導(dǎo)語：大模型在手機(jī)端的落地，不僅僅是AI進(jìn)入人類生活的開始，也是行業(yè)發(fā)生顛覆，新老巨頭進(jìn)行更替的時(shí)刻。

將大模型變小，再塞進(jìn)手機(jī)，會(huì)給人們的生活帶來怎樣的影響？

最近，榮耀成為了國內(nèi)率先的破局者。

7月12日，榮耀了發(fā)布一款“革命性”的大模型手機(jī)Magic V2。成為全球首個(gè)實(shí)現(xiàn)大模型與手機(jī)系統(tǒng)融合的廠商。

在榮耀的宣傳中，更加個(gè)性化、更注重隱私，并且具備多模態(tài)功能的大模型，將會(huì)給用戶帶來全新的體驗(yàn)。

實(shí)際上，不只是榮耀，身為手機(jī)芯片龍頭企業(yè)的高通，也在近期發(fā)布了自身的大模型。

在7月初召開的上海WAIC上，人們看到搭載高通第二代驍龍8芯片的安卓手機(jī)直接運(yùn)行參數(shù)規(guī)模超過10億的Stable Diffusion，且只需要15秒左右就可以出圖。

更重要的是，這樣的運(yùn)行，是完全本地化的，只依賴手機(jī)本身的算力。

從GPT-3.5到GPT-4.0，曾經(jīng)需要高昂算力，或者只能跑在云端的AI大模型，也開始在智能終端設(shè)備中落地。

不過，在興奮之余，冷靜的人總不免會(huì)問：我真的需要一個(gè)在部署在手機(jī)大模型么？還是說這只是手機(jī)廠商為挽救疲軟的市場而制造的噱頭？

打破APP的壁壘

在人們討論“大模型手機(jī)”之前，一個(gè)不可忽略的事實(shí)是：當(dāng)今的各類大模型AI，如chatGPT、新必應(yīng)等，實(shí)際上早已推出了各自的手機(jī)版APP。

通過這一個(gè)個(gè)APP，在手機(jī)上運(yùn)行大模型，早已不是什么難事，且與本地部署的方式相比，這些調(diào)用云端算力的APP，并不會(huì)對手機(jī)配置造成額外負(fù)擔(dān)。

那既然如此，那人們?yōu)槭裁催€要費(fèi)盡心機(jī)地開發(fā)一個(gè)專用的“手機(jī)版”大模型呢？

對于這個(gè)問題，谷歌之前的做法似乎給出了一個(gè)可能的答案。

今年5月，在ChatGPT 3.5發(fā)布半年后，Google終于公布了全新一代大語言模型PaLM2，用以對抗ChatGPT。作為一種差異化競爭，PaLM2可以被部署在智能手機(jī)上。

當(dāng)時(shí)，PaLM2包含四個(gè)大模型，按照參數(shù)規(guī)模從大到小，分別命名為：獨(dú)角獸（Unicorn）、野牛（Bison）、水獺（Otter）和壁虎（Gecko）。

只有參數(shù)最小的“壁虎”可以在手機(jī)上運(yùn)行，Google稱，它的運(yùn)行速度足夠快，不聯(lián)網(wǎng)也能正常工作。

但問題是：人們?yōu)槭裁匆誀奚鼌?shù)、性能為代價(jià)，在手機(jī)上使用這樣一個(gè)“縮水版”的小模型呢？

一個(gè)最重要的原因是：與那些以APP形態(tài)出現(xiàn)在手機(jī)上的大模型相比，一個(gè)融入手機(jī)系統(tǒng)中的大模型，可以打破各應(yīng)用之間的壁壘，讓其他App也自帶大模型特性。

例如，融入手機(jī)中壁虎（Gecko），可以通過Gmail，實(shí)現(xiàn)自動(dòng)寫郵件的功能。

用戶只需在Gmail的“Help me write”（幫我寫）中輸入需求，它就會(huì)結(jié)合此前郵件中的信息，寫出完整的郵件。

通過這樣與手機(jī)系統(tǒng)深入融合的大模型，人們不僅可以實(shí)現(xiàn)AI對各類APP的賦能，甚至還能將大模型作為通用接口，像“膠水”一樣，將各類APP的能力實(shí)現(xiàn)組合，實(shí)現(xiàn)更多具有想象力的擴(kuò)展。

例如，倘若人們在一個(gè)陌生的地點(diǎn)出行，想尋找某個(gè)罕見、偏僻，在地圖上并不顯眼的位置，這時(shí)，手機(jī)上的大模型，就可以調(diào)用語音+識(shí)圖+導(dǎo)航的多模態(tài)功能，十分接地氣地告訴你：“在前面的蘭州拉面往左拐，看到城市便捷酒店后再右拐300米”，而不是簡單地說出“直行”、“右拐”等機(jī)械的回答。

然而，要實(shí)現(xiàn)這樣的組合，一個(gè)難以繞開的問題，就是算力。

同樣的，開始在手機(jī)上部署大模型的高通，也意識(shí)到了這個(gè)問題。在高通日前發(fā)布的《混合AI是AI的未來》技術(shù)白皮書中，首次提出了混合AI架構(gòu)的概念。

而這一概念，簡而言之，就是讓AI能夠在云端和終端側(cè)進(jìn)行分布式處理，并根據(jù)不同的模型和需求靈活分配負(fù)載。

改造現(xiàn)實(shí)的肢體

也許有人認(rèn)為，與在手機(jī)上部署大模型的做法相比，在云端進(jìn)行計(jì)算的方法，才是既省力又劃算的。

然而，實(shí)際上隨著日活用戶數(shù)量及其使用頻率的增長，云端推理的成本會(huì)顯著增加，而這樣的高成本，也會(huì)讓生成式AI的規(guī)?；瘮U(kuò)展陷入瓶頸。

畢竟，單個(gè)AI超算的服務(wù)器帶寬，以及消耗的電力，終歸是有上限的，而用戶的增長卻并沒有一個(gè)固定的上限。

這就是為什么混合AI架構(gòu)，即在云端和終端側(cè)進(jìn)行分布式處理的AI，會(huì)成為AI的未來趨勢，因?yàn)樗軌蚶媒K端側(cè)的計(jì)算能力，降低云端推理的依賴和成本。

而在混合A架構(gòu)的基礎(chǔ)上，高通還提到，為實(shí)現(xiàn)生成式AI的規(guī)?；瘮U(kuò)展，AI處理的重心正在向邊緣轉(zhuǎn)移。

也就是說，將來會(huì)有越來越多的AI數(shù)據(jù)，會(huì)在手機(jī)、攝像頭、傳感器等終端側(cè)進(jìn)行處理。

那這對大模型的發(fā)展來說意味著什么？

截至目前為止，大部分大模型所能處理的任務(wù)，仍舊停留在文字生成、繪制圖片、編寫代碼這些工作上。

這樣的任務(wù)，本質(zhì)上都是屬于出不了辦公室的“案頭工作”。

而AI如果要真正地走進(jìn)社會(huì)，為更多的行業(yè)、群體帶來改變，而不僅僅是一個(gè)存在于網(wǎng)頁中的“秘書”，那它就必須具有改造現(xiàn)實(shí)世界的“肢體”。

而這樣的“肢體”，正是一個(gè)個(gè)嵌入各個(gè)行業(yè)的邊緣端設(shè)備。

舉例來說，在醫(yī)療領(lǐng)域，AI可以通過智能攝像頭，評(píng)估帕金森患者的狀態(tài)；

在工業(yè)行業(yè)，邊緣化的AI可以提高生產(chǎn)過程的智能化和自動(dòng)化，高效地完成零部件瑕疵檢測等任務(wù)。

在農(nóng)業(yè)領(lǐng)域，邊緣化的AI可以通過智能傳感器或無人機(jī)，實(shí)現(xiàn)對農(nóng)作物的精準(zhǔn)種植和管理，如實(shí)現(xiàn)農(nóng)業(yè)病蟲害識(shí)別、農(nóng)作物品質(zhì)評(píng)估等任務(wù)。

所有這一切，都是僅存在于網(wǎng)頁中的大模型所無法完成的。

也正因如此，大模型“邊緣化”所帶來的顯著后果，就是AI橫向應(yīng)用范圍的極大擴(kuò)展。

如何讓GPT助力農(nóng)業(yè)，已經(jīng)成為人們思考的方向之一

而隨著邊緣化的到來，聯(lián)邦計(jì)算等與之匹配的模型訓(xùn)練方式，也將打破原本數(shù)據(jù)中心化的格局。

因?yàn)榈搅四菚r(shí)，數(shù)據(jù)并不總是在某一個(gè)云端服務(wù)器完成計(jì)算，而是由多個(gè)參與方在本地訓(xùn)練機(jī)器學(xué)習(xí)模型，之后再將模型參數(shù)或梯度上傳到中心服務(wù)器進(jìn)行聚合。

但詭異的是，依據(jù)科技行業(yè)發(fā)展的邏輯，這樣一種去中心化的、可以實(shí)現(xiàn)跨行業(yè)或跨領(lǐng)域數(shù)據(jù)共享的技術(shù)，非但不會(huì)弱化原有的壟斷行為，甚至還會(huì)進(jìn)一步將其強(qiáng)化。

新巨頭的崛起

在前網(wǎng)絡(luò)時(shí)代，人們認(rèn)為個(gè)人網(wǎng)站可以消解大傳統(tǒng)媒體的信息壟斷，但后來互聯(lián)網(wǎng)霸主的規(guī)模，早已傳統(tǒng)媒體的市值的天花板。

如果將這些科技巨頭的市值，換算成國家的GDP，那么在2022年，微軟的市值就超過了五常之一的俄羅斯（1.7萬億），全球能與之匹敵的經(jīng)濟(jì)體屈指可數(shù)。

究其原因，是因?yàn)槿魏巍凹夹g(shù)平權(quán)”的進(jìn)行，在讓科技變得更加低廉化、平民化的同時(shí)，都會(huì)反向地催生出一批技術(shù)壁壘更高，集中性更強(qiáng)的超級(jí)巨頭。

因?yàn)檎怯辛诉@些“高壁壘”的技術(shù)進(jìn)行支撐，巨頭們的規(guī)模擴(kuò)張才成為可能。

例如Meta正是通過一系列數(shù)據(jù)、算法的優(yōu)勢，才能對眾多用戶投其所好，并構(gòu)筑了Facebook和Twitter等龐大的社交帝國。

而英偉達(dá)也正是通過自身核心的GPU技術(shù)，和壁壘頗高的CUDA生態(tài)，才讓今天的大模型得以完成海量的計(jì)算，才得以讓AI成為人人觸手可及的技術(shù)。

而同樣的，當(dāng)混合計(jì)算的AI，通過云端與終端側(cè)相結(jié)合的方式，降低了大模型的推理的成本后，其造成的“技術(shù)平權(quán)”，至少會(huì)造就兩個(gè)方向上的巨頭。

其一，就是邊緣化芯片的提供者。

因?yàn)樾酒瑢拥腁I運(yùn)算處理能力，是AI落地終端的必要條件。

雖然在邊緣化時(shí)代，AI的算力場景是多樣化的，例如工業(yè)、醫(yī)療、娛樂等，但其中最重要的“七寸”，仍然是在用戶量最多的手機(jī)端。

誰若是能圍繞手機(jī)端的大模型，形成一套從設(shè)計(jì)、生產(chǎn)、到軟件生態(tài)一體化的完整體系，誰就將成為新一代的巨頭。

在這方面，身為行業(yè)龍頭的高通，早已開始了提前布局。

目前，搭載驍龍平臺(tái)的已發(fā)布XR終端已經(jīng)超過65款，其中Meta、PICO等頭部廠商的旗艦產(chǎn)品均采用的是高通芯片。

第二個(gè)方向的巨頭，就是能為行業(yè)提供全套解決方案的玩家。

畢竟AI在終端側(cè)的落地，需要的不僅是硬件，還有軟件端的優(yōu)化。

在同樣的硬件基礎(chǔ)上，誰的AI引擎能比其他競品具有更高的效能，能更快地完成計(jì)算，誰就將在軟件棧方面更具優(yōu)勢。

而要想實(shí)現(xiàn)這點(diǎn)，就必須在大模型的量化、壓縮、條件計(jì)算、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索和編譯方面進(jìn)行突破，在不犧牲太多精度的前提下對AI模型進(jìn)行縮減。

因此，誰能在大模型的壓縮、小型化技術(shù)上取得突破，誰就能率先構(gòu)建起自身基于終端的軟件生態(tài)。

綜上所述，大模型在手機(jī)端的落地，不僅僅是AI真正具備“肢體”，進(jìn)入人類生活的開始，也是行業(yè)發(fā)生顛覆，新老巨頭進(jìn)行更替的時(shí)刻。

在這樣的時(shí)代，變革的風(fēng)暴遠(yuǎn)比我們想象的要猛烈。

審核編輯：劉清