一个 8B 参数的大模子，时时需要约 16GB 显存。参数越多，越吃显存，这即是为什么，内存价钱一天比一天高。

目下，有一种规律，不错省下 6 倍显存，却险些不损耗模子性能。

往日两年，围绕这个看似顶点的想路，一条宇宙性的时间竞赛正在成型。而就在这条赛谈上，一个总共基于国产算力的决策，刚刚给出了我方的第一个回报。

模子被压到了不到 3B，同期，智商却不错保留 97%，致使更进一步，淌若结合 MoE 架构，将来不错径直在一部 8GB 内存的手机，运行 600 亿参数的大模子。

听上去匪夷所想，何如作念到的？

三个值，能跑大模子吗

传统大模子用很是精准的数字存储，意味着每个权重不错取几万种不同的数值，精度很高，但也很占内存。三值量化是一个顶点的反向操作：径直把可选的数值从几万种砍到三种。时间上，这被称为 1.58-bit，因为编码三个值或然需要约 1.58 个二进制位。

这个压缩有多顶点？打个比喻：淌若传统大模子的权重是一幅全彩像片，三值量化即是把它压成只好黑、白、灰三色的极简图形。

直观上你会以为这势必亏损惨重。但往日两年的揣测反复诠释，模子权重里存在多数冗余信息。三个值，淌若分拨妥当，足以承载绝大部分的模子智商。

这不是一个新意见。2024 年，微软揣测院发布了 BitNet b1.58，第一次系统论证了三值大模子不错靠拢全精度模子的性能。微软随后在旧年进一步发布了 BitNet b1.58 2B4T，一个 20 亿参数、4 万亿 token 试验的开源三值模子。上个月，好意思国公司 PrismML 发布了 Ternary Bonsai 系列，声称是首批贸易可用的 1.58-bit 模子。

▲

上：Llama FP16 架构，下：微软揣测院开发的 BitNet 架构

学术界也雷同在跟进：Tequila 建议了处理三值量化中「死权重陷坑」的新规律，TernaryLM 探索了从零启动的原生三值试验。

一条宇宙赛谈正在成型。但有一个重要问题耐久莫得被回报：

三值大模子试验，能在国产算力上跑通吗？

昇腾上的第一次

这一次，在华为鲲鹏昇腾开发者大会（KADC 2026）上，面壁智能给出了谜底。

BitCPM-CANN 是面壁智能谈论清华大学、OpenBMB 开源社区发布的三值大模子系列。它的兴致兴致不仅在于「又发了一个三值模子」。在宇宙赛谈上，BitCPM-CANN 作念到了三个此前莫得东谈主作念到的事情。

第一次，在华为昇腾上端到端完成三值大模子试验。此前扫数公开的三值模子试验都在 NVIDIA GPU 上完成。国产芯片阵营第一次领有了我方的三值试验智商。

第一次，一次性把范畴推到 8B。此前昇腾上的低比特试验停留在较小范畴的考证阶段。BitCPM-CANN 径直发布了 0.5B、1B、3B、8B 四个档位，掩盖从手机到 PC 的完满端侧场景。

第一次，罢了了与全精度模子的完满对照评测。11 项任务、四大类评测（知识、阅读交融、学科知识、数学推理），雅博体育app下载中国官网入口1B 到 8B 档位的智商保留率在 95.7% 到 97.2% 之间。

97.2% 的智商保留率意味着什么？在 ARC、CMMLU、GSM8K 等主流评测中，BitCPM-CANN 三值模子与同尺寸 MiniCPM4 全精度模子的差距，曾经小于好多全精度模子之间的差距。其中，3B 档位的保留率最高，达到 97.2%。

况兼，这不仅仅论文里的数字，是能信得过不错「拿来就用」的后果。BitCPM-CANN 的沿途尺寸版块曾经开源，0.5B 到 8B 四个档位都不错径直下载复现。

关于熟谙面壁智能 MiniCPM 系列的开发者来说，BitCPM-CANN 即是 MiniCPM 眷属的三值版块，如故一套生态。在归拢个 GitHub 社区，眷属前辈蕴蓄了 3 万颗星、Hugging Face 总下载量超 3000 万的「家产」，目下助长出来了新的办法。

6 倍显存，从业绩器笔直机都「吃到红利」

比拟 BF16 全精度模子，BitCPM-CANN 节俭约 6 倍显存，这个数字开发者最能径直感知：一个 8B 参数的全精度模子需要约 16GB 显存，BitCPM-CANN 三值版块不到 3GB，不错通顺运行在一部手机上，谄谀 MoE 与激活范围遏抑，60B 范畴的模子有望装入末端开采。

硬件端曾经经准备好了。高通最新的旗舰芯片 8850 和 8397 辅助 2-bit 原生推理，BitCPM-CANN 提供的或然是不错径直喂进去的低比特权重。

芯片厂商等供给，模子厂商等芯片，目下双方同期到位了，必一(中国)何如不是一种「双向奔赴」。

手机厂商对端侧大模子的插足一直在加快。上周 Google I/O 上，Gemini Intelligence 全面领受 Android 开采，从手机笔直表到车机；苹果也将在 6 月 WWDC 上展示下一代 Apple Intelligence 的紧要升级。

两大手机操作系统同期发力，共同指向一个本质：手机端侧要跑越来越强的 AI，内存即是最硬的瓶颈。谁能用更少的内存跑更强的模子，谁就掌执了下一轮竞争的主动权。

本体上，淌若结合扫数这个词 AI 产业正在履历的阵痛，价值又会更进一竿：4 月时，高盛把全年 DRAM 价钱涨幅预期上调到 280%，好意思银预估宇宙 HBM 市集将达到 546 亿好意思元。

AI 基础要领最紧缺的资源即是内存，6 倍显存红利意味着不增多物理内存，就能把模子智商普及数倍。在内存不时加价的情况下，这不是优化，是刚需。

三值量化不是「用精度换内存」的和谐。当 97% 的智商被保留住来时，证据传统 16 位模子里多数的精度可能是冗余的。三个值，足以承载一个大模子的绝大部分知识。低比特不再是工程上的节俭妙技，而是一种新的权重知识承载时势。

为什么是面壁智能，为什么是目下

当 AI 从云表走向末端，端侧模子正在成为个东谈主智能开采的中枢智商。手机、电脑、车机，每一个贴近用户的末端都在等一个饱和小、饱和强、饱和省内存的模子。这条赛谈的输赢手，不会是那些只会把模子作念大的团队，而是能把模子作念小、作念轻、作念到信得过能跑起来的玩家。

为什么是面壁智能，能在端侧大模子这条路上，一直走在前沿？这个问题的谜底不在 BitCPM-CANN 自身，而在这家公司往日几年，一直在作念的一件看起来有些「差别群」的事。

面壁智能从设立之初就押注效用，在国内大多数团队追赶更大模子的时候，他们花了多数时刻作念底层试验框架 BM-Train，处理「何如用更少的资源，训出饱和好的模子」，这套基础要领蕴蓄是自后一切的起初。

在 1.58-bit 方进取，面壁智能的判断早于行业共鸣。好多数团队还在游移极低比特是否可行时，面壁智能就采纳了这条阶梯，先在 GPU 上跑通了完满的试验经由和规律论，再举座迁徙到昇腾平台上。不错说，BitCPM-CANN 不是把一个模子移植到了国产芯片上，而是把一整套经过考证的试验规律、效用阶梯和工程体系，搬进了国产算力的底座。

在模子层面，面壁智能的端侧模子 MiniCPM 系列在 GitHub 上蕴蓄了最初 3 万颗星，Hugging Face 开源总下载量最初 3000 万，是端侧大模子范围最受接待的中国开源模子眷属。

BitCPM-CANN 恰是 MiniCPM 眷属向三值量化的蔓延，远不啻一个展示性的「PPT 模子」，是一个信得过可复用的工程地基。它背后的试验链路曾经被千里淀为昇腾低比特试验的基础要领，后续扫数想在昇腾上作念低比特试验的团队，都不错在归拢套底座上起步。

值得一提的是，BitCPM-CANN 还在华为昇腾上完成了端到端的三值试验，试验效用达到惯例基线的 95%。这诠释了这套规律论不依赖特定硬件平台，国产算力雷同不错跑通。

不是等硬件变得饱和高大来符合模子，要让模子变得饱和灵巧来符合硬件。

从试验端的华为昇腾，到推理端的末端芯片，再到开源的模子和试验剧本，这是一条完满的国产闭环，框架国产，芯片国产，模子国产，规律论自主。面壁智能的下一步曾经明确：进一步普及模子的智商保留率，用 MoE 架构彭胀更大范畴模子的容量，把 6 倍显存红利完满开释到部署中。更长期的筹备，是掩盖从预试验到对皆的全经由低比特化。

从底层试验框架 BM-Train，到端侧模子眷属 MiniCPM，再到 BitCPM-CANN，面壁智能用几年时刻搭建了一套完满的端侧大模子时间体系。在宇宙赛谈上，濒临微软、PrismML，面壁智能展现出了私有的不同上风之处在于：从框架、规律论、模子到芯片适配，构建了一条完满的端侧时间阶梯。

当 AI 竞争从「谁的模子更大」转向「谁能让智能信得过跑在每一台开采上」时，掌执端侧时间谈话权的东谈主必一体育中国官网入口，才站在了最有益的位置。