清華大學與面壁智能的科研團隊在《自然?機器智能》發表了一項重要研究成果，他們創新性地提出了“能力密度”這一全新指標，用于衡量單位參數所能承載的有效智能水平。這一指標的提出，為評估模型性能提供了新的視角，研究團隊明確指出，在追求模型性能提升的過程中，應更加注重能力密度，而非單純地擴大模型規模。
為了深入探究能力密度的發展規律，科研團隊對51個主流開源大模型展開了系統統計。統計結果顯示，能力密度呈現出快速增長的趨勢，大約每3.5個月就會翻倍。這一變化意味著，在完成同等任務時，模型所需的參數量可以實現指數級的下降，這無疑為模型的高效化發展指明了方向。
研究團隊特別強調，提升能力密度并非簡單的模型壓縮。如果只是將大量知識“生硬地塞進小模型”，就如同把大字典強行裝進小本子，會導致模型智力受損，無法發揮出應有的性能。要實現真正的高能力密度，需要在數據、算力和算法這三個關鍵要素上進行協同設計，通過優化它們的組合方式，來提升模型的整體效能。
基于這一研究成果，面壁智能迅速推出了0.5B - 2B系列的“高密度”模型。經過實際測試，這些模型在同等下游任務中的表現十分出色，性能達到了7B - 13B規模模型的水平。而且，這些模型已經實現了規模化應用，成功落地于手機語音助手、車載交互系統以及智能家居邊緣盒子等多個領域。在實際運行中，它們的推理延遲小于100毫秒，端側功耗更是下降了45%，展現出了強大的實用性和高效性。
面壁智能的CEO李丹透露，接下來，公司將與清華大學進一步深化合作，把能力密度提升曲線納入模型研發的關鍵績效指標（KPI）體系。他們的目標是，在2026年推出能夠在NPU手表端運行的“背包級”個人大模型，以此推動“模型小型化”生態的發展，讓智能模型能夠更加便捷地融入人們的日常生活。
