文｜腦極體

(相關(guān)資料圖)

大家是不是對(duì) GPT、對(duì)話式 AI、生成式 AI 之類的話題，已經(jīng)有點(diǎn)審美疲勞了？

寫這篇文章之前，我有點(diǎn)猶豫，究竟還要不要接著討論 GPT 了。最終決定寫，是覺得個(gè)人用戶、開發(fā)者，以及正在緊鑼密鼓訓(xùn)大模型的 AI 公司和云廠商，還是有必要提前琢磨一下這個(gè)事情——大模型能力要從云入端，究竟什么時(shí)候做、怎么做？

AIGC 熱潮帶來 Web 復(fù)興，但大眾更愛移動(dòng)端

我們看到，大多數(shù)基于大模型的 AIGC 應(yīng)用，都選擇了 Web 端接入。

微軟第一時(shí)間推出了帶有對(duì)話（Chat）功能的必應(yīng)（Bing），更新了 Edge 瀏覽器，嵌入到 Microsoft 365 應(yīng)用中。國(guó)內(nèi)，高校機(jī)構(gòu)推出的 MOSS（復(fù)旦大學(xué)）、SegGPT（智源），企業(yè)推出的文心一言（yiyan.baidu.com）、通義千問（tongyi.aliyun.com），都要從官網(wǎng)入口訪問。

圖像和視頻類的生成式 AI，比如 Midjourney、Stable Diffusion、DALLE2，以及視頻平臺(tái) Make-A-Video（Meta）、Imagen Video（谷歌）等，也是如此。

有業(yè)內(nèi)人士認(rèn)為，生成式 AI 帶來了 Web 的復(fù)興。

當(dāng)然 , 市面上也有通過小程序、App 等訪問的 AIGC 產(chǎn)品，大多通過調(diào)用基礎(chǔ)模型的 API 來提供服務(wù)。

但受限于網(wǎng)絡(luò)傳輸、算力等，領(lǐng)先的技術(shù)能力都不得不打折扣，比如只能生成很短的一句話文本，手機(jī) app 的作圖效果一般，加載速度很慢經(jīng)常排隊(duì)掉線卡頓……

這是因?yàn)榇竽Ｐ偷拇罅坑?jì)算，還是要通過云服務(wù)來完成，Web 頁(yè)面的承載能力比較大，加載速度快，還不用考慮流量損耗。

所以，想體驗(yàn)大模型強(qiáng)大的能力，目前還是以 PC Web 端 + 云服務(wù)更佳。

但是，大模型的商業(yè)化潛力，還是在移動(dòng)端。

大家可能都記得，去年底 AI 作圖就火爆過，意間 AI 繪畫、YUAN 初等多款具有 AI 作圖功能的移動(dòng)端小程序，用戶量和付費(fèi)激增。意間 AI 繪畫的官方數(shù)據(jù)顯示，上線不到兩個(gè)月，用戶量增長(zhǎng)了 117 萬(wàn)人。

大部分人也都更希望，便捷、低門檻地體驗(yàn) AIGC。要使用 GPT-4、New bing、DALLE 等應(yīng)用，注冊(cè)、登錄、付費(fèi)的一系列操作，都非常麻煩，勸退了不少人。

國(guó)內(nèi)的大模型應(yīng)用，移動(dòng)端也明顯很受期待。比如就有人抓住了 " 官方?jīng)]有 app" 這個(gè) " 時(shí)間差 "，造出了 " 文心一言 " 盜版 App，嚇得百度趕緊出來聲明：凡是在 App Store 和各種應(yīng)用商店看到的 " 文心一言 "App 都是假的，凡是 " 文心一言 " 收費(fèi)下載、付費(fèi)會(huì)員都是騙子！

顯而易見，場(chǎng)景化、輕量化的移動(dòng)端應(yīng)用，用戶又喜歡，又能付費(fèi)賺到錢，如果官方不搞，投機(jī)客 / 騙子都要來搞。

無論是從用戶體驗(yàn)的角度，還是大模型服務(wù)普及化的需要，以及回收訓(xùn)練成本的商業(yè)化考量，移動(dòng)端應(yīng)用都是一塊不能輕言放棄的陣地。

既然如此，為什么各大基礎(chǔ)模型服務(wù)商，就是不早點(diǎn)抓住這個(gè)機(jī)會(huì)呢？我們什么時(shí)候才能用上和 Web 版一樣強(qiáng)大的移動(dòng) AI 應(yīng)用呢？

千呼萬(wàn)喚不出來，基礎(chǔ)模型服務(wù)商在想啥？

基礎(chǔ)大模型的服務(wù)商，比如 OpenAI、谷歌、百度、阿里以及各類研究院所，就是不去吃移動(dòng)端應(yīng)用這塊蛋糕。

除了大家都知道的移動(dòng)端側(cè)計(jì)算能力限制之外，還有其他考量：

1. 產(chǎn)品。基礎(chǔ)模型往往技術(shù)和能力比較超前，產(chǎn)品化不是最優(yōu)先考慮的，尤其移動(dòng)端應(yīng)用要適配各種系統(tǒng)、機(jī)型、配置，更不可能投入太大的人力、物力。

OpenAI 的聯(lián)合創(chuàng)始人 Sam Altman 就說過，ChatGPT 是一個(gè)糟糕的產(chǎn)品，只是這個(gè)產(chǎn)品蘊(yùn)含著很大價(jià)值，所以人們?cè)敢馊淌堋ＳX得 Web 不好用？那你先忍忍吧。

2. 用戶。別看全民熱議生成式 AI，但真正堅(jiān)持使用并愿意付費(fèi)的，還是一小撮早期客戶，包括技術(shù)狂熱者和專業(yè)人士，比如程序員、插畫師。

他們大多會(huì)將生成式 AI 當(dāng)作生產(chǎn)力工具，用于研究、編程、辦公、設(shè)計(jì)、游戲制作、軟件開發(fā)等，還要跟其他專業(yè)軟件相結(jié)合來使用，比如生成圖片之后再通過 Photoshop 增強(qiáng)，還是要用到 PC、一體機(jī)等設(shè)備，PC Web 端比移動(dòng) App 有更強(qiáng)的可編輯性，更能滿足這部分群體的需求。

3. 商業(yè)化。目前基礎(chǔ)大模型的商業(yè)模式，以 API 為主，需要一定的開發(fā)經(jīng)驗(yàn)，更適合極客和開發(fā)者，深度開發(fā)集成部署等工作，很少會(huì)通過移動(dòng)端來完成，所以模型服務(wù)商自然也就沒有緊鑼密鼓去適配移動(dòng)端的動(dòng)力。

既然如此，為什么還要做移動(dòng)端呢？一個(gè)很表層的答案是：大眾需要。

能夠真正引發(fā)全民體驗(yàn)熱潮的，還是那些能夠通過社交軟件分享、小程序、App 等形式，低成本快速觸達(dá)的能力，不需要什么 " 智能涌現(xiàn) "，更在乎有趣、好玩。

往深了說，大模型技術(shù)被視為 " 新工業(yè)革命 " 的引擎，要發(fā)揮效應(yīng)，必須將技術(shù)能力更好地集成到產(chǎn)品和服務(wù)中去。此時(shí)，移動(dòng)端能夠提供至少三重價(jià)值：

第一，規(guī)模落地。

中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布第 51 次《中國(guó)互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》中，我國(guó) 10.67 億網(wǎng)民，使用手機(jī)上網(wǎng)的比例為 99.8%，移動(dòng)端用戶已經(jīng)遠(yuǎn)遠(yuǎn)超過了 PC 端的用戶，要提升生成式 AI 的應(yīng)用范圍，移動(dòng)端應(yīng)用必不可少。

第二，商業(yè)潛力。

高科技行業(yè)的主流市場(chǎng)，是由 " 實(shí)用主義者 " 組成的，相比技術(shù)的前沿性、炫酷感，他們更看重技術(shù)解決方案的可靠、穩(wěn)定、性價(jià)比、配套服務(wù)等。移動(dòng)端的廣泛普及度、即時(shí)訪問、便捷低成本的優(yōu)勢(shì)，可以讓 AI 以更短的路徑觸達(dá)用戶，在移動(dòng)端應(yīng)用 AI 技術(shù)是大勢(shì)所趨。

開發(fā)者眼中的 AIGC 應(yīng)用是這樣的：

大眾眼中的 AIGC 應(yīng)用是這樣的：

第三，市場(chǎng)壁壘。

大模型的商業(yè)化路徑之一，是走向產(chǎn)業(yè)，走向 ToB，將大模型能力封裝為 AI 解決方案，參與到千行百業(yè)的數(shù)字化、智能化進(jìn)程中。

如今頭部科技公司、云廠商都在煉大模型，很多直接對(duì)標(biāo) GPT-3.5，沒有顯著的差異化價(jià)值，很難與業(yè)界領(lǐng)先水平拉開差距。

云廠商要打開 ToB 市場(chǎng)，移動(dòng)端應(yīng)用工具與能力是非常有吸引力的。近年來，不僅消費(fèi)類、服務(wù)型企業(yè)，在不斷加強(qiáng)移動(dòng)端側(cè)的布局和產(chǎn)品能力，一些傳統(tǒng)的企業(yè)和機(jī)構(gòu)，比如工業(yè)制造、政務(wù)銀行等，無論是在內(nèi)部生產(chǎn)管理中移動(dòng)化，也推出了更多移動(dòng)應(yīng)用來更好地服務(wù)終端用戶。如果直接在云上端到端用好大模型，比如訓(xùn)練開發(fā)環(huán)節(jié)直接調(diào)用云端的大模型和 AI 算力資源，完成后，一鍵分發(fā)到智能手機(jī)等終端上，可以大大減少工作量。

互聯(lián)網(wǎng)的演進(jìn)之路，已經(jīng)說明，無論 To B 還是 To C 行業(yè)，都在追求越來越集約精簡(jiǎn)的終端硬件、越來越低門檻的交互入口、越來越輕盈的軟件應(yīng)用。

所以說，大模型從云入端，是模型服務(wù)商實(shí)現(xiàn)商業(yè)化的必爭(zhēng)之地。

從云入端，一條天路

高瞻遠(yuǎn)矚如 OpenAI 和 DeepMind，照樣有商業(yè)化的要求。賺錢嘛，不寒摻。可是，大模型由云入端，這個(gè)錢還真沒那么好賺。非不為也，實(shí)不能也。

云計(jì)算、AI 能力要進(jìn)入移動(dòng)終端設(shè)備，所面對(duì)的是一條天路：

首先，一些大型的生成式 AI 應(yīng)用，運(yùn)行環(huán)境在云上，要經(jīng)過網(wǎng)絡(luò)傳輸，而移動(dòng)端的設(shè)備能力、網(wǎng)絡(luò)環(huán)境，是很多樣且不穩(wěn)定的，比如從 5G 蜂窩網(wǎng)絡(luò)轉(zhuǎn)移到室內(nèi)寬帶，或者在高架橋、地鐵等特殊環(huán)境，都有可能讓生成過程中斷或失敗，影響到端側(cè)體驗(yàn)。

其次，生成式 AI 應(yīng)用的計(jì)算量比較大，在端側(cè)加載渲染運(yùn)行時(shí)，比如智能手機(jī) CPU 會(huì)有比較高的負(fù)載，出現(xiàn)卡頓、發(fā)熱、電量損耗等情況，如果讓 AI 改一篇文檔畫一張圖就咔咔掉電，當(dāng)然不能接受。

此外，把 AI 深度集成到業(yè)務(wù)中，必須通過云計(jì)算，而云端開發(fā)環(huán)境和端側(cè)是不同的操作系統(tǒng)。這意味著，開發(fā)者要進(jìn)行二次開發(fā)或迭代開發(fā)，完成之后才能進(jìn)行不同終端下的觸達(dá)，同事要考慮不同終端的兼容性，這就提升了 AI 云應(yīng)用的風(fēng)險(xiǎn)成本、人力成本、時(shí)間成本。要保證集成之后的應(yīng)用效果，需要云平臺(tái)有一整套完整的產(chǎn)品服務(wù)和工具來支撐快速搭建、驗(yàn)證、部署分發(fā)。

另外，云側(cè)和端側(cè)的架構(gòu)不同，也導(dǎo)致算力割裂，云端一體的 AI 應(yīng)用開發(fā)要充分結(jié)合端側(cè)算力和云上算力，一部分應(yīng)用場(chǎng)景搭建在端，一部分搭建在云，這就給云廠商帶來了比較大的技術(shù)難題：如何提供穩(wěn)定一致的底層環(huán)境？

天路難行亦需行。大家都知道，云計(jì)算靠基礎(chǔ)設(shè)施 IaaS 層是很難賺到錢的，云廠商煉大模型，本質(zhì)上是希望提升軟件的先進(jìn)性，進(jìn)而調(diào)動(dòng) SaaS 服務(wù)的商業(yè)價(jià)值。

要讓個(gè)人用戶和企業(yè)，都得到簡(jiǎn)單、易用、低門檻的大模型能力，云廠商不僅要訓(xùn)練基礎(chǔ)模型，還需要在產(chǎn)業(yè)鏈上游，就解決 AI 應(yīng)用從云到端的一系列技術(shù)難題，為開發(fā)者和產(chǎn)業(yè)用戶提供移動(dòng) AI 開發(fā)能力，才能讓大模型在端側(cè)爆發(fā)。

各種形態(tài)的大模型應(yīng)用百花齊放，這個(gè)新技術(shù)才能真正迎來商業(yè)化的奇點(diǎn)。