12月23日，面壁智能宣布稱，已于近期完成數(shù)億元融資。本次融資由京國瑞、國科投資、中金保時捷基金、米聚資本與和基投資共同參與，募集資金將主要用于加大端側(cè)高效大模型的研發(fā)投入，加速端側(cè)AI的商業(yè)化進(jìn)程。

　　視覺物聯(lián)了解到，截至2025年12月24日，面壁智能已累計完成從天使輪到D輪的8輪融資，總?cè)谫Y額約26.5億元人民幣。

　　持續(xù)且充足的資本注入，不僅充分彰顯了市場對端側(cè)AI賽道發(fā)展?jié)摿Φ恼J(rèn)可，更為面壁智能深化技術(shù)研發(fā)、拓展應(yīng)用場景奠定了堅實(shí)基礎(chǔ)，預(yù)示著其端側(cè)大模型技術(shù)的落地進(jìn)程將進(jìn)一步提速。

　　在技術(shù)布局上，面壁智能早已展現(xiàn)出強(qiáng)勁的創(chuàng)新實(shí)力。早在2024年8月，該企業(yè)便發(fā)布了MiniCPM-V2.6端側(cè)大模型，這款僅8B參數(shù)量的模型，首次實(shí)現(xiàn)了超清OCR識圖、實(shí)時視頻理解等核心能力的端側(cè)集成，更在單圖分析、多圖對比及視頻動態(tài)理解等關(guān)鍵指標(biāo)上，實(shí)現(xiàn)了對GPT-4V的超越，展現(xiàn)出極強(qiáng)的技術(shù)競爭力。

　　從市場應(yīng)用來看，當(dāng)前端側(cè)大模型在安防行業(yè)的落地已初見成效，主要集中于邊緣側(cè)與終端設(shè)備兩大場景。

　　其中，邊緣側(cè)的核心產(chǎn)品形態(tài)包括大模型一體機(jī)、邊緣計算盒子等，目前北斗智能已將面壁智能的大模型應(yīng)用于園區(qū)、地鐵等實(shí)際場景；終端設(shè)備則以智能NVR和攝像頭為主，應(yīng)用領(lǐng)域主要圍繞周界報警場景展開。

　　不過，安防行業(yè)的特殊需求也給端側(cè)大模型的落地帶來了獨(dú)特挑戰(zhàn)。行業(yè)人士透露，安防領(lǐng)域的諸多場景對實(shí)時性要求極高，若僅依靠大模型進(jìn)行實(shí)時分析，現(xiàn)階段仍需前置多層小模型邏輯作為支撐。

　　這一做法的核心目的在于，過濾冗余信息、減少流向大模型的請求流量，因?yàn)榧幢阆?B參數(shù)量的模型，其每秒僅能處理少量QBS請求，面對海量實(shí)時視頻數(shù)據(jù)時，前端小模型的預(yù)處理環(huán)節(jié)不可或缺。

　　與此同時，行業(yè)也面臨著技術(shù)同質(zhì)化與數(shù)據(jù)壁壘的問題。目前，主流大模型的框架與架構(gòu)已基本趨同，最終模型的性能差異主要取決于數(shù)據(jù)篩選、標(biāo)注質(zhì)量及數(shù)據(jù)配比的合理性。

　　當(dāng)前多數(shù)大模型企業(yè)缺乏專業(yè)領(lǐng)域數(shù)據(jù)，主要依賴公開數(shù)據(jù)進(jìn)行訓(xùn)練，這也導(dǎo)致模型在特定場景的適配性需要持續(xù)優(yōu)化。

　　值得一提的是，大模型在技術(shù)維度上已具備顯著優(yōu)勢，在視頻理解等任務(wù)中，即便無需針對性調(diào)試，其表現(xiàn)也普遍優(yōu)于傳統(tǒng)小模型。

　　盡管存在挑戰(zhàn)，大模型仍為行業(yè)帶來了效率革新。在應(yīng)用端，傳統(tǒng)模式下制作一個供客戶試用的Demo需耗時一周左右，而借助大模型的技術(shù)賦能，如今僅需一小時即可完成初步Demo搭建，后續(xù)再基于需求逐步深化優(yōu)化，大幅縮短了產(chǎn)品驗(yàn)證與市場對接的周期。

　　總體而言，此次融資為面壁智能的技術(shù)迭代與市場拓展注入了新的動力。期待未來面壁智能能在多模態(tài)大模型的落地應(yīng)用中持續(xù)突破，為安防及更多行業(yè)場景帶來更具創(chuàng)新性的解決方案，推動端側(cè)AI行業(yè)實(shí)現(xiàn)更高質(zhì)量的發(fā)展。