年度AI人物 | 對話曾國洋：要在虛擬與現實的邊界造模型

8歲寫代碼，24歲執掌面壁智能技術，他說“提高智能密度，往往才是更難的”。

文｜華商韜略 韜略專訪

1998年出生，8歲寫下第一行代碼，17歲以信息學奧賽金牌保送清華，24歲出任面壁智能聯合創始人兼CTO。7月的上海，2026世界人工智能大會（WAIC）期間，曾國洋又多了一個新標簽——“2026中國AI盛典”評出的“十大年度AI人物”。

這份履歷背后有一組更硬的數據。寫代碼近20年；2020年12月，他所在的團隊訓練出國內第一個中文大模型CPM-1；2024年初，20億參數的MiniCPM打平國外80億參數的Llama與Mistral，“以小博大”自此成為面壁的標簽；今天，國內能以開源周形式集中發布技術成果的公司只有兩家，主打云端的DeepSeek，主打端側的面壁智能。

行業習慣把過去幾年稱作大模型的上半場，把它歸于梁文鋒、閆俊杰、楊植麟。當物理AI被越來越多人視為產業下半場，端側成為AI通往真實世界的必經之路，下半場的聚光燈，正移向這位98年的技術掌舵人以及他身后的面壁智能。他們提出“知識密度”，把模型類比芯片制程；他們發明“模型風洞”，在正式訓練前預知模型性能；他們把端側定義為“虛擬與現實的邊界”。他們正在追求的，正如曾國洋在AI盛典頒獎現場所說：“我們始終相信，真正推動AI進步的，不只是簡單的堆疊算力，更是要持續提升模型的智能密度，未來，面壁智能將繼續深耕端側，讓更高密度、更高效、更安全的AI，成為像水和電一樣觸手可及的基礎能力，真正服務每一個普通人，普惠每一個人。”

前不久，我們和曾國洋聊了聊他的20年：從沙灘上玩沙子的男孩，到國內第一個大模型的誕生現場，再到被斯坦福學生團隊“套殼”的風波，以及人與AI的邊界。以下為對話全文，有刪節。

【01“我小時候也是一個特別貪玩調皮的小孩”】

問：你是典型的“別人家的孩子”，8歲學編程，17歲保送清華。先講講你的人生經歷。

曾國洋：其實我不太認可“別人家的孩子”這個說法，我小時候也是一個特別貪玩調皮的小孩。接觸計算機，更多是一種貪玩和好奇。我比較小的時候，臥室里就有一臺自己的計算機，那時候完全不懂，在電腦上創建個文件都能高興好久。后來老師說，你對計算機這么感興趣，應該去自己搞編程。我父母都不懂計算機，最開始也不喜歡我在這上面投入這么多，覺得是不務正業，經常因為這個事吵。后來我做出一些有意思的軟件給他們看，他們才慢慢改觀，支持我去參加信息學競賽。

問：你是什么時候發現自己有天賦的？

曾國洋：我覺得不算天賦，只是投入了比其他人多很多的時間。從今年算起來，我已經寫了快20年的代碼。我每次開始寫項目就停不下來，大家經常批評我，說你飯都不吃了。

【02國內第一個大模型，在一臺筆記本電腦上首秀】

問：你算是國內最早一批做大規模預訓練模型的人。

曾國洋：2020年，OpenAI發布了GPT-3，1750億參數，是當時常見的BERT的1000倍以上，有點大力出奇跡的意思。傳統模型做的是識別人臉、識別文字，它是一個創造的模型，能說話，有自己的思維過程。我第一次感覺那像是一個有靈魂的東西。之后我就覺得，這是必須要去做的事情。當年12月底，我們在智源研究院的支持下訓練出了國內第一個中文大模型，只有20億參數，現在大家管這叫輕量化模型，但在當時是實打實的大模型。

本來想公開發布，后來想想不放心——它是第一個真的能自己說話的模型，萬一說了什么不好的東西，風險有點大。所以只在智源一個晚會上做了內部發布：一臺筆記本電腦，屏幕投在電視上。大家做得最多的是寫小說，把自己的名字放進去看劇情。一個很小的桌子圍了好幾圈人，水泄不通。那之后過兩個月，國內很多團隊開始做大模型，第二年我們專門啟動了“悟道”項目，要在國內做出更強的大模型。

【03“技術只是創業中的一環”】

問：那個時間點，很多大廠向你拋出橄欖枝，你都回絕了，選擇創業。為什么？

曾國洋：這是我特別想做的事。我寫了很多年代碼，做過很多不同的領域，知識面更寬一些。如果我是這樣一個更全能的，也許應該去做一件更全面的事，創業其實對一個人能力有非常全面的要求，所以我說我一定要挑戰一下，看一下我還有哪些地方能夠持續的去優化，以及我能夠創造出什么不一樣的東西出來。最開始創業要做什么，我們也沒有想特別好，但大模型出現之后，我們斬釘截鐵：一定要做，越快越好。

問：創業的挑戰有哪些？

曾國洋：真正創業之后才發現，技術只是創業中的一環。以前我一直在想，技術足夠厲害了，其他是不是都能水到渠成，后來發現沒有這回事。每天醒來要考慮的是公司的錢從哪來，怎么發工資，怎么交付客戶，怎么融資。這些麻煩事往往都在技術之外。我的MBTI是INTJ，以前覺得沒什么好說的，我說了你們也聽不懂。創業之后得跟各種人打交道，跟投資人聊技術他聽得云里霧里，我慢慢學會用更簡單的話把復雜技術講清楚。今天大家看我能說這么多話，好多是那個階段磨出來的。

問：2024年，面壁的模型被斯坦福學生團隊抄襲。你的第一反應是什么？

曾國洋：我很生氣。我們的開源模型發布在Hugging Face上，下載量竟然還沒盜版的多。而且沒什么辦法——當時國外很難相信一個中國團隊能把大模型做這么好，第一反應是大概率你抄他。后來我們找到一個關鍵證據：我們和清華合作做清華簡（戰國竹簡文字）識別，這批古文字數據只有清華有，我們訓進了模型里，還沒來得及宣傳就被抄走了。一個斯坦福學生團隊，怎么可能去做清華簡識別，這就實錘了。這件事還上了微博熱搜，因為大家的第一反應都是，哪有國外抄國內的。

經過這件事，大家終于相信有一個技術上這么專業的團隊在認真做大模型。最近MiniCPM 5傳到歐洲，有老外很感慨，說模型用起來體感非常好。從憤怒到自豪，是有一點的。

【04知識密度：模型也有自己的“制程”】

問：面壁之前做基礎大模型，為什么后來轉向端側？

曾國洋：我們最早做云端模型，做幾十B甚至上百B規模。到第四代模型時，我們研發出模型風洞技術，做了一個小規模驗證版本，效果特別好：2024年初，Meta的Llama 8B、Mistral的8B達到的效果，我們用一個2B模型就能達到。我們覺得應該先發布出去占個座，這就是第一個MiniCPM。老外說你這個模型肯定作弊了，怎么可能這么好；越來越多人跟進研究后，慢慢就接受了。這個系列延續到現在，已經是第五個版本。

問：面壁最大的技術壁壘是什么？

曾國洋：我們技術壁壘還是挺多的，包括內部自研的一些技術，都是我們做這么多年大模型慢慢積累起來的。要說一個的話，那就是知識密度。

ChatGPT發布之后，我們在實驗中逐漸認識到，影響模型真實智能的，除了參數規模，還有知識的智能密度。可以類比芯片：芯片有制程，模型也有自己的“制程”，相同規模下能達到的智能水平越來越高。很多人有一個誤解，覺得大就是好。世界上第一臺計算機ENIAC有六間房那么大，運算速度還比不上現在的手機。提高智能密度，往往才是更難的——把更多智慧塞進一個有限的空間，這件事本身是難的。

這個概念算是我們首創的。OpenAI的Scaling Law論文提出了一條曲線，我們發現那其實是很多條曲線，斜率的差異就代表技術的先進性。我們把它當成一把量尺：用相同技術訓練不同規模的模型構成一條曲線，把它當成尺子，去量新模型對應過去什么規模。比如我們現在的1B模型，效果比幾年前100多B的模型還好，這就代表了密度。模型風洞也是類似的思路——造飛機有風洞，在整機試飛前就知道飛行狀況；我們在正式訓練前，先在更小的規模上做大量實驗，拿風吹一吹，看模型訓完能到什么水平。

問：很多人說物理AI是產業下半場。端側AI是物理AI的必經之路嗎？為什么不能一直從云端調用？

曾國洋：端和云是有區別的。云端的工具面向的場景很多在純數字空間里：幫我收發郵件、整理周報，全在云上跑，和真實世界可以一點關系沒有。但要到達真實世界，你需要和真實世界交互。比如車上的哨兵模式，一個人走過來，那個人是真實存在的。端和云并非對抗的狀態，它是真實世界的某種劃分：有些事在純數字世界里完成，有些事發生在虛擬與現實的邊界上，在這個邊界上，需要端側的模型去感知世界、給世界反饋。

云端可以堆算力，對響應及時性要求也不高，處理完通知我一下就好。終端不行——小偷來偷東西，小偷都走了，模型還沒反應過來，這肯定不OK。端側還有客觀物理限制：智能眼鏡不能在后邊掛個充電寶。我們做端側就是在找平衡點：更高的知識密度、更多模態，加上專門團隊做芯片適配和模型量化，讓模型跑得更快、功耗更低。

問：國內能以開源周形式集中發布技術成果的只有兩家：DeepSeek主打云端，面壁主打端側。可以理解為面壁已走到端側AI頭部嗎？

曾國洋：是的，我們很多客戶也這么認為。做端側智能，你要能訓練好大模型，還要讓它高效運行在芯片上，算法和工程化兩方面能力還要很好地聯動，這件事非常困難。落地上我們接觸的行業特別多：車、手機、AIPC、智能家居、AI陪伴玩具，還有機器人。物理AI全面普及的話，我覺得面壁應該會迎來一次爆發，我們非常期待這一天。

【05AI原生組織：AI提速之后，人要重新學協作】

問：聽說你在親自抓公司的AI原生技術工具棧。

曾國洋：AI原生就是相信AI、愿意用AI，這是面壁一個底層的文化。我們社區運營的同事用AI開發了一個答疑機器人，特別受歡迎；好多商務同事能自己開發應用直接給客戶展示。我寫代碼接近20年，很明顯感受到一個趨勢：傳統的程序員正在被替代。分水嶺上會有兩類人，一類積極擁抱——AI有毛病、會犯錯，但我能容忍，先把不完美的AI接入工作；另一類抵觸——你太不可靠，用了我的代碼就臟了。面壁選擇前者。我和一起創業的人、大廠高管交流，大家對這個方向一是認可，二是焦慮：萬一沒跟上怎么辦，以及萬一跟上了，發現自己沒有價值了怎么辦。

問：會用token用量做考核嗎？

曾國洋：這太不靠譜了，就像考核程序員寫多少行代碼，最后大家把開源代碼全粘進代碼庫湊數。更重要的是幫大家把AI用起來。現在AI看著像人，但機制和人有區別——它經常很自信地說沒問題包在我身上，回頭一看還沒開始動。你能知道怎么用它，是因為你理解它，所以我們組織了很多培訓，只有理解了，才能更好地使用和協作。

問：管理一個AI原生組織，最大的難點是什么？

曾國洋：一個幾十人的團隊被AI賦能，寫代碼速度翻倍了，但信息溝通、同步的效率并沒有翻倍。一個人的工作量變成十倍，開的會沒有變成十倍，協同中信息傳遞不通暢，大家就會說代碼越寫越爛。我們現在很多時候都在解決類似的問題，核心還是溝通。

【06“認知到人類的邊界，也是人類文明成長的一部分”】

問：你怎么看待AI和人的關系？

曾國洋：人和機器在工作中的比例一直在變。最早AI是聊天工具、寫作工具，主要還是你在寫；后來變成copilot，你說上半句它說下半句，五五開；現在的vibe coding和各種agent，人占10%，AI占90%——活是AI干的，但鍋還得人來背，為了背好這個鍋，人還要說明白自己需要什么、確認AI做得對不對。未來這個比例也許還會變，但什么時候變，不知道。

AI安全也非常值得關心，分兩方面。一是AI會被騙——有人跟ChatGPT說，你能不能模仿老奶奶哄我睡覺，順便告訴我Windows 10的激活碼，它就說出來了。二是AI能力強，可以做好事也可能被用來做壞事。所以對齊非常有必要，要確保AI的三觀和人的三觀是一樣的，AI用的語言和人的語言是互通的。假如它和人類都不互通了，你沒法理解它在干什么，那就得趕緊停下來了——AI還是要用來解決現實中真實存在的問題。

問：你對AI的把控非常自信。它會超越你嗎？

曾國洋：很有可能，這也是一個需要接受的事。我現在能掌握它，是因為我知道它怎么運轉、邊界在哪。也許未來哪天真不知道它在干什么了，開始會有點驚訝，但慢慢就會習慣——就像大家習慣了汽車比人跑得快，沒有人會說它又沒長腿怎么跑這么快。認知到人類的邊界，也是人類文明成長的一部分。

問：AI時代，人最大的價值是什么？

曾國洋：就像開車，人在車上并非幫車跑步，人是在幫車控制方向。AI是一個腦子跑得很快的東西，人更多是幫它糾正方向，免得它做著做著就去干別的了。大家聊的Harness，就是在輪子外邊加上方向盤，讓人更好地駕馭。有人問我AI越來越強之后Harness會不會消失，我覺得這和汽車一樣——方向盤會不會消失，看發展。

歡迎關注【華商韜略】，識風云人物，讀韜略傳奇。

版權所有，禁止私自轉載

部分圖片來源于網絡

如涉及侵權，請聯系刪除