把模型送去上班，就是 Agent。

如果你最近關注 AI 圈，幾乎很難繞開「智能體（Agent）」這個詞。在能夠獨立建站、做股票分析、安排旅行日程的 Manus AI 智能體大火之后，國內(nèi)外更多公司開始公開押注「AI 智能體」。

甲骨文 AI 集團副總裁 Miranda Nash 在接受采訪時表示，AI Agent（智能體）將成為今年科技公司的關注焦點。智譜 CEO 張鵬在最近舉行的 2025 中關村論壇年會上發(fā)布了全新智能體 AutoGLM 沉思，并表示 2025 年會是 AI Agent（智能體）的爆發(fā)之年。

不只是智譜和 AutoGLM 沉思，2025 中關村論壇年會上，這股智能體浪潮還有一個標志性落點——面壁智能正式發(fā)布「小鋼炮超級助手 cpmGO」，號稱是全球首個落地車端的純端側智能助手，也是面壁智能「模型即 Agent」愿景的一次技術實踐。

圖/面壁智能

特別在于，這個小體積的智能助手并不跑在云上，而是完全部署在汽車設備上，能在斷網(wǎng)、弱網(wǎng)環(huán)境下自主完成感知、理解、決策與執(zhí)行的全過程。不同于我們熟悉的語音助手，面壁智能宣稱「小鋼炮」能看、能聽、能說，也能動手幫你控車、看屏、識人、識艙、甚至值班守車。

而作為 2022 年成立的國產(chǎn)大模型初創(chuàng)企業(yè)，面壁智能一直是將「高效大模型」「端側部署」作為自身的技術主線，旗下 MiniCPM 系列模型目前已經(jīng)應用于 AI 手機、AI PC、智能座艙等多個終端形態(tài)。

在這次中關村論壇上，面壁智能聯(lián)合創(chuàng)始人兼 CEO 李大海還引用了知名 AI 工程師、Pleias 聯(lián)合創(chuàng)始人 Alexander Doria 的話表示，模型本身而非工作流，才是未來 AI 智能體的發(fā)展方向——模型即智能體，模型即產(chǎn)品，模型即交互：

「把小鋼炮這個端側模型送去上班，就是 Agent。」

面壁智能聯(lián)合創(chuàng)始人兼 CEO 李大海，圖/中關村論壇

李大海還透露，小鋼炮助手將于今年 Q3 正式隨車上市，一些整車廠和 Tier1 廠商已經(jīng)在開展測試。在這場智能體競賽中，面壁用一個能「上車」的 AI 智能體，率先打響了國產(chǎn)端側智能體的第一槍。

面壁「小鋼炮」上車，不只是語音助手

比起只會聽你說「打開空調(diào)」的傳統(tǒng)車載語音助手，小鋼炮超級助手 cpmGO 顯然要復雜得多。

作為一款部署在車端的純端側模型和超級助手，「小鋼炮」不依賴云端推理，而是由面壁智能自研的 MiniCPM-o 全模態(tài)模型本地運行完成，從「感知 → 理解 → 推理 → 調(diào)用工具 → 實際執(zhí)行」形成完整的智能體閉環(huán)。

首先能「看」。基于艙內(nèi)外攝像頭，「小鋼炮」能識別乘客手勢、面部、車外動態(tài)等視覺信息，結合麥克風陣列進行語音感知，構建起強大的多模態(tài)感知系統(tǒng)。你抬個手、回個頭，它就能做出響應。

「小鋼炮」還能「理解」和「決策」，不僅能識別指令意圖，還能理解上下文。比如當你對著中控屏問「這個怎么調(diào)亮一點」，它能理解「這個」指的是屏幕亮度，并跳轉到對應界面，執(zhí)行調(diào)整操作。

圖/面壁智能

這里值得一提的是，面壁在去年 12 月就打造出了首個純端側部署、Always On 的「GUI Agent 屏幕助手」，所以不僅能看、能說，還能干，在屏幕上實現(xiàn)「可見即可說」。在此基礎上，「小鋼炮」具備一定程度上的「工具調(diào)用能力」，不僅可以實現(xiàn)泛化語音車控、智能哨兵、兒童與寵物監(jiān)控，也能直接在車機或者手機屏幕上自動完成一連串的操作任務。

尤其是在車端場景，可以避免手指觸屏，直接通過語音指揮導航，甚至讓小鋼炮拍照并分享給朋友。更重要的是，這一切在弱網(wǎng)、甚至無網(wǎng)的環(huán)境下都可運行，真正滿足端側智能體對低延遲、強隱私的剛性要求。

但「小鋼炮」更大的意義，在于它已經(jīng)具備「智能體」的核心三要素：自主感知、意圖判斷、工具調(diào)用。它不是預設任務的腳本執(zhí)行器，而是一個能夠理解用戶語境、做出合理判斷并完成任務的智能體和 AI 助手——當然，目前這個「助手」可能仍偏向執(zhí)行型，而非規(guī)劃型。

至少從目前流出的信息和演示來看，面壁的「小鋼炮」能干活，但還不太會「主動安排工作」，也缺少作為「虛擬駕駛助理」的人格化設定與情緒表達，同時大量場景還未廣泛上市驗證。另外，李大海雖然也在演進中提到了當前 Agent 智能體的一大通病是「長期上下文記憶差」，但「小鋼炮」目前也并未展現(xiàn)出解決這個挑戰(zhàn)的表現(xiàn)和能力。

圖/面壁智能

也就是說，面壁用「小鋼炮」解決了智能體能不能「本地跑」、能不能「穩(wěn)定干活」的問題，但智能體夠不夠「聰明」、能不能「持續(xù)成長」的問題，可能還有待驗證和探索。

五大國內(nèi)初創(chuàng)大模型公司，不同的路線走法

如果說 Manus 掀起了新一輪「智能體」的討論熱潮，那么在國內(nèi)大模型初創(chuàng)公司中，誰在真正推動智能體落地？誰又在各走各的路？

目前來看，面壁智能、智譜、百川智能、月之暗面（Kimi）和深度求索（DeepSeek）這五家國產(chǎn)代表性的大模型初創(chuàng)公司，已經(jīng)逐步顯露出各自明確而獨特的路線分野。

面壁智能：All in 端側，一步到崗

圖/面壁智能

面壁的戰(zhàn)略關鍵詞可以總結為三點：「輕量模型、純端部署、場景落地」。MiniCPM 系列的定位從一開始就不是對標云端大模型，而是追求能在 AI 手機、汽車、AI PC 等終端本地跑起來、干活不掉鏈子的小模型。

相比多數(shù)同行還在「智能體是什么」階段做演示、發(fā)論文，面壁已經(jīng)算是把「智能體」落地走得比較快的廠商，至少已經(jīng)部署到了汽車上，支持 real-time、多模態(tài)、無網(wǎng)絡運行，真正進入了真實的使用場景之中。

但這也意味著它必須面對工程難題、芯片適配、商業(yè)驗證等「重活」，路徑并不輕松。

智譜 AI：技術中臺派，B 端+模型生態(tài)

圖/智譜

作為成立最早的大模型公司之一，智譜走的是大模型中臺 + 企業(yè)服務路線，強調(diào)從預訓練模型、到行業(yè)數(shù)據(jù)集、再到垂直應用的全鏈條能力。智能體方面，智譜目前也更強調(diào)「從大模型能力中長出智能體」，更注重通用性與生態(tài)的建設。

與此同時，智譜還是國內(nèi)最早一批走到「智能體」這一步的廠商，陸續(xù)推出了 GLM- PC 智能體、AutoGLM （手機）智能體以及最新的 AutoGLM 沉思智能體。其中 AutoGLM 沉思的使用場景與此前大火的 Manus 類似，可以進行行業(yè)研究、購物推薦、教案/教程制作、旅行攻略等。

不同的是，AutoGLM 沉思的背后，是智譜自研的全棧大模型技術，融合了 GLM-4 的通用能力、GLM-Z1 的反思能力、GLM-Z1-Rumination 的沉思能力，以及 AutoGLM 的自動執(zhí)行能力。

百川智能：商業(yè)應用導向，All in 醫(yī)療大模型

圖/百川智能

搜狗創(chuàng)始人王小川創(chuàng)立的百川智能動作迅速，但方向選擇更為聚焦。從早期通用 Baichuan 系列大模型切入，再快速向垂類商業(yè)化場景推進，甚至對外表示 All in 醫(yī)療，打造醫(yī)療大模型和智能體。

與面壁不同的是，百川走的是「模型+知識圖譜+行業(yè)專家系統(tǒng)」的組合路線，更注重服務能力的定制性。簡單來說，智能體對它來說更像是「垂直領域的執(zhí)行引擎」，而不是通用平臺。

月之暗面（Kimi）：模型即服務，做好 C 端助手

圖/月之暗面

相比另外幾家，月之暗面走了一條完全不同的路線，幾乎將全部精力集中在「模型即服務」上，專注從大模型到 C 端產(chǎn)品——Kimi 的垂直整合和用戶體驗的打磨。

盡管目前月之暗面還沒有推出真正意義上的智能體，但相信這件事已經(jīng)在路上了。從根本上，月之暗面想做的 AI 智能助手很難只靠優(yōu)秀的對話能力支撐，能夠學習和代替人類完成任務的智能體，應該說是題中應有之義。

另一方面，打造智能體的難點在于推理能力、記憶能力以及工具調(diào)用能力，推理是當下包括月之暗面在內(nèi)所有大模型廠商的大勢所趨，而記憶（長上下文）則是 Kimi 主打的優(yōu)勢之一�？梢哉f，Kimi 唯一比較欠缺的就是工具調(diào)用能力，但這也是業(yè)界共同面對的挑戰(zhàn)。

DeepSeek：用開源大模型，驅動智能體爆發(fā)

圖/ DeepSeek

嚴格來說，DeepSeek 并沒有推出自己的智能體，但并不妨礙今天 DeepSeek 在智能體領域舉足輕重的地位。尤其是開源的 DeepSeek R1 憑借相對較低的成本和相對較高的推理思考能力，幾乎是目前打造智能體最受歡迎的「底座模型」。

從戰(zhàn)略上看，DeepSeek 其實也不急于推出自己的智能體產(chǎn)品。從 DeepSeek 目前的動作來看，他們現(xiàn)階段還是更專注在大模型的效率與推理能力上持續(xù)優(yōu)化，打造「可負擔、可定制、可擴展」的底層能力平臺。

最好的例子就是大模型初創(chuàng)公司零一萬物在戰(zhàn)略轉型后，決定基于 DeepSeek（內(nèi)核）打造 AI 時代的 Windows（系統(tǒng)）。事實上，包括 Manus 在內(nèi)不少智能體就是基于 DeepSeek 或者 Claude 等基座大模型進行打造。

抬頭看，面壁智能的選擇是不是條好路？

從橫向對比來看，面壁是五家中唯一一個將純端側智能體部署到端側實體設備、并形成閉環(huán)交互的公司。

但對面壁來說，「All in 端側」可能并非一個短期營銷標簽，而是一條被選定之后就幾乎沒有回頭路的技術路徑。這條路徑的好處很清楚：更強的隱私保護、更低的延遲、更高的部署靈活性，也更貼近智能手機、汽車等終端設備的算力現(xiàn)實。

不過它的難點也同樣清楚——模型必須更輕、更穩(wěn)、更準，還得更懂「干活」，最關鍵的是要面對端側算力受限的問題，通過智能體來完成復雜任務。所以我們看到，面壁智能在強調(diào)自己的工程能力：

MiniCPM 輕量高效、GUI Agent 屏幕助手落地、cpmGO 可在車內(nèi)無網(wǎng)運行、執(zhí)行全鏈條任務。

可部署不是終點。智能體能不能處理任務鏈條中的變量？能不能隨著用戶習慣變化而成長？這些都是智能體要獨立完成的挑戰(zhàn)，更不要說是純端側的智能體。更現(xiàn)實的問題在于——體驗如何？這是需要面壁來回答的。

來源：雷科技

       原文標題 : 面壁打響“端側智能體”第一槍，國產(chǎn)大模型五虎各走各路了