原文來源：鈦媒體

作者：鄧劍云

圖片來源：由無界 AI生成

當“生成式人工智能”成為行業(yè)熱詞，在關注各類新興應用的同時,，作為提供應用底層支撐的“算力”也開始成為關注的焦點之一,。

對于傳統(tǒng)的高算力終端而言，通過增加額外的GPU硬件即可填補大模型訓練與AI生成所需的“算力鴻溝”,，但像移動智能終端,，受限于集成度、功耗限制等方面,，想要擺脫聯(lián)網(wǎng)需求,，實現(xiàn)端側部署生成式人工智能則具備更高的難度。

旗艦芯片AI領域率先發(fā)力,，中端布局路徑產(chǎn)生差異

近兩個月,，聯(lián)發(fā)科與高通先后發(fā)布了新一代旗艦級SoC芯片，兩者不約而同地提到了端側部署AI能力的提升,。

以聯(lián)發(fā)科為例,，此前發(fā)布的天璣9300芯片內(nèi)部集成聯(lián)發(fā)科第七代AI處理器APU 790，為生成式AI而設計,，整數(shù)運算和浮點運算的性能是前一代的2倍,，功耗降低了45%。APU 790內(nèi)置了硬件級的生成式AI引擎,，可實現(xiàn)更加高速且安全的邊緣AI計算,，深度適配Transformer模型進行子加速。

根據(jù)官方公布的數(shù)據(jù),，其處理速度是上一代的8倍,，1秒內(nèi)可生成圖片，同時,，基于億級參數(shù)大語言模型特性，聯(lián)發(fā)科開發(fā)了混合精度 INT4 量化技術，結合內(nèi)存硬件壓縮技術NeuroPilot Compression,，可以更高效地利用內(nèi)存帶寬,，減少AI大模型對終端內(nèi)存的占用，支持終端運行最高可達330億參數(shù)的AI大語言模型,。

新一代智能手機芯片的發(fā)布,，讓生成式人工智能獲得了硬件端的支持，不過搭載旗艦級SoC芯片的產(chǎn)品,，市場定位基本也都局限在高端市場,。根據(jù)IDC的數(shù)據(jù)，2023年第三季度,，國內(nèi)智能手機高端市場（3500元以上）的出貨占比為33%,。

換句話說，即便所有高端手機都開始支持端側生成式AI,，在用戶層面也僅僅做到了每10個人中3個人有機會接觸到該功能,。而定位更低的中端機市場，則暫時無法享受到大模型帶來的體驗升級,，要知道,，2500~3499元區(qū)間的手機銷量市場占比也達到了19%，并且處于不斷增長的趨勢當中,。

如何擴大應用落地范圍,，讓生成式人工智能不止是高端產(chǎn)品的“綁定產(chǎn)物”，是擺在各個終端廠商,、上游芯片供應商面前的首要問題,。高通面向下一代中高端產(chǎn)品推出的第三代驍龍7，并沒有提及AI功能上的進步,，主要提升依然是面向傳統(tǒng)使用場景的CPU,、GPU性能以及能耗。

反觀聯(lián)發(fā)科,，從天璣8000系列發(fā)布開始,，在旗艦機之外的中、高端機型已經(jīng)成為了其加速移動芯片市場滲透率的“基本盤”,，芯片的迭代速度更快,，同時也加深了與終端手機品牌的合作。最新發(fā)布的天璣8300,，也在同級產(chǎn)品中率先支持生成式AI,，至高支持100億參數(shù)AI大語言模型。

該芯片集成聯(lián)發(fā)科 AI 處理器 APU 780,，搭載生成式AI引擎,，整數(shù)運算和浮點運算的性能是上一代的 2 倍,，支持Transformer算子加速和混合精度INT4量化技術，AI綜合性能是上一代的3.3倍,，可流暢運行終端側生成式AI的創(chuàng)新應用,。

據(jù)聯(lián)發(fā)科無線通信事業(yè)部副總經(jīng)理李彥輯透露，小米成為首個借助其芯片能力實現(xiàn)端側生成式AI應用的手機廠商,。

而小米集團總裁,、Redmi品牌總經(jīng)理盧偉冰則表示：“Redmi手機將會全球首發(fā)搭載天璣8300-Ultra芯片，該機在性能調(diào)度,、系統(tǒng)應用和硬件底層能力開發(fā)方面,，均會應用到新一代人功智能技術?！眲倓偘l(fā)布的Redmi K70E就是盧偉冰所說的首款支持端側生成式人工智能的手機產(chǎn)品,。

從云側到端側，移動大模型時代可以期待什么,？

雖然產(chǎn)品有了,、應用也有了，但是提到大模型這項技術,，似乎距離普通用戶還是很遠,，究其原因就在于具體場景落地的匱乏，對于大眾消費者而言,，根本感知不到大模型帶來的體驗差異,。

值得慶幸的是，手機端的大模型應用正在加速普及,，目前,，包括華為、小米,、vivo等手機廠商都已經(jīng)將大模型手機端的應用提上了日程,，其中諸如語音助手與大模型的結合很多都已經(jīng)到了內(nèi)測甚至公測階段。

一位業(yè)內(nèi)人士告訴鈦媒體App：“大模型的加入可以讓智能語音助手跳出既有的算法‘機械問答’模式,，對用戶指令的理解能力以及解決問題的能力都將增強,，而這也只是第一步而已，下一步在端側生成式人智能落地后,，像目前還屬于小眾技能的‘圖生文’‘文生圖’‘圖生圖’等進階應用,，都有望在手機端實現(xiàn)，從而讓語音助手開始顯現(xiàn)出創(chuàng)造力,?！?/p>

從長遠來看，大模型與端側生成式人工智能,，的確有可能為智能手機等終端硬件帶來更多或有趣,、或?qū)嵱玫耐娣?。但鈦媒體App在體驗了現(xiàn)階段手機端大模型應用后，只能說是“未來可期”而非“即刻革新”,。

毫不客氣的說,，當前手機內(nèi)的大模型應用更多只是個噱頭而已，能夠感知到的“智能升級”非常有限,，雖然語音助手能聽懂、回答的問題更多了,，甚至可以具備一些簡答的前后聯(lián)系的邏輯思考,，但與賽道內(nèi)領先的Chat GPT仍有很大差距。

如果從AI繪圖應用來說,，移動端面臨的挑戰(zhàn)也不少,，像算力層面，目前業(yè)界主流的Stable Diffusion經(jīng)過實測,，最起碼需要RTX 3070以上級別的顯卡才能獲得比較流暢的應用體驗,，同時其上手門檻也并不低，因為AI繪畫往往需要對調(diào)用學習模型進行選擇,，同時在繪畫中不斷提出新要求并對畫面進行調(diào)整,，才能最終獲得一張質(zhì)量還不錯的圖片。

Stable Diffusion這樣從AI繪圖應用興起就開始不斷改良的工具尚且如此,，移動端的部署就會是更大的問題,，如果只是通過文字描述可以生成圖片而已，那對于普通消費者來說,，最多是上手嘗鮮一下,，新鮮勁兒一過，立馬就變成了冷門技能,，大模型應用就會走上當年智能語音助手一樣的老路,，爆火之后市場便慢慢冷卻下來。

因此,，端側大模型應用,，也需要找到高頻場景進行適配，李彥輯認為,，“性能調(diào)度”將是一個很好的落腳點,。“大模型不光可以學習傳統(tǒng)的文字,、圖片資料,，它也可以去學習用戶習慣，進而具備應用場景的自適應切換能力,，”他提到,。

具體來說,，就是擺脫傳統(tǒng)的固定算法調(diào)度邏輯，讓AI更多地參與其中,，比如用戶日常使用手機的時候,，其處理社交信息、游戲,、刷短視頻時,，對手機性能的需求都是不同的，過去手機系統(tǒng)往往是依靠應用來做反向適配,，打游戲調(diào)用高頻率大核心提高性能,、文字聊天和待機使用小核心保持續(xù)航，這種調(diào)度能力是非常固化的,。

智能手機具備端側AI能力后,，就能將性能調(diào)度這件事變得更加主動，可以根據(jù)當前的場景需求進行實時優(yōu)化,，而非照本宣科的進行軟件和策略層面的適配,。

鈦媒體App分析認為，與聊天,、AI繪圖等看似創(chuàng)新的應用體驗相比,，能夠?qū)扔械母哳l場景進行精準賦能，才是端側大模型短期內(nèi)能夠創(chuàng)造體驗價值的關鍵所在,，無論是影像,、性能表現(xiàn)上的優(yōu)化亦或是對屏幕、揚聲器等硬件的實時智能調(diào)節(jié),，都是更能帶給用戶體驗感知升級的維度,。

假設有一天，通過端側大模型結合用戶習慣,、應用感知得到的數(shù)據(jù)進行學習,，利用對軟硬件層面的綜合調(diào)度，讓智能手機的續(xù)航可以再提升20%甚至50%,，誰還會說它只是個“噱頭”呢,？