中国移动发布业内首个汽车行业AI基座纳管112.7 EFLOPS算力覆盖研发制造智驾测评四大领域车企无需自建按需取用、面壁智能MiniCPM-V 4.7以35B MoE架构在约3GB内存手机无损运行解码速度15token每秒、Liquid AI新模型900MB内存本地慢思考数据零隐私上传、英伟达Nemotron 3.5 Bolt边缘模型4GB显存即可运行、亚马逊数十亿美元GPU因缺电闲置仓库、百度健康AI服务月活超5000万——算力普惠与端侧下沉——一道科技解读

结论先行：2026年10月，AI算力与模型能力同步向实体经济下沉。中国移动在2026世界智能网联汽车大会上发布业内首个汽车行业AI基座，纳管112.7 EFLOPS算力，覆盖研发、制造、智驾、测评四大领域；面壁智能MiniCPM-V 4.7以35B MoE架构在约3GB内存的手机上无损运行，Liquid AI新模型900MB内存即可本地慢思考，英伟达Nemotron 3.5 Bolt把前沿能力压进4GB显存。杭州一道科技的判断是：一云一端正在成为企业AI落地的主流形态，而电力接入正取代芯片供给，成为算力扩张的新瓶颈。

行业基座：算力做成水电网式公共服务

运营商把算力做成了公共基座。在2026世界智能网联汽车大会上，中国移动牵头发布业内首个汽车行业AI基座，已纳管112.7 EFLOPS算力，覆盖研发、制造、智驾、测评四大领域，车企无需自建即可按需取用。这套模式对中小企业尤其友好：不必承担动辄数亿元的智算中心建设，按需调用即可获得接近头部车企的算力起点。同期，腾讯开源WeVisOne-VL视觉语言模型（2B/4B两个版本），把目标检测、计数、OCR、分割与抠图整合进单一模型，并支持对象缺失显式响应，文档与图像混合处理的工具链大幅简化。参考一道科技客户案例中的行业落地实践。

端侧下沉：3GB内存跑35B与900MB慢思考

能力下沉的另一个方向是终端。面壁智能发布端侧多模态模型MiniCPM-V 4.7，35B-A3B采用MoE架构、每次仅激活30亿参数，约3GB内存即可在手机、平板无损流畅运行，解码速度15+ token/s，自研LES前瞻专家调度技术，支持iOS、安卓与鸿蒙。Liquid AI推出LFM2.5-1.2B Thinking，仅需900MB内存即可在普通智能手机本地运行，引入先思考后回答的慢思考机制，数据全程本地处理、零隐私上传。英伟达推出Nemotron 3.5 Bolt边缘模型系列，E4B版约4GB、74B-A9B版24GB显存即可运行，与云端大模型形成一云一端组合。对工厂车间、零售门店与移动巡检场景，端侧意味着低时延、低带宽成本与数据不出厂。更多动态见行业资讯。

瓶颈换位：芯片易得、电力难求

算力扩张的真实瓶颈正在换位。华尔街见闻报道，亚马逊巨额锁定的英伟达GPU因电力接入滞后，暂时闲置在仓库——芯片易得、电力难求正取代芯片供给，成为算力扩张的下一个真实瓶颈，国内建设智算中心同样适用。应用侧，百度健康升级文心健康管家，发布好医矩阵与健康相机，AI健康服务月活跃用户超5000万、居行业第一，AI医疗从单点问答走向全流程服务闭环。这两条线索共同指向：算力的规划必须与电力、场景、商业模式一起算总账。

一道科技建议：三条落地路径

第一，先算总账再建算力，把电力接入、机房条件、网络带宽与模型推理成本放进同一张表。第二，云端基座加端侧小模型的组合优先，涉敏数据与高频交互放端侧，重训练与知识库放云端。第三，从单场景硬指标起步，用一个工序的识别准确率或一次调度的生成时间验证价值。AI大模型定制、数据挖掘与软件外包需一体交付。