今年 WAIC 最吸引眼球的展区，机器人与 AI 手机算是两大焦点。
更劲爆的消息，发生在世博展览馆之内——7 月 15 日，国家互联网信息办公室公布了新一批手机端侧生成式人工智能服务备案信息。
苹果智能、三星盖乐世 AI、华为小艺、OPPO AndesGPT、vivo 蓝心端侧大模型、小米澎湃 AI 及努比亚豆包手机大模型等 7 款产品获得批准。
或许最快将 AI 带入寻常百姓生活的设备，并非在展台上展示，反而就藏在每个人的口袋里面。
最受关注的无非是 Apple Intelligence，国行 iPhone 用户确实等得有些不耐烦了。随着备案尘埃落定，用户对手机 AI 的想象，也变得越来越清晰：Siri 何时才能真正明白上下文关联？AI 将如何实现跨应用协作？它读取照片、日程和聊天记录时，数据是否真的需要上传到云端？
这些能力又能否成为人们更换新机的充分理由？自发布之日起，市场就期待 AI 能成为下一轮 iPhone 换机和生态进化的驱动力。IDC 在 WWDC 2026 后分析，更完善的 Apple Intelligence 将强化新款硬件的升级必要性，并有机会把苹果操作系统进一步推向「个人智能」平台。
更具个性上下文的 Siri、更深入的跨应用联动，以及更多依靠新硬件的本地 AI 功能，都被看作是苹果重新定义手机交互的重要组成部分。
而在苹果之外，「Android 机皇」三星盖乐世 AI 也即将登场，面壁智能 MiniCPM 系列作为三星盖乐世 AI 的端侧模型能力支持方，深度介入此次备案推进工作。
对对壁智能来说，这意味着其端侧模型开始从开源社区和技术验证阶段，迈向全球顶尖消费电子厂商的实际产品中。
在全球手机市场格局里，三星长期位列全球智能手机市场第一梯队，拥有覆盖从入门级到旗舰级的完整 Galaxy 产品线、广泛的全球分销网络，以及覆盖手机、平板、手表和耳机的跨终端生态体系。
倘若端侧能力进一步拓展到更多机型和市场，端侧智能潜在触达的将不再是少数开发者或特定行业客户，而是成千上万的普通手机用户群体。
一次集中备案，释放出的是更广泛的行业信号——手机端侧 AI 正从概念演示和功能预告阶段，进入规范化、规模化落地阶段。当 AI 能力开始在设备本地运行，手机正成为端侧智能最早接触普通用户的入口。
端侧 AI 搭载在手机上？原因何在？
为何首选手机？
手机与人的距离最近，也是使用频率最高的智能终端。它天然掌握用户的通话、影像、位置和日程等信息，同时具备相机、麦克风和各种传感器，能够为 AI 提供持续的个人上下文信息。
这也造就了手机端侧 AI 与传统云端聊天机器人的显著区别。复杂的推理任务仍可委托云端处理，但拍照理解、语音识别、个人信息检索等高频、即时性或涉及隐私敏感的操作，可以优先在本地完成。这样既能缩短响应时间、降低云端调用成本，也能让部分敏感数据留在设备内部。
在由面壁智能主办，「 WAIC 端侧 AI 创新和行业发展论坛」上，三星电子中国研究院院长沈志春，将手机端侧 AI 的需求精辟地总结为「多、快、好、省」：让更多任务在本地执行，获得更快的响应速度和足够优化的体验，同时节省云端 Token、流量、存储与电量消耗。
这四个目标并非容易同时达成，受到 GPU、NPU、内存、功耗等限制，端侧模型始终是在「受限条件下完成优化」。
手机的算力、内存、功耗和散热都存在局限，端侧模型需要在资源约束下保持足够的理解、推理和多模态能力，还要适配不同厂商的芯片、系统和产品更新节奏。手机 AI 的关键已经不再是模型能不能运行，而是能否在有限的资源中将体验做到相当出色。
面壁的 MiniCPM 系列，正是沿着这种路径发展，一直以来，MiniCPM 系列开源模型累计下载量已经突破 3800 万次，并已在消费电子、汽车、具身智能和法律等领域实现商业化应用。三星盖乐世 AI ，成为其进入主流消费终端的最新合作的案例。
所以，对对壁智能来说，三星合作的意义不仅是一位新客户，它提供了一个更直观的规模化验证，端侧模型已开始从开发板和实验 Demo 中走出来，真正进入普通消费者日常使用的随身设备——手机。
端侧智能的应用，不止于手机设备
手机是最早实现规模化的应用入口，但并非端侧 AI 的终极边界。当 AI 从信息处理迈向真实世界中的感知和行动，汽车与机器人也构成另一类重要载体。
汽车对端侧 AI 的需求同样明确，驾驶与座舱交互需要低延迟响应，车辆还会经过隧道、地下车库等无信号区域，许多车内数据也具有隐私保护属性。
对壁智能与吉利汽车展开深度合作。面壁智能的 VLM 多模态大模型与吉利机器人的本体、VLA 模型及导航系统深度融合，成功实现吉利机器人在生产、仓储场景的实际部署。
RoboHarness 是基于面壁智能 4 月份发布的 EmbodiedClaw 框架开发，能够便捷集成上层规划 VLM 模型，将 VLA 模型、导航系统等作为物理世界工具模块调用，并为具身智能体提供长程任务的上下文记忆支持。
机器人则将端侧 AI 从信息处理推向物理操作层面。面壁通用 VLA 模型 MiniCPM-RobotManip，以及面向移动机器人跟踪导航的 MiniCPM-RobotTrack，让机器人实现视觉、语言和动作的联动，并在长程任务中保持历史状态信息。
搭载了 MiniCPM-RobotTrack 的机器狗可以在开放场景进行无样本指令跟从，并且能够抵抗各类行人穿梭干扰，同时也能在无网或弱网环境（例如电梯、停车场）下，依然流畅进行跟随操作。
结合了面壁端侧多模态大模型和乐聚的夸父机器人本体和导航系统，则可以使机器人在无网环境实现纯端侧运行导览功能，支持基于本地知识库的离线讲解和交互式问答，多模态大模型作为导览机器人的核心，可以实时识别展厅环境，理解人类指令和意图，规划导览路径并进行障碍物避让。
从手机到汽车和机器人，面壁的落地案例涵盖了不同终端形态，更进一步，除具体产品和项目之外，面壁还深度参与端侧智能相关规则与标准的创建。
WAIC 期间，面壁智能与中国信息通信研究院联合预测发布《AI For AI 标准》，尝试为 AI 参与模型研发提供统一的测试和评价基准。作为技术实例，面壁同时发布并开源 ForgeTrain。
按照面壁的描述，ForgeTrain 是一个由 AI 自动编写生产级代码的训练框架，已被用于 MiniCPM5-1B 的训练，并适配英伟达 H100 与华为昇腾系列处理器。
参与行业标准制定，展现了面壁希望扮演的另一重角色，不仅是单个端侧模型的提供者，也参与构建训练、适配和规模化复制的方案。
端侧智能的定义权争夺战
手机作为端侧 AI 最先实现规模化的入口，它将本地模型带到了普通用户身边，也让低延迟、隐私保护和端云协同这些技术特征，从抽象概念转变为消费者可直感的产品功能。
汽车和机器人则将端侧 AI 带入更宽广的真实世界空间，前者要求模型在弱网和长生命周期中持续迭代更新，后者则需要模型在本地完成感知、决策和操作。不同终端的需求并不完全一致，但均共同指向 AI 能力需要脱离云端服务器，进入特定设备和具体任务场景中。
这也昭示着，端侧智能并非简单将云端模型缩小后移植到设备那么简单。哪些任务必须保留在本地，哪些任务适合迁移到云端；在不同算力与功耗条件下，模型需要维持多少功能；一套方案如何跨芯片、跨终端复制，并在隐私、时延和可靠性方面建立可验证标准——这些问题至今尚未找到终极答案。
争夺端侧智能的定义权，实际上是争夺对这些问题的解读方式，这既取决于谁率先发布一个更小的模型，也取决于谁能将模型能力、硬件适配、系统整合和场景实现沉淀成一套可重复的方法论，让单次合作不再停留在独立项目层面。
面壁希望证明的，也不单是 MiniCPM 能够在单个设备或某一类设备上稳定运行。从三星手机，到量产汽车、工业机器人及无网导览系统，再到 AI for AI 标准与 ForgeTrain 框架，其定位正在从端侧模型供给者，扩展为端侧智能部署方法的构建者。手机提供了规模化的应用通道，汽车和机器人验证了更复杂的现实场景需求，标准与训练框架则试图让这些能力更容易被复制推广。
端侧并非云端的对立面，云端适合处理复杂推理和低频任务，端侧则更擅长即时响应、弱网环境兼容性、敏感数据处理以及持续运行。双方协同合作，才能让 AI 从聊天界面真正融入用户随身携带且长期使用的设备之中。
从这个视角分析，面壁正在争夺的，是 AI 如何进入物理终端与真实应用世界的控制权。