大模型热度退潮，真正的技术创新者开始被「看见」

112 0 0

文章摘要

近年来，大模型领域的竞争格局发生了显著变化，从盲目追逐规模转向更注重技术本质的创新。过去两年中国的大模型投资更多聚焦商业模式，而硅谷则倾向于押注技术本身。随着行业洗牌，裸泳者退出，真正具备技术实力的团队开始崭露头角。DeepSeek凭借云端千亿级模型的突破成为行业标杆，而面壁智能则通过端侧创新开辟了另一条路径，形成“云端双雄”的差异化竞争格局。

AGI技术的创新维度已收敛至数据、学习、推理与架构四大板块。其中，数据与学习的标准化程度较高，而推理和架构成为拉开差距的关键。面壁智能发布的MiniCPM 4.0首次集成InfLLM v2稀疏注意力结构，针对端侧场景优化，将KV缓存降低至同级别模型的1/4，稀疏度压缩至5%，接近人脑激活比例。这一创新不仅提升了效率，还通过层数优化（从62层缩减至32层）进一步降低能耗，展现了端侧模型的独特优势。

在性能上，MiniCPM 4.0-8B和0.5B模型均在同级基准测试中实现SOTA表现，8B版本超越Qwen-3-8B和Gemma-3-12B，0.5B版本则实现600 Token/s的极速推理。其系统级稀疏创新带来常规5倍、极限220倍的速度提升，尤其在边缘计算芯片Jetson AGX Orin上表现突出。面壁通过自研推理框架CPM.cu、BitCPM量化算法及ArkInfer跨平台部署工具，构建了软硬一体的端侧技术栈，支持多芯片平台的高效适配。

架构创新与工程优化共同支撑了MiniCPM 4.0的“高效双频”能力。例如，稀疏注意力模式可根据任务动态切换，长文本场景下降低计算复杂度，短文本下保持稠密注意力以确保精度。此外，Chunk-wise Rollout策略提升GPU利用率，Ultra-FineWeb数据筛选系统降低90%验证成本，风洞2.0训练方案将超参数搜索实验减少50%。这些改进使得模型仅用22%的训练开销即可达到同类性能。

行业观察者将DeepSeek的突破视为“工程美学”的胜利，而面壁的端侧探索则印证了AGI技术路径的多样性。正如研究者所言，大模型已找到通用学习数据的方案，但迈向终局智能仍需效率与普惠的双重驱动。云端与端侧的协同发展，或许正是填补市场供给版图的关键一步。