面壁智能：端侧小模型卖授权，估值靠融资与IPO预期撑住

开源小模型换下载量，授权版本再向终端厂商收钱

面壁智能把MiniCPM系列开源，截至2026年6月30日累计下载量突破3800万次，覆盖文本、视觉、语音全模态。开源不是收入线，作用是让车企和手机厂商的工程团队先拿模型做适配测试，降低后续授权谈判的技术门槛。2026年7月WAIC发布的MiniCPM5-2B仅20亿参数，据公开报道其在AA榜单位列2B以下模型第一，这个参数级别对应的是座舱和手机端侧有限的算力预算。

收费发生在授权环节：端侧模型变现路径被描述为座舱预装授权费、消费电子预装授权与工业端部署服务费。但面壁按车型、按终端还是按软件模块收费，公开资料尚未披露收费口径。这意味着外界能看到装了哪些车、哪些手机，却看不到单台授权价格和最低承诺量。

对创业者而言，开源换下载量再卖授权是可行路径，但前提是工程适配能力跟得上——客户拿开源权重能跑通demo，不等于能通过车规验证。面壁把开源当获客漏斗，漏斗底部是定制化方案和私有化部署，这部分收入比纯授权更重人力。

全模态模型押注实时交互，但参数做大与端侧省算力互相拉扯

MiniCPM-o 4.5为9B参数端到端全模态模型，基于Qwen3-8B等构建，支持全双工多模态实时流。9B参数在端侧不是小数，能跑在什么终端上取决于芯片和内存，账本没有披露具体终端配置要求。全双工实时流对应的场景是座舱语音助手和手机实时翻译，这些场景对延迟敏感，本地推理比云端往返更有优势。

但参数做大与端侧省算力是一对矛盾：模型能力越强，终端硬件成本越高，车企和手机厂商的预装意愿越依赖芯片算力冗余。面壁同时发VLA具身模型，称在RMBench机器人上下文记忆基准上取得显著优势，这是把端侧能力从座舱往机器人场景延伸，但机器人客户的付费能力和采购节奏与车企不同，公开资料未披露该线收入。

判断是：全模态是差异化卖点，但真正决定收入的是2B级文本模型能否被座舱批量预装。9B模型更适合作为旗舰演示，2B模型才是走量授权的主力。

车企座舱预装授权：按车收费但单价未披露

MiniCPM已搭载于吉利银河M9、长安马自达EZ-60等车型智能座舱。车企付钱的动机是座舱智能化需要本地语音和视觉能力，而云端调用在隧道、地库等弱网场景不可靠，本地推理还能减少车企自己的云端GPU账单。面壁的收费路径被描述为座舱预装授权费，但按车型一次性收费、按销量抽成还是按软件模块年度授权，公开资料尚未披露收费口径。

2022年10月面壁与法律、汽车、家电、传媒等行业客户合作，合同额达数百万（未注明币种），这是公开资料中唯一带合同金额口径的信息，但时间在2022年，且未注明是单笔还是累计。对判断当前车企授权单价没有直接参考价值，只能说明早期定制项目体量不大。

这条收入线的核心矛盾是：车企愿意为差异化座舱功能付预装费，但不愿意被单一模型供应商锁定。面壁需要证明模型更新和工具链服务值得持续付费，否则预装费更像一次性项目收入。

消费电子预装与工业部署：第二条线更分散，收费更不透明

2026年7月15日三星盖乐世AI等7款手机端侧AI产品通过备案，面壁MiniCPM为其端侧模型能力提供方。手机端侧AI的付费方可能是手机厂商或芯片厂商，账本没有披露面壁在这条链路里向谁收费、按什么收费。消费电子预装授权的单机价格通常低于车企，但出货量级更大，能否赚钱取决于适配成本和芯片平台数量。

工业端部署服务费是另一条线。面壁与吉利汽车、乐聚机器人在具身智能领域合作，覆盖工业制造与商业服务双线；与英特尔签署合作备忘录，从车载拓展到家居等领域。这些合作多数停留在备忘录和联合方案层面，公开资料未披露合同金额和收入确认方式。

判断是：第二条线目前更像生态占位，收入贡献无法从公开信息中分离。对创业者来说，消费电子和工业客户的定制需求碎片化，项目制收入能养活团队但难支撑估值，面壁需要用预装授权把收入从项目制转成可重复的授权制，否则IPO审核时收入质量会被追问。

客户是车企和手机厂商，但决策链长、验证周期长

面壁的客户集中在两类：车企（吉利、长安马自达）和手机厂商（三星）。车企的座舱项目从适配到量产通常跨车型年度，决策涉及座舱产品、软件平台、采购和法务多条线，面壁需要同时提供模型、工具链和整车验证支持。手机厂商的端侧AI备案可视为合规前置条件之一，但通过备案是否等于全系预装，公开资料未披露。

账本没有披露客户数量、单客户收入占比和续约率。公开资料未披露实际收入、毛利率与客户续约情况。这意味着无法判断收入是集中在少数车企还是已经分散。对一家准备IPO的公司，客户集中度是审核问询的常见问题，面壁在辅导备案后需要向监管披露这些口径。

对小团队创始人的参照是：车企和手机厂商不是靠一份合同就能拿下的客户，需要工程团队驻场适配。面壁能接这类客户，靠的是清华实验室背景和开源模型积累的工程信誉，这两样小团队都难复制。

开源社区当漏斗，产业资本当渠道

面壁触达客户的方式分两层：公开层是MiniCPM开源系列和WAIC论坛，截至2026年6月30日累计下载量突破3800万次，开发者用模型做适配后会反向推动所在企业采购授权；产业层是股东和合作方，2026年7月新一轮融资投资方包括国家级基金、央企、汽车制造商等产业方及财务投资机构，投资方中的汽车制造商可能同时是座舱授权的潜在客户，但具体重叠关系公开资料未披露。

与英特尔签署合作备忘录是从车载拓展到家居等领域的渠道尝试，芯片厂商的参考设计能帮模型进入更多终端方案。但备忘录不产生收入承诺，账本没有披露任何渠道带来的合同金额。

判断是：开源漏斗适合获客，不适合直接变现；产业资本渠道能缩短车企采购流程，但也可能让收入依赖关联方。IPO审核会关注关联交易的定价公允性，面壁需要把股东客户和独立客户的授权条款区分清楚。

研发和生态投入是大头，端侧推理把算力账单推给终端

面壁的钱主要花在模型研发、工具链和生态适配上。账本没有披露研发费用、销售费用和人员开支的具体数字，只能从动作推断：2026年7月WAIC一次发布两款端侧模型与两大落地计划，同时在北京、上海、深圳等地设研发中心，研发和生态运营是持续投入项。

端侧模型本地推理的相当部分算力由终端硬件承担，可减少随调用量增长的云端GPU成本。这是面壁成本结构与云端API公司最大的不同：客户越多，面壁的边际算力成本增长越慢，但前期适配和验证的人力成本更高。

判断是：这种成本结构在授权量起来后会有经营杠杆，但在授权量起来前，收入覆盖不了研发投入，需要外部融资填补。账本没有披露经营性现金流，无法判断当前烧钱速度。

靠股权融资活到IPO，估值200亿元对应收入口径未披露

2026年上半年面壁智能累计融资超50亿元，估值突破200亿元。2026年7月新一轮融资投资方包括国家级基金、央企、汽车制造商等产业方及财务投资机构。2026年8月11日IPO辅导备案获北京证监局受理。从公开信息推断，面壁的资金策略可能是用大额融资撑住研发和生态投入，同时启动IPO给早期投资人退出通道。

但账本没有披露这50亿元融资的具体轮次结构和估值对应的时间点，也没有披露收入。截至2026年上半年估值突破200亿元，对应多少收入、市销率是多少，公开资料未披露。对准备IPO的公司，估值需要收入支撑，辅导备案后的招股材料会披露这些数字。

判断是：面壁短期内不靠经营现金流活，靠融资和IPO预期活。最大风险是IPO审核周期拉长或收入口径不被认可，导致后续融资估值承压。产业方股东既是资金也是客户，这种双重身份在审核中会被要求说明交易公允性。

护城河在芯片适配和整车验证，不在模型权重

李大海称“行业深刻认知+端侧AI”才是真正的护城河。落到具体机制上，已完成芯片适配、工具链、运行时与整车验证构成壁垒，但模型权重本身越来越易替换。车企选端侧模型供应商时，模型跑分差距不是唯一因素，能不能在指定芯片上稳定运行、能不能通过车规验证、能不能在车型生命周期内持续更新，这些工程能力决定供应商能不能留在采购名单里。

面壁的开源策略在这里有利有弊：开源让开发者熟悉模型，但也让竞争对手能拿权重做对比测试，模型权重不构成排他性。真正的锁定来自工具链和验证积累——车企换供应商要重新做适配和验证，切换成本在工程层而不在模型层。

判断是：这个护城河真实但有限，它挡得住小团队，挡不住有能力自建适配团队的巨头。面壁需要把验证数据和服务能力做成车企离不开的运营层，而不是只卖一个可替换的模型文件。

巨头把更大模型压进终端，先发稀缺性被稀释

风险在于苹果、Google、小米等巨头进入端侧，阿里等开源团队可将更大模型压缩到终端，先发稀缺性被稀释。面壁的2B模型在AA榜单位列2B以下第一，但这个榜单的领先窗口可能很短，开源社区和云厂商都在往端侧压缩模型。一旦手机厂商用自研模型或云厂商的端侧版本替代面壁，预装授权收入的基础就被削弱。

面壁的对冲动作是往具身智能和工业场景延伸，但这些场景的采购周期和付费能力不同于消费电子，公开资料未披露这些线能否补上消费电子授权的缺口。

收入口径不披露，IPO审核和估值都缺少锚点

面壁智能未公开披露实际收入、毛利率与客户续约情况，按车型、按终端还是按软件模块收费也未披露口径。对一家估值200亿元、已启动IPO辅导的公司，这些是投资者和监管都会追问的核心信息。收入口径不清晰会带来两个后果：一是外部无法判断授权模式是否成立，二是IPO问询可能拉长审核周期。

另一层风险是客户与股东重叠。2026年7月融资投资方包括汽车制造商等产业方，车企既是股东又是授权客户，关联交易的定价和收入确认方式需要披露。如果收入增长主要来自股东客户，独立获客能力会被质疑。