近日，一家專注于端側AI模型研發的北京企業面壁智能，正式開源了其最新成果——MiniCPM-o 4.5模型。這款僅有90億參數的模型，憑借高密度架構與全模態交互能力，在行業內引發廣泛關注。其核心創新在于實現了“全雙工交互”技術，使模型能夠像人類一樣邊感知環境邊主動回應，為具身智能設備提供了更智能的“大腦”解決方案。

與傳統大模型不同，面壁智能從創業初期就聚焦端側場景。此次發布的MiniCPM-o 4.5，參數規模僅為行業頭部模型的1.34%至3.83%，卻集成了視覺理解、文檔解析、語音交互、聲音克隆等全模態能力。據研發團隊介紹，該模型突破了傳統單工交互的局限，通過全雙工技術實現了“邊看、邊聽、主動說”的實時響應能力。例如在視覺場景中，模型可根據畫面變化自主判斷交互時機，無需等待用戶指令即可輸出信息，大幅降低了對話延遲。

技術負責人姚遠用對講機與電話的比喻解釋技術差異：“傳統模型如同對講機，說話時無法接收信息，而全雙工模型則像電話，實現了輸入輸出的并行處理。”這種能力在具身機器人領域具有顛覆性意義。當前行業多聚焦運動控制與視覺-語言-動作（VLA）模型，但缺乏環境感知與主動交互能力。MiniCPM-o 4.5的加入，有望補齊機器人“理解-溝通-響應”的關鍵能力鏈。

公司CEO李大海將該模型視為技術范式升級的標志性產品。他指出，現有智能設備多為被動響應模式，而具備環境感知能力的主動式智能將催生全新應用場景。以汽車為例，搭載該模型的車輛可實時理解駕駛員狀態與路況變化，提供更精準的交互服務。這種轉變不僅需要模型具備多模態處理能力，更要求在算力受限的端側設備上實現高效運行。

支撐這種技術突破的，是面壁智能獨創的“密度法則”。該理論由首席科學家劉知遠提出，核心觀點是模型能力密度每100天就會翻倍增長。基于此，團隊通過持續優化算法架構，在極小參數規模下實現了性能躍升。李大海形象地將這種技術路線比作“大模型的光刻機”：“就像芯片制造追求晶體管密度，我們致力于在有限算力下壓縮更多智能。”

在商業化落地方面，面壁智能已與多家車企達成合作。聯合創始人雷升濤透露，團隊曾將車載遺留物品提醒功能的響應時間從4秒壓縮至1秒以內，這種極致優化正是端側模型的核心競爭力。他強調，端側場景對算力、內存的嚴苛約束，反而成為推動技術突破的動力源。當前模型已在汽車、手機等終端設備上實現穩定運行，驗證了技術路線的可行性。

對于AI技術演進方向，劉知遠認為將呈現兩大趨勢：一是專業能力持續強化，智能體將具備自主探索與跨領域協作能力；二是模型密度不斷提升，最終實現終端設備的普惠化部署。他預測，未來三到五年內，個人專屬模型將成為現實，這些具備自主學習能力的智能體將深度融入日常生活，成為真正的個性化助手。