🎉 #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 聯合推廣任務上線!
本次活動總獎池:1,250 枚 ES
任務目標:推廣 Eclipse($ES)Launchpool 和 Alpha 第11期 $ES 專場
📄 詳情參考:
Launchpool 公告:https://www.gate.com/zh/announcements/article/46134
Alpha 第11期公告:https://www.gate.com/zh/announcements/article/46137
🧩【任務內容】
請圍繞 Launchpool 和 Alpha 第11期 活動進行內容創作,並曬出參與截圖。
📸【參與方式】
1️⃣ 帶上Tag #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 發帖
2️⃣ 曬出以下任一截圖:
Launchpool 質押截圖(BTC / ETH / ES)
Alpha 交易頁面截圖(交易 ES)
3️⃣ 發布圖文內容,可參考以下方向(≥60字):
簡介 ES/Eclipse 項目亮點、代幣機制等基本信息
分享你對 ES 項目的觀點、前景判斷、挖礦體驗等
分析 Launchpool 挖礦 或 Alpha 積分玩法的策略和收益對比
🎁【獎勵說明】
評選內容質量最優的 10 位 Launchpool/Gate
AI大模型成爲手機廠商新戰場 廠商跟風背後存隱憂
AI大模型成爲手機廠商新戰場
商業世界中看似閃耀的機遇,往往可能成爲束縛人們的枷鎖。
近期,全球芯片巨頭高通計劃在加州裁員約1258人,其中聖迭戈1064人、聖克拉拉194人。這場人事變動預計將於12月13日開始。
高通上季度財報已暗示了這次裁員。手機芯片作爲高通主要收入來源,佔比超過一半,但三季度收入同比下降21.6%。智能手機市場飽和正在悄然影響上遊供應鏈巨頭。
自2019年以來,5G驅動的手機更換熱潮持續近四年。然而,Counterpoint分析師Peter Richardson指出,到2022年全球手機更換週期已達到史上最長的43個月。
過去五年,手機行業一直在尋求突破性創新。但當連市場領導者也難以推出令人驚豔的新功能時,其他廠商更難以維持市場地位。越來越多消費者開始質疑更換新手機的價值。
有專家認爲,真正的突破點可能在軟件領域,尤其是AI大模型蘊含的潛力。雖然目前還不清楚如何充分利用這些潛力,但國內手機巨頭已瞄準AI大模型,試圖開闢新戰場。
手機巨頭角逐大模型領域
國內手機廠商紛紛追逐大模型熱潮。
8月14日,小米年度發布會上展示了自家AI大模型。該13億參數模型在C-Eval和CMMLU兩大測試平台上表現出色。雷軍表示,這個模型已在手機端完美運行,某些場景下甚至可與60億參數雲端模型媲美。
8月4日,餘承東宣布HarmonyOS 4將融合"盤古大模型"。華爲計劃將大模型深度整合進手機系統,實現更高層次融合。
OPPO近期宣布對新版"小布助手"進行首輪公測,該產品基於AndesGPT大模型技術。AndesGPT是一個基於混合雲架構的生成式大語言模型,由OPPO旗下安第斯智能雲團隊開發。
vivo定於11月1日召開年度開發者大會,將揭曉自研AI大模型與新操作系統。vivo打造的AI大模型矩陣涵蓋十億、百億及千億三大參數級別,共五款模型,旨在滿足多樣化應用場景。
手機行業各大品牌相繼投身AI大模型領域。在存量市場激烈競爭下,廠商希望借助新技術爲高端市場塑造更具競爭力的形象。
業內人士認爲,強調AI功能優勢是各大廠商的重要策略,不僅能刺激用戶對高端產品的需求,還能帶動產品價格漲,爲品牌創造更高利潤。預計未來兩年將迎來AI在手機上的創新大爆發。
大模型移動端落地路徑趨同
雖然手機廠商宣傳在手機上運行大型模型輕而易舉,但實際操作中面臨諸多挑戰。
小米技術委員會AI實驗室大模型團隊負責人欒劍表示,在手機上運行大模型對處理器和內存要求很高。大模型佔用過多工作內存可能導致其他應用受限,甚至造成手機無響應或死機。
計算能力也是關鍵。若生成一個字符需要幾秒時間,用戶體驗將大打折扣。考慮到人們平均閱讀速度約每秒十幾個漢字,模型生成速度必須遠超此水平。
功耗問題同樣不容忽視。高負載下計算芯片會導致手機急速發熱,長時間運作將嚴重影響電池續航。
因此,手機大模型的真正挑戰在於如何在處理速度、散熱和電池續航之間找到平衡。業界重心仍放在端雲協同方案上。
聯發科與OPPO、vivo達成合作,共同研發大模型在端側的輕量化部署方案。端側大模型優勢在於更快響應速度和更高數據安全性。
然而,僅依靠手機端無法解決所有問題。小米表示將繼續採用端雲結合策略。vivo也可能採取類似方式,通過評估問題復雜性決定是在本地處理還是轉移到雲端。
結合雲端和本地的大模型不僅可以節省成本,還能滿足用戶在計算能力、性能、能耗和隱私保護等多方面需求,是目前整合手機和AI大模型的優選策略之一。
廠商跟風背後的潛在挑戰
一些業內人士將手機端運行大模型的嘗試視爲一把雙刃劍。深入探究後,不免顯露出一種應景而非真正求變的短視傾向。
首先,"大模型"的定義仍然模糊。以小米的端側模型爲例,其13億參數量與GPT2的1.5B參數相近,但這是否足以稱之爲"大模型"仍有爭議。
有業界人士質疑:手機端的大模型實踐更多是爲了迎合市場短期熱潮,而非技術的真正突破。如果手機真能輕鬆驅動大模型,那麼高性能顯卡的存在意義何在?
其次,爲了適應手機,制造商不得不通過剪枝、蒸餾和量化等策略大幅壓縮模型。例如,vivo可能將參數從1750億降至10億,這種操作是否過於牽強值得思考。
大模型的價值不僅在於參數數量,更在於深度學習中的"深度"。大量參數意味着更多信息、知識和上下文的捕捉。將千億參數模型剪裁到幾十億參數時,勢必損失一些原有的學習深度。
即使小米宣稱其端側模型能與雲端模型相提並論,但細節仍不容忽視。13億參數的端側模型難以全面比肩千億參數的雲端模型,可能僅在特定場景下表現相當。
從這些角度來看,當前手機上的大模型實現方式似乎有些"矯枉過正"。普通用戶更關心AI能帶來什麼價值,而非模型參數數量。廠商的嘗試值得鼓勵,但也應反思其真正目的和意義。
更重要的是,盡管衆多手機制造商積極探索AI大模型應用,但未來路徑仍充滿未知。手機市場上的下一個"殺手級"應用仍待揭曉。
目前手機制造商對AI大模型的應用似乎過於偏重"語音助手"。這種單一方向的追求,是否只是迎合科技熱點趨勢,而非真正考慮用戶實際需求?
簡而言之,AI大模型在手機領域的真正普及仍處於起步階段。當前的努力只是探索之旅的開始。