大模型、生成式AI以及ChatGPT等引發的人工智能熱潮正在驅動市場參與者加速新一代AI的研發，而作為移動終端領先企業，高通也在加快AI領域的部署節奏。

幾個月前，高通對外展示了全球首個運行在安卓手機上的Stable Diffusion（AI動畫生成工具）視頻。在該視頻中，操作人員在一部沒有聯網的安卓手機上使用了上述工具生成了一副生動有趣的 AI 圖像，而整個生成時間不超過15秒。

(資料圖片僅供參考)

這一技術向外界傳達了一個明確的信號：未來AI的發展不是云端廠商的專屬產品，終端上運行大模型的預言，已經被高通提前變成了現實。

在2023世界人工智能大會期間，高通中國區董事長孟樸在接受第一財經電視直播專訪時表示，生成式AI大幅拉近了AI技術與消費者個體的距離，而混合AI則是AI發展的未來。

新一輪技術革命高潮正在到來

上線短短七個月，生成式AI即令全球各地的科技和商業領袖們為之矚目，浮想聯翩。這項技術將對生產力水平和利潤率產生怎樣的影響在高管們看來是顯而易見。布魯金斯學會預測，未來10年，GenAI有望將生產率和產出提高18%。

“生成式AI能夠推動由AI驅動、引領的新一輪技術革命高潮的到來。”孟樸表示，去年11月，ChatGPT的推出，在短短兩個月內，其月活用戶就已突破1億——這幾乎是進入互聯網時代以來發展速度最快的應用。生成式AI首次讓每一個消費者切身體驗、感知到AI能夠幫助我們實現的事情。通過輸入簡短的指令，AI就能夠生成具有一定深度與廣度的自創性內容，包括文字、圖像等形式——而這是此前的AI無法實現的。

在他看來，人工智能（AI）經歷了二十余年的發展，在技術層面一直不斷演進。AI的實現離不開基礎的算力、數據，以及強大的算法。人工智能，顧名思義，是希望機器可以幫助人類完成我們需要做的事情。

“生成式AI大幅拉近了AI技術與消費者個體的距離，在我們的日常生活中，AI能夠在很多不一樣的事情上有用武之地，比如幫助藝術家完善藝術作品；在建筑師設計大樓、設計橋梁時，為其提供創意想法等等，AI正在離我們的生活越來越近。”孟樸表示，AI技術一直在發展，像過去十年內，AlphaGo機器人也曾與人類棋手對弈，這其中運用的都是AI技術。隨著算力的提升、數據的積累，以及在經過機器學習之后更強大算法的實現，AI已經發展得越來越成熟。

高通對AI的研發啟動最早是在2007年。

從終端上進行圖像識別、音樂識別等相關技術和應用的研發，到關于自動駕駛所需的判斷能力的研究工作，例如如何判斷（車輛）前方的圖像是人類還是動物，是大型動物還是小型動物等，高通一直在尋找AI在端側的機會。

2015年，高通正式推出驍龍820芯片，首次搭載了高通第一代AI引擎。隨著AI首次被引入智能手機的芯片當中，手機對于文本、圖像和視頻的處理能力就有了很大提升。不僅如此，每個人的智能手機對用戶的狀態（比如是走動還是跑步），都可以感知，因而能夠實現更為定制化的服務。

2022年，高通公司推出的第二代驍龍8移動平臺，搭載當時最為先進的AI引擎之一，而這代產品也在本屆世界人工智能大會的開幕式上獲得了卓越人工智能引領者獎（SAIL大獎）。

“這是對我們在AI終端化上所做貢獻的認可。”孟樸表示，智能終端，實際上已經遠超出傳統智能手機的范疇，甚至現在的新能源車都要有智能網聯功能，因為不論是對于駕駛員還是乘客的駕乘體驗提升而言，都涉及到許多AI的因素——主要是通過AI技術來提高安全行駛以及舒適感受。

AI發展的下一步：混合AI

但和其他大模型公司所遇到的一樣，實現AI規?；瘮U展的最大挑戰來自于兩方面，其一是算力，其二是成本。

目前，將大模型部署到手機端進行推理主要有兩種方式，一種是通過云端進行推理，一種是在手機端直接進行推理。如果選擇回傳云端推理，則對手機的通訊能力要求較高；而如果選擇在在手機端推理，則對算力有一定的要求。盡管技術提供商會對模型進行剪枝和壓縮等優化，但仍然需要一定的算力。

例如，ChatGPT這樣的超大模型需要1000張主流卡容量的獨立計算集群，以及對應的模型并行算法框架來支持訓練。在成本方面，超大模型的訓練需要大規模計算集群以及對應的模型并行算法框架的支撐，因此訓練成本通常很高。ChatGPT單次模型訓練耗時1個月，訓練成本達1200萬美元。

但從手機產業鏈來看，高通一直以來致力于在智能終端上尋求的AI能力的提升，以混合 AI架構通過利用邊緣終端的算力支持生成式 AI 開發者和服務提供商降低成本。

高通所提出的云邊一體“混合AI”的概念，指的是網絡數據中心和人們日常使用的邊緣終端的協同工作，在適當的場景和時間下分配AI計算的工作負載，以提供更好的體驗，并高效利用資源。

事實上，隨著生成式AI的飛速普及和計算需求的日益增長，混合處理的重要性空前突顯。與僅在云端進行處理不同，混合AI架構在云端和邊緣終端之間分配并協同處理AI工作負載。云端和邊緣終端（如智能手機、汽車、個人電腦和物聯網終端）協同工作，能夠實現更強大、更高效且更普及的AI應用。

孟樸在直播中表示，混合AI是一個與網絡相關的名詞，在網絡數據中心會用到很多基礎設施，而終端設備是在邊緣。隨著終端側AI處理能力的提高，可以進一步減少云端數據中心的負載。所以，AI的發展最終能夠被廣泛應用于日常生活，在超大型數據中心和每個人使用的智能終端上得到實現，針對終端側和針對數據中心的AI可以用于解決不同的問題。

“我們認為對ChatGPT這種交互式AI的運用，會培養出人們與問答式AI或類似的工具相互交流的習慣。每一次基于生成式AI的網絡搜索查詢（query），會對數據中心負載量和網絡承載量提出很高的要求。雖然對每個問題ChatGPT都可以在短短幾秒鐘內回答，但已有估算標明，每一次交互所帶來的數據中心負載和網絡成本，要比傳統搜索高出10倍?？梢哉f，這對算力、網絡的要求都非常高，也需要承載非常大的功耗。但是，很多日常問題并不復雜，人們也不愿意在網絡中詢問很多個人私事，而這種情況可以通過生成式AI在智能終端中實現。因此，今后終端側AI和數據中心云AI的結合，將達到比較理想的兼容適配結果——既降低功耗、保護個人隱私，又能夠使得大型復雜問題得到及時響應。”孟樸說。

在最新的計劃中，高通在今年下半年將會對外展示在手機上運行100億個參數的大語言模型。從高通已有的模型落地案例來看，其邊緣大模型相當于云端大模型的“感知器官”，從而可以使AI功能在終端設備得以實現。

“我認為，未來的發展趨勢應該是比較平衡且自然的。在未來，數據中心的算力會越來越強大，與此同時每個人使用的智能終端，例如手機、智能網聯汽車等，其計算能力和AI的處理能力也會越來越強。這樣來看，數據中心主要負責處理的是工作量較大的問題，而我們的個人智能終端則會用于處理一些工作量相對較小的問題。”孟樸表示，終端可以更好地保護隱私，未來小事私事問終端，大事公事可以問云端。

標簽：