您的位置首页 >科技要闻 >

面壁智能姚远提出目标 两年内实现 GPT-6 级 AI 在手机端运行 认为点外卖订机票属于低价值场景

面壁智能姚远对外表达了一个明确的发展判断,计划在两年之内,把达到 GPT-6 级别的 AI 能力部署到手机设备上,同时他觉得当下 AI 用来点外卖、订机票这类简单任务,价值比较有限,属于偏无聊的应用方向。之所以会有这样的判断,一方面是终端芯片、端侧大模型的压缩、推理加速技术持续迭代,让更强等级的 AI 跑在手机上具备可行性;另一方面,简单的生活服务类指令已经是成熟能力,很难释放高阶 AI 真正的潜力,团队会把重心放在挖掘更复杂、深度的端侧智能场景。想要实现 GPT-6 级 AI 落地手机,要依次完成模型能力迭代、轻量化裁剪、端侧推理优化、软硬件适配、场景验证这些环节,最终看能不能在手机有限算力、显存条件下稳定跑通高阶模型,落地更有价值的智能应用。

  • 核心观点拆解
  1. 时间目标:两年周期,目标是 GPT-6 级别的 AI 能力落地手机
  2. 场景判断:点外卖、订机票这类基础服务场景,属于门槛低、价值有限的应用
  3. 研发方向:优先攻坚高阶端侧智能,挖掘能发挥强 AI 能力的复杂场景
  • 落地需要攻克的关键环节
  • 现有痛点
  • 手机算力、内存资源相比云端服务器差距很大,高阶大模型直接跑会出现卡顿、耗电快
  • 高阶 AI 的能力定义还没有统一标准,GPT-6 级没有公开、统一的量化指标
  • 复杂端侧场景需求还在探索,相比点外卖订机票,新场景落地周期更长
  • 发展方向对比
  • 低价值场景:点外卖、订机票、查天气,指令简单,现有 AI 已经可以稳定完成
  • 高阶目标场景:复杂长任务规划、本地深度多模态理解、离线自主智能代理等
环节说明
模型能力迭代持续提升模型本身的推理、规划、多模态能力,对标 GPT-6 级能力标准
模型轻量化做模型蒸馏、量化、稀疏化裁剪,压缩模型体积,适配手机算力上限
端侧推理优化搭配端侧推理引擎,降低延迟、控制功耗,保证手机长时间运行不卡顿、不发烫
软硬件协同适配和手机芯片厂商配合,针对 NPU、GPU 做专属算子优化
真实场景验证在手机真机上反复测试稳定性、响应速度,筛选高价值落地场景

【常见问题】

问题 1:面壁智能姚远所说两年 GPT-6 级 AI 跑在手机上,为什么会觉得点外卖订机票有点无聊?

回答 1:因为点外卖、订机票属于简单指令类任务,目前的 AI 已经可以实现,属于成熟基础场景,很难发挥 GPT-6 级高阶 AI 的能力,所以他认为这类场景价值有限,重心会放在更复杂的端侧智能方向。

问题 2:两年内把 GPT-6 级 AI 跑在手机上,要解决哪些技术难点?

回答 2:想要实现 GPT-6 级 AI 跑在手机上,需要做好模型轻量化裁剪、端侧推理加速、手机芯片 NPU 适配、功耗控制,还要明确 GPT-6 级能力的评估标准,避开只做下单订票这类简单场景。

问题 3:面壁智能姚远提出的 GPT-6 级 AI 跑手机,和现在用来点外卖订机票的 AI 有什么区别?

回答 3:现在用来点外卖订机票的 AI 大多是轻量模型或者云端调用,只处理简短单条指令;目标里 GPT-6 级 AI 跑在手机上,主打本地离线、复杂自主规划、深度多模态处理,面向更高难度的任务,而不是基础生活下单。

【数据来源】

[2026-11-05](面壁智能姚远:两年 GPT-6 级 AI 跑在手机上,现在点外卖订机票有点无聊)36 氪

[2026-11-05](面壁智能端侧大模型发展规划与场景观点)机器之心

[2026-11-05](端侧高阶大模型落地挑战与行业讨论)钛媒体

【免责声明】

本内容仅为行业观点信息整理,GPT-6 级 AI 暂无统一官方定义,两年内将该等级 AI 跑在手机上属于企业发展目标,不代表必然落地。技术落地受芯片、算法、行业环境等多重因素影响,内容不构成行业投资、技术选型建议。

今日大家都在搜的词: