若是你最近温煦 AI 圈伊人在线，简直很难绕开「智能体（Agent）」这个词。在大要零丁建站、作念股票分析、安排旅行日程的 Manus AI 智能体大火之后，国表里更多公司运行公开押注「AI 智能体」。
甲骨文 AI 集团副总裁 Miranda Nash 在收受采访时示意，AI Agent（智能体）将成为本年科技公司的温煦焦点。智谱 CEO 张鹏在最近举行的 2025 中关村论坛年会上发布了全新智能体 AutoGLM 千里念念，并示意 2025 年会是 AI Agent（智能体）的爆发之年。
不仅仅智谱和 AutoGLM 千里念念，2025 中关村论坛年会上，这股智能体波澜还有一个符号性落点——面壁智能认真发布「小钢炮超等助手 cpmGO」，堪称是人人首个落地车端的纯端侧智能助手，亦然面壁智能「模子即 Agent」愿景的一次技能实践。
图/面壁智能
相配在于，这个小体积的智能助手并不跑在云上，而是王人备部署在汽车开辟上，能在断网、弱网环境下自主完成感知、领略、有诡计与施行的全历程。不同于咱们纯熟的语音助手，面壁智能声称「小钢炮」能看、能听、能说，也能起始帮你控车、看屏、识东说念主、识舱、以至值班守车。
而算作 2022 年景立的国产大模子初创企业，面壁智能一直是将「高效大模子」「端侧部署」算作自身的技颖慧线，旗下 MiniCPM 系列模子当今依然诳骗于 AI 手机、AI PC、智能座舱等多个末端样式。
在此次中关村论坛上，面壁智能伙同首创东说念主兼 CEO 李大海还援用了着名 AI 工程师、Pleias 伙同首创东说念主 Alexander Doria 的话示意，模子本人而非职责流，才是将来 AI 智能体的发展标的——模子即智能体，模子即居品，模子即交互：
「把小钢炮这个端侧模子送去上班，即是 Agent。」
面壁智能伙同首创东说念主兼 CEO 李大海，图/中关村论坛
李大海还暴露，小钢炮助手将于本年 Q3 认真随车上市，一些整车厂和 Tier1 厂商依然在开展测试。在这场智能体竞赛中，面壁用一个能「上车」的 AI 智能体，率先打响了国产端侧智能体的第一枪。
面壁「小钢炮」上车，不仅仅语音助手
比起只会听你说「翻开空调」的传统车载语音助手，小钢炮超等助手 cpmGO 光显要复杂得多。
算作一款部署在车端的纯端侧模子和超等助手，「小钢炮」不依赖云霄推理，而是由面壁智能自研的 MiniCPM-o 全模态模子腹地运行完成，从「感知 → 领略 → 推理 → 调用器具 → 本体施行」造成无缺的智能体闭环。
最初能「看」。基于舱表里录像头，「小钢炮」能识别乘客手势、面部、车外动态等视觉信息，结合麦克风阵列进行语音感知，构建起弘远的多模态感知系统。你抬个手、回个头，它就能作念出反应。
「小钢炮」还能「领略」和「有诡计」，不仅能识别领导意图，还能领略险峻文。比如当你对着中控屏问「这个怎么调亮小数」，它能领略「这个」指的是屏幕亮度，并跳转到对应界面，施行调养操作。
图/面壁智能
这里值得一提的是，面壁在前年 12 月就打造出了首个纯端侧部署、Always On 的「GUI Agent 屏幕助手」，是以不仅能看、能说，还颖慧，在屏幕上收场「可见即可说」。在此基础上，「小钢炮」具备一定进度上的「器具调用智商」，不仅不错收场泛化语音车控、智能哨兵、儿童与宠物监控，也能径直在车机或者手机屏幕上自动完成一连串的操作任务。
尤其是在车端场景，不错幸免手指触屏，径直通过语音领导导航，以至让小钢炮拍照并共享给一又友。更紧迫的是，这一切在弱网、以至无网的环境下都可运行，简直知足端侧智能体对低延长、强隐秘的刚性条款。
但「小钢炮」更大的意旨伊人在线，在于它依然具备「智能体」的中枢三因素：自主感知、意图判断、器具调用。它不是预设任务的剧本施行器，而是一个大要领略用户语境、作念出合理判断并完成任务的智能体和 AI 助手——天然，当今这个「助手」可能仍偏向施行型，而非计较型。
至少从当今流出的信息和演示来看，面壁的「小钢炮」颖慧活，但还不太会「主动安排职责」，也贫寒算作「捏造驾驶助理」的东说念主格化设定与情怀抒发，同期多量场景还未普通上市考据。另外，李大海天然也在演进中提到了刻下 Agent 智能体的一大通病是「恒久险峻文记念差」，但「小钢炮」当今也并未展现出处理这个挑战的进展和智商。
图/面壁智能
也即是说，面壁用「小钢炮」处理了智能体能不成「腹地跑」、能不成「巩固干活」的问题，但智能体够不够「灵巧」、能不成「捏续成长」的问题，可能还有待考据和探索。
五大国内初创大模子公司，不同的阶梯走法
若是说 Manus 掀翻了新一轮「智能体」的磋商上涨，那么在国内大模子初创公司中，谁在简直推动智能体落地？谁又在各走各的路？
当今来看，面壁智能、智谱、百川智能、月之暗面（Kimi）和深度求索（DeepSeek）这五家国产代表性的大模子初创公司，依然慢慢显表露各自明确而私有的阶梯分野。
面壁智能：All in 端侧，一步到岗
图/面壁智能
面壁的计策要害词不错回归为三点：「轻量模子、纯端部署、场景落地」。MiniCPM 系列的定位从一运行就不是对标云霄大模子，而是追求能在 AI 手机、汽车、AI PC 等末端腹地跑起来、干活不掉链子的小模子。
比拟多数同业还在「智能体是什么」阶段作念演示、发论文，面壁依然算是把「智能体」落地走得比较快的厂商，至少依然部署到了汽车上，支捏 real-time、多模态、无收集运行，简直投入了确实的使用场景之中。
但这也意味着它必须濒临工程难题、芯片适配、贸易考据等「重活」，旅途并不松驰。
智谱 AI：技能中台派，B 端+模子生态
图/智谱
算作成立最早的大模子公司之一，智谱走的是大模子中台 + 企业处事阶梯，强调从预磨真金不怕火模子、到行业数据集、再到垂直诳骗的全链条智商。智能体方面，智谱当今也更强调「从大模子智商中长出智能体」，更详确通用性与生态的建树。
与此同期，智谱如祖国内最早一批走到「智能体」这一步的厂商，延续推出了 GLM- PC 智能体、AutoGLM （手机）智能体以及最新的 AutoGLM 千里念念智能体。其中 AutoGLM 千里念念的使用场景与此前大火的 Manus 近似，不错进行行业探究、购物保举、教案/教程制作、旅行攻略等。
不同的是，AutoGLM 千里念念的背后，是智谱自研的全栈大模子技能，会通了 GLM-4 的通用智商、GLM-Z1 的反念念智商、GLM-Z1-Rumination 的千里念念智商，以及 AutoGLM 的自动施行智商。
百川智能：贸易诳骗导向，All in 医疗大模子
图/百川智能
搜狗首创东说念主王小川创立的百川智能动作赶紧，但标的聘用更为聚焦。从早期通用 Baichuan 系列大模子切入，再快速向垂类贸易化场景鼓动，以至对外在示 All in 医疗，打造医疗大模子和智能体。
与面壁不同的是，百川走的是「模子+学问图谱+行业大师系统」的组合阶梯，更详确处事智商的定制性。浮浅来说，智能体对它来说更像是「垂直范围的施行引擎」，而不是通用平台。
月之暗面（Kimi）：模子即处事，作念好 C 端助手
图/月之暗面
比拟另外几家，月之暗面走了一条王人备不同的阶梯，简直将一王人元气心灵荟萃在「模子即处事」上，专注从大模子到 C 端居品——Kimi 的垂直整合和用户体验的打磨。
尽管当今月之暗面还莫得推出简直意旨上的智能体，但服气这件事依然在路上了。从根柢上，月之暗面想作念的 AI 智能助手很难只靠优秀的对话智商相沿，大要学习和代替东说念主类完成任务的智能体，应该说是题中应有之义。
另一方面，打造智能体的难点在于推聪敏商、记念智商以及器具调用智商，推理是当下包括月之暗面在内统统大模子厂商的势在必行，而记念（长险峻文）则是 Kimi 主打的上风之一。不错说，Kimi 惟一比较欠缺的即是器具调用智商，但这亦然业界共同濒临的挑战。
DeepSeek：用开源大模子，驱动智能体爆发
图/ DeepSeek
严格来说，DeepSeek 并莫得推出我方的智能体，但并不妨碍今天 DeepSeek 在智能体范围举足轻重的地位。尤其是开源的 DeepSeek R1 凭借相对较低的本钱和相对较高的推理念念考智商，简直是当今打造智能体最受迎接的「底座模子」。
从计策上看，DeepSeek 其实也不急于推出我方的智能体居品。从 DeepSeek 当今的动作来看，他们现阶段如故更专注在大模子的后果与推聪敏商上捏续优化，打造「可背负、可定制、可推广」的底层智商平台。
最佳的例子即是大模子初创公司零一万物在计策转型后，决定基于 DeepSeek（内核）打造 AI 时期的 Windows（系统）。事实上，包括 Manus 在内不少智能体即是基于 DeepSeek 或者 Claude 等基座大模子进行打造。
昂首看，面壁智能的聘用是不是条好路？
咬一口兔娘 裸舞从横向对比来看，面壁是五家中惟逐一个将纯端侧智能体部署到端侧实体开辟、并造成闭环交互的公司。
但对面壁来说，「All in 端侧」可能并非一个短期营销标签，而是一条被采用之后就简直莫得回头路的技能旅途。这条旅途的平正很明晰：更强的隐秘保护、更低的延长、更高的部署生动性，也更逼近智高东说念主机、汽车等末端开辟的算力实验。
不外它的难点也不异明晰——模子必须更轻、更稳、更准，还得更懂「干活」，最要害的是要濒临端侧算力受限的问题，通过智能体来完成复杂任务。是以咱们看到，面壁智能在强调我方的工程智商：
MiniCPM 轻量高效、GUI Agent 屏幕助手落地、cpmGO 可在车内无网运行、施行全链条任务。
可部署不是至极。智能体能不成处理任务链条中的变量？能不成跟着用户民俗变化而成长？这些都是智能体要零丁完成的挑战伊人在线，更不要说是纯端侧的智能体。更实验的问题在于——体验如何？这是需要面壁往来话的。
举报/反馈