北京
在全球财富管理论坛·2026上海苏河湾大会“AI——从技术前沿到产业应用”圆桌论坛上，面壁智能联合创始人、董事长、首席执行官李大海用“技术大爆炸”概括当前人工智能的发展态势。他给出的一个量化判断是：“大模型知识密度约每100天提升一倍，端侧模型一年内从1B跃升至35B可上手机运行”。
这句话包含两个不同维度的进度描述：一个是模型能力“浓度”的提升周期，一个是模型能力“体积”的跃升跨度。对通信与智能终端产业而言，后者尤其具有直接的产业含义——模型不再只运行在数据中心，而是进入出货规模最大、与用户接触最紧密的终端设备。
100天与1年：两个时间刻度
“知识密度”是业界用来衡量模型单位参数所承载有效知识水平的概念，翻倍周期的缩短，意味着在同等参数规模下模型能够掌握和处理的信息量在快速上移。而端侧模型从1B到35B（B为十亿级参数的行业通用计量单位）的跃升，指向的是另一条路径：模型能力的下沉速度。
两条路径叠加，带来的直接结果是端侧智能的天花板被抬高。过去受限于终端算力与存储，端侧模型往往只能承担轻量任务，复杂推理需要回传云端。当参数规模与知识密度同步提升，终端侧可承载的任务边界随之扩展，端云之间的能力分工也就具备了重新划分的技术前提。
端侧约束正在被重新定义
从产业常识看，端侧部署长期受制于内存带宽、算力、功耗与散热等条件，模型参数规模是其中最硬的约束之一。35B量级模型“可上手机运行”这一表述，背后是模型压缩、量化、稀疏化等工程路径与终端芯片算力共同推进的结果。这一进展对通信行业的直接意义在于：终端与网络之间的流量结构、时延要求和算力调度方式，都可能随之调整。
需要说明的是，这是从技术事实出发的产业观察，而非发言人对通信行业的具体判断。李大海在此次发言中聚焦的是模型能力本身的演进节奏。
技术大爆炸与预期差
在描述“技术大爆炸”时，李大海还提到两个现象：AI已开始参与训练AI，并着手解决人类尚未解决的数学问题。前者指向模型研发流程自身的自动化，后者指向模型在基础科学问题上的能力边界拓展。
与能力快速迭代并行的，是他对行业心态的判断。他认为，模型能力的发散与收揽同步发生，技术的长期价值容易被低估，短期预期容易被高估，这正是行业焦虑的根源。这一判断解释了一个常被观察到的现象：技术进展以周为单位刷新，而产业落地以年为单位推进，两者节奏错位，容易在舆论与资本层面形成反复的预期修正。
确定性与加速度
在预期波动之外，李大海给出的另一面判断是：大模型给社会带来的增幅具有高度确定性，并且正在加速。
对于通信行业而言，这一确定性并不抽象。模型能力向终端下沉，会带动终端侧智能应用形态的变化，进而影响连接需求的结构；模型训练与推理的规模扩张，也会持续作用于算力基础设施与网络承载能力。这些影响的节奏和幅度仍需观察，但方向已经清晰。
在“每100天翻一倍”这样的时间尺度面前，产业界更需要的是对技术长期价值的稳定判断，而非对短期波动的过度反应。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
