对话面壁智能李大海：知识密度定律和Scaling Law，会共同影响大模型的发展

李大海进一步强调称，用户隐私和可靠性需要通过端侧模型实现，纯云端做不到。“但云跟端要协同，端侧要把该做好的事情做好，包括理解用户，而云端不应该对用户有太多的理解，对用户越多的理解，就意味着用户隐私信息越多的暴露，这是一个硬币的正反面。”

随着智能汽车竞争越来越激烈，车企也需要谋求差异化和个性化。对此，李大海对搜狐科技表示，智能座舱的差异化是点状探索的过程，最终这些点状探索会越来越密集。

“就像一块石板上，开始下雨的时候只有小的雨点，但雨下得越来越大，最后整个石板都会被打湿。”他形象地比喻到，这些创新探索最终连成一片后，智能化没有太多差异化可言，这是未来的终局。

目前，汽车智能座舱主要通过语音交互，被动完成用户下达的指令。李大海认为，随着模型能力越来越强，未来汽车会成为超级智能体，车上的贾维斯能通过环境感知提前完成用户想做的事情，最终成为用户离不开的超级智能体（Agent），这是智能座舱的演进方向。

同时，李大海提到，大模型和Agent是两位一体，大模型就是Agent，这和西红柿叫番茄、马铃薯叫土豆没有本质区别。“我们在端侧就把小钢炮送去上班了，它就是Agent。”

他进一步解释称，Agent体系要想把场景做好，模型作为引擎的推动力非常重要，如果模型的能力不够，整个Agent系统的效果做不出来。

“任何Agent应用一定要具备优化模型的能力，我们叫一杆子捅到底，就是从底层模型针对场景做整体的优化，这才是真正落地的方式。李大海说。

大模型更新非常快，知识密度和Scaling Law都会发挥作用

目前，大模型的技术进展仍在继续推进，最近DeepSeek、OpenAI、谷歌等公司都在基础模型能力进化方面继续更新，这意味着AI技术的竞争还没有走到终点。

“大模型领域的发展不是按年计也不是按月计，甚至不是按周计的，因为每天都有非常多的论文，有非常多的想法，更新非常快。”李大海对此也深有感触。

目前，面壁智能的小钢炮系列模型也在往多模态方面进化，此前还提出“大模型的知识密度”概念。这个概念是说，当训练效率越高的时候，就能把更多数据里面的知识都压缩到模型参数里面，大模型的知识密度平均每一百天提升一倍。

“过去大概两年的时间，OpenAI整个API成本下降了200倍，背后其实就是在遵从大模型的知识密度定律。”李大海认为，知识密度定律是和Scaling Law会共同影响大模型未来的发展。

自去年以来，大模型的Scaling Law陷入瓶颈，面临数据规模和数据质量的问题。但随着DeepSeek等模型的进步，预训练和推理的能力拓展越发受到关注。

“预训练的本质是对于静态知识的建模，后训练的本质是对于人的思维方式的动态建模，这两个建模能完整地把人怎么去理解和思考世界的过程都能够做好。”

李大海认为，知识密度定律在这两个方面都有效，“我们相信做出同等好的思维水平的模型，只需要一百天用一半的参数量就能达到，这对预训练和后训练同样有效。”

因此，对于大模型的未来发展，李大海认为大模型会越来越强、越来越小，只有这样成本才能越来越低，才能够在更多的场景里面去落地。

不过，他对搜狐科技表示，云端大模型和端侧大模型的发展重点会有明显区别。

具体来说，云端大模型会越来越强，追求全知全能，能做复杂工作，比人的能力上限和效率都要更高更强；端侧强调隐私和可靠性，所以重点要做好灵敏的感知，然后做出符合感知的决策，从而去敏捷行动，这是最重要的事情。

“在这个基础上，端侧还应该做好的是越来越懂用户，但它不需要全知全能。”李大海说，面壁智能的愿景就是打造未来端侧大脑，希望它能部署所有终端。

除了汽车领域，面壁智能还在PC、手机、机器人等领域布局。“手机、汽车全球出货量非常大，同时是影响力非常大的终端，都是非常好的场景。”李大海表示，相对来说，汽车更能够突出Agent和模型的价值，手机在虚拟信息能够更懂用户，各有各的优势。

在机器人领域，面壁智能已经和人形机器人公司加速进化达成合作。“他们新出厂的机器人会原装配置面壁小钢炮，支持全模态。”李大海表示。

在去年底完成的新一轮融资中，李大海表示，大模型开始进入真刀真枪的比拼阶段，从大跃进转向持久战。

这场持久战中，大厂和创业公司将在技术、商业化等层面展开全面竞争。去年6月，原为知乎CTO的李大海转向全面聚焦于面壁智能的工作，经过近一年的创业，李大海也在持续摸索创业公司打法。

“创业公司的优势主要在于认知跟能力，我们要有足够高的认知密度跟人才密度。”李大海说：“我们在资金密度上不可能跟大厂比，不会选一个最后是跟大厂拼资金的领域。如果进入这样的领域，任何一个创业公司最后的结果都不会好。”