--- title: "李大海：把宝押在小模型的地面战" date: 2026-11-05 category: AI大模型 site: 脑机网 canonical: https://www.logic.wang/a/njw-daf340 language: zh-CN --- # 李大海：把宝押在小模型的地面战 > 头条都属于巨人：越来越大的训练集群、越来越长的榜单、耗电如城市的机房。在这片喧嚣里，李大海在问一个更安静却不安的问题——如果人们真正需要的大部分智能，根本不必碰数据中心呢？作为面壁智能的掌门人，他把三年时间押在了这个答案上。 头条都属于巨人：越来越大的训练集群、越来越长的榜单、耗电如城市的机房。在这片喧嚣里，李大海在问一个更安静却不安的问题——如果人们真正需要的大部分智能，根本不必碰数据中心呢？作为面壁智能的掌门人，他把三年时间押在了这个答案上。 ## 从知乎技术掌舵人到创业者 李大海的履历是一部中国互联网建设史。他拥有北京大学数学硕士学位；2006 年加入谷歌中国，成为创始员工之一，在谷歌摸索如何立足中国的年代做搜索。 他没有安顿，而是一路创业。2010 年，他联合创办社会化搜索引擎云云网；此后加入移动应用商店豌豆荚负责搜索技术；2015 年加入中国最大的问答社区知乎，后来出任首席技术官。近十年里，他搭建了知乎的广告、数据与推荐体系，直到公司双重上市。 转折发生在 2023 年。当年 4 月，知乎独家领投面壁智能天使轮——这家公司孵化自清华自然语言处理实验室，刘知远和同事们在做紧凑型语言模型。2023 年 6 月，李大海离开技术掌舵人的位置，成为面壁智能联合创始人兼 CEO；2024 年年中，他进一步卸下知乎的日常职务，全职投入创业。 ## 密度定律的赌注 中国的头部模型公司大多用最直观的方式竞争：更多参数、更多显卡、更多资本。面壁智能做的是一道减法。团队提出被命名为「密度定律」的判断：达到同等智能水平所需的参数量，大约每三个半月减半。如果这条曲线成立，今天需要机房承载的智能，明天就能塞进一部手机。 这个赌注的产物就是 MiniCPM——一个专为端侧设计的开源小模型家族，全球累计下载量以千万计。公司披露其模型已落地手机、汽车、AI PC 与智能家居，包括与吉利等车企合作的量产上车。它不追逐每个榜单王座，而是务实地承诺：离用户足够近的小模型，延迟低、成本低、不依赖网络，在大量任务上比旗舰模型更合适，甚至是唯一选项。 ## 地面战为什么重要 李大海的论证与其说关于物理，不如说关于准入。模型若必须住在遥远的数据中心，就要有人为管道付钱；模型若住在设备里，则不需要任何许可。对汽车、工厂设备、耳机和乡村场景而言，这个差别决定了什么能被造出来，也决定了用户关系归谁——是跑着巨型模型的公司，还是握着设备的公司。 该路线吸引了关键关注。2025 至 2026 年，公司完成多轮融资：2026 年 2 月获中国电信领投的战略投资，4 月再获深创投与汇川产投联合领投的新一轮。2026 年 8 月，面壁智能启动 A 股上市辅导，辅导机构为中信证券——区别于选择海外上市的同行，也表明公司打算在中国资本市场写下一章。 李大海自己的弧线给这个赌注添了可信度。搜索、社区、信息流先后是前沿，如今轮到模型。每一轮，持久的价值都不属于最炫的技术，而属于掌握分发与成本的人。在他的表述里，小模型不过是下一个分发入口。 ## 尴尬的取舍 诚实需要账本的另一面。小模型承认天花板：在复杂推理与长尾知识上仍落后巨人，端侧优先、悄悄调用云端的混合架构往往才是可行解。端侧智能也继承了行业的榜单噪音：实验室里的数字，未必扛得住旧手机和嘈杂的马路。 还有做供应商的战略风险。智能若住在别人的设备里，客户就是设备厂的。李大海的团队用开源社区建设与更深的硬件联合工程来回应，但张力真实存在。他愿意亲口承认这种张力，这正是他与空许终局者的不同。 ## 核心要点 - 李大海从谷歌中国创始员工，到云云网联合创始人，再到近十年的知乎 CTO，最终于 2023 年 6 月出任面壁智能联合创始人兼 CEO。 - 公司的核心论点「密度定律」认为：达到同等智能所需参数量约每 3.5 个月减半，能力模型正被推向手机、汽车与家居设备。 - 面壁智能 2026 年获中国电信与深创投等加持，2026 年 8 月启动 A 股上市辅导，辅导机构为中信证券。 ## 诚实的局限 - MiniCPM 的下载量在不同口径的公司表述与媒体报道中数字不一，任何单一累计数字都应谨慎对待。 - 小模型的性能声明多来自公司及其开源社区，消费设备上的独立评测仍然有限。 - 截至 2026 年底，上市仍处于辅导阶段而非完成发行，公司营收细节也未公开。 ## 普通人现在能做什么 - 做应用开发的读者，先在本地跑跑 MiniCPM 这类开源小模型，再决定是否默认调云端——延迟和隐私会改变产品。 - 关注中国 AI 上市的读者，可跟踪其辅导进展——它预示国内资本如何为端侧路线定价。 - 管理 AI 预算的读者，不妨审计工作负载里有多少真的需要旗舰模型——密度定律适用于你的成本线，不只是设备。 --- 来源：脑机网（https://www.logic.wang/）｜原文：https://www.logic.wang/a/njw-daf340 本内容仅供参考，不构成投资建议。