行业趋势：人机交互的升级与瓶颈 - 传统以“你问我答”为核心的回合制人机交互正暴露出响应迟缓、感知割裂、上下文中断等问题，成为AI进入物理世界的关键瓶颈 [1] - 新一代人机交互方向已现曙光，但真正的跃迁不会一蹴而就，将伴随云端与端侧模型能力持续提升逐步发生 [1] - 全模态模型能否成为连接数字智能与物理世界的具身大脑，正成为产业关注的核心问题 [1] 技术演进：全模态与具身智能 - 全模态不是功能叠加，而是模拟人类多通道并行（听、说、看）的自然交互能力，这是让机器人、智能终端更像人的关键一步 [2] - 具身智能是对模型交互能力提出更高要求的应用场景，并非独立分支，需要类似的全模态模型以更好地服务人类 [2] - 具身智能在能力层面的快速迭代可能并不遥远，预计在未来两三年内发生 [2] 落地挑战：不同终端的节奏与约束 - 端侧模型与AI硬件的结合是一个现实而复杂的命题 [2] - 在手机场景，技术存在明显约束：纯云端方案有隐私问题，端侧方案受算力等资源消耗限制，模态越多资源消耗越大 [3] - 豆包手机背后依托行业最优秀模型之一，但对人类复杂任务的完成率尚未完全达到可用的理想状态 [3] - 手机当前交互以语音和触控为主，下一个重要演进方向是输入方式变革，让手机能直接聆听、观看真实世界以同步上下文，但这将直面功耗与隐私的双重挑战 [3][4] - 汽车、机器人等场景因资源条件更宽松，被认为是全模态模型更具潜力的落地方向 [5] - 具身智能当前的瓶颈不在本体而在大脑，一旦模型能力出现突破性进展，很可能迎来类似“ChatGPT时刻”的跃迁 [5] 公司战略：面壁智能的定位与法则 - 公司定位不着重关注单一产品或硬件形态，而在于能否持续产出高质量模型 [6] - 公司提出“Densing Law”（密度法则），认为大模型保鲜期极短，能力密度每100天左右提升一倍，因此持续开发优秀模型的能力比开发单一优秀模型更重要 [6] - 公司将自身定位为“做大模型的光刻机”，即不断训练出更高能力密度的大模型 [6] - 大模型未来趋势是尺寸越来越小、密度越来越高，以极致降低模型成本，并使其更可能在终端上运行 [6] - 端侧模型的商业化是能力验证和数据飞轮的一部分，通过生态和开发者共同推进是比单纯销售模型更现实的路径，以实现部署到百亿台设备的目标 [6] 竞争格局与未来展望 - AI仍是产业级机会，创业公司有机会在广阔赛道上占领较小份额或在较小市场争取头部，空间依然很大 [7] - 未来一两年技术趋势的两大主旋律是：智能能力的持续增强，以及智能使用的持续高效 [7] - 行业将快速见证模型专业能力越来越强，以及与世界交互能力的爆发 [7] - 接下来一两年重要发展趋势是模型作为智能体具备更强的自主学习能力，随后突破将是多智能体的协同 [7] - 未来5~10年，全球将进入多智能体互联互通、高度协作并涌现群体智能的状态 [7]