决方案具有较高的契合度。

　　随着AI应用不断深入，模型需要理解和处理越来越多的用户上下文。对于企业而言，这些数据可能涉及核心业务信息；对于个人用户而言，也可能包含大量隐私信息。

　　“如果所有模型服务都完全依赖云端，用户就需要将更多数据交由云端处理。这不仅涉及数据安全问题，也涉及数据控制权和数据主权问题。相比之下，端侧模型能够在本地设备上完成更多计算和处理任务，为数据留在本地提供更多可能性。”

　　因此，在李大海看来，欧洲对于数据合规和隐私保护的重视，不仅构成了AI企业进入市场时需要面对的要求，也为端侧智能提供了新的发展机会。

　　他透露，此次大会期间，面壁智能团队已经与不少欧洲本地伙伴进行了交流。从反馈来看，部分欧洲合作伙伴对成熟的智能底座有着较为迫切的需求。

　　李大海也提到了面壁智能参与的老挝主权大模型落地案例。按照他的介绍，面壁智能主要负责模型训练和智能底座能力，具体的上层应用以及与客户的协作，则更多由生态合作伙伴承担。

　　这种分工体现了面壁智能相对开放的生态策略：专注模型能力和底层技术，将行业应用、场景理解和本地化服务交给更了解当地市场的合作伙伴。

　　李大海认为，这一模式也有望成为其拓展欧洲市场的重要切入点。

　　全球AI竞争，需要找到各自的资源禀赋

　　谈及不同国家和地区在AI时代的竞争力，李大海认为，全球AI产业的发展并不意味着所有国家都要走同一条道路。

　　不同国家拥有不同的资源禀赋，应该根据自身优势找到适合自己的产业定位。

　　“以中国为例，中国拥有工程师红利、丰富的应用场景，以及大规模协同落地的能力，这些都是中国参与全球AI竞争的重要优势。而对于其他国家和地区而言，也需要结合自身的产业结构、人才资源和市场条件，找到自己的定位。”

　　同时，李大海认为，AI是席卷所有产业的一场深刻技术革命，其影响不会局限于某一个行业，也不会只给少数国家带来机会。他举例说，葡萄牙连续举办全球网络峰会，就加大了它在AI领域对于全欧洲的影响力，也拉动了本地的GDP。传播影响力本身也算是一种优势与定位。

　　“除了底层模型的生态位，还有很多其他的生态位，发展的机会很多，不能一概而论。”李大海对新浪财经分析说。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。