【导语】12月23日面壁智能宣布完成数亿元融资，截至2025年12月24日其已累计完成8轮融资，总额约26.5亿。该企业在端侧AI领域技术实力强劲，产品已在安防行业落地，不过也面临实时性、技术同质化等挑战，此次融资将为其发展注入新(xīn)动(dòng)力(lì)。

　　12月(yuè)23日(rì)，面(miàn)壁(bì)智(zhì)能(néng)宣(xuān)布(bù)称(chēng)，已(yǐ)于(yú)近(jìn)期(qī)完(wán)成(chéng)数(shù)亿(yì)元(yuán)融(róng)资(zī)。本(běn)次(cì)融(róng)资(zī)由(yóu)京(jīng)国(guó)瑞(ruì)、国(guó)科(kē)投(tóu)资(zī)、中(zhōng)金(jīn)保(bǎo)时(shí)捷(jié)基(jī)金(jīn)、米(mǐ)聚(jù)资(zī)本(běn)与(yǔ)和(hé)基(jī)投(tóu)资(zī)共(gòng)同(tóng)参(cān)与(yǔ)，募(mù)集资(zī)金(jīn)将(jiāng)主要(yào)用(yòng)于(yú)加(jiā)大(dà)端(duān)侧(cè)高(gāo)效(xiào)大(dà)模(mó)型(xíng)的(de)研(yán)发(fā)投(tóu)入(rù)，加(jiā)速(sù)端(duān)侧(cè)AI的(de)商(shāng)业(yè)化(huà)进(jìn)程(chéng)。

　　视(shì)觉(jué)物(wù)联(lián)了(le)解(jiě)到(dào)，截(jié)至(zhì)2025年12月24日，面壁智能已累计完成从天使轮到D轮的8轮融资，总融资额约26.5亿元人民币。

　　持续且充足的资本注入，不仅充分彰显了市场对端侧AI赛道发展潜力的认可，更为面壁智能深化技术研发、拓展应用场景奠定了坚实基础，预示着其端侧大模型技术的落地进程将进一步提速。

　　在技术布局上，面壁智能早已展现出强劲的创新实力。早在2024年8月，该企业便发(fā)布(bù)了(le)MiniCPM-V2.6端(duān)侧(cè)大(dà)模(mó)型(xíng)，这(zhè)款(kuǎn)仅(jǐn)8B参(cān)数(shù)量(liàng)的(de)模(mó)型(xíng)，首(shǒu)次(cì)实(shí)现(xiàn)了(le)超(chāo)清(qīng)OCR识(shi)图(tú)、实(shí)时(shí)视(shì)频(pín)理(lǐ)解(jiě)等(děng)核(hé)心(xīn)能(néng)力(lì)的(de)端(duān)侧(cè)集成(chéng)，更(gèng)在(zài)单(dān)图(tú)分(fēn)析(xī)、多(duō)图(tú)对(duì)比(bǐ)及(jí)视(shì)频(pín)动(dòng)态(tài)理(lǐ)解(jiě)等(děng)关键指(zhǐ)标(biāo)上(shàng)，实(shí)现(xiàn)了(le)对(duì)GPT-4V的(de)超(chāo)越(yuè)，展(zhǎn)现(xiàn)出(chū)极(jí)强(qiáng)的(de)技(jì)术(shù)竞(jìng)争(zhēng)力(lì)。

　　从(cóng)市(shì)场(chǎng)应(yīng)用(yòng)来(lái)看(kàn)，当(dāng)前(qián)端(duān)侧(cè)大(dà)模(mó)型(xíng)在(zài)安(ān)防(fáng)行(xíng)业(yè)的(de)落(luò)地(de)已(yǐ)初(chū)见(jiàn)成(chéng)效(xiào)，主要(yào)集中(zhōng)于(yú)边(biān)缘(yuán)侧(cè)与(yǔ)终(zhōng)端(duān)设(shè)备(bèi)两(liǎng)大(dà)场(chǎng)景(jǐng)。

　　其(qí)中(zhōng)，边(biān)缘(yuán)侧(cè)的(de)核(hé)心产品形态包括大模型一体机、边缘计算盒子等，目前北斗智能已将面壁智能的大模型应用于园区、地铁等实际场景；终端设备则以智能NVR和摄像头为主，应用领域主要围绕周界报警场景展开。

　　不过，安防行业的特殊需求也给端侧大模型的落地带来了独特挑战。行业人士透露，安防领域的诸多场景对实时性要求极高，若仅依靠大模型进行实时分析，现阶段仍需前置多层小模型逻辑作为支撑。

　　这一做法的核心目的在于，过滤冗余信息、减少流向大模型的请求流量，因为即便像8B参数量的模型，其每秒仅能处理少量QBS请求，面对海量实时视频数据时，前端小模型的预处理环节不可或缺。

　　与此同时，行业也面临着技术同质化与数据壁垒的问题。目前，主流大模型的框架与架构已基本趋同，最(zuì)终(zhōng)模(mó)型(xíng)的(de)性(xìng)能(néng)差(chà)异(yì)主要(yào)取(qǔ)决(jué)于(yú)数(shù)据(jù)筛(shāi)选(xuǎn)、标(biāo)注(zhù)质(zhì)量(liàng)及(jí)数(shù)据(jù)配(pèi)比(bǐ)的(de)合(hé)理(lǐ)性(xìng)。

　　当(dāng)前(qián)多(duō)数(shù)大(dà)模(mó)型(xíng)企(qǐ)业(yè)缺(quē)乏(fá)专(zhuān)业(yè)领(lǐng)域数(shù)据(jù)，主要(yào)依(yī)赖(lài)公(gōng)开(kāi)数(shù)据(jù)进(jìn)行(xíng)训(xun)练(liàn)，这也导致模型在特定场景的适配性需要持续优化。

　　值得一提的是，大模型在技术维度上已具备显著优势，在视频理解等任务中，即便无需针对性调试，其表现也普遍优于传统小模型。

　　尽管存在挑战，大模型仍为行业带来了效率革新。在应用端，传统模式下制作一个供客户试用的Demo需耗时一周左右，而借助大模型的技术赋能，如今仅需一小时即可完成初步Demo搭建，后续再基于需求逐步深化优化，大幅缩短了产品验证与市场(chǎng)对(duì)接(jiē)的(de)周(zhōu)期(qī)。

　　总(zǒng)体(tǐ)而(ér)言(yán)，此(cǐ)次(cì)融(róng)资为面壁智能的技术迭代与市场拓展注入了新的动力。期待未来面壁智能能在多模态大模型的落地应用中持续突破，为安防及更多行业场景带来更具创新性的解决方案，推动端侧AI行业实现更高质量的发展。