🎉 #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 联合推广任务上线!
本次活动总奖池:1,250 枚 ES
任务目标:推广 Eclipse($ES)Launchpool 和 Alpha 第11期 $ES 专场
📄 详情参考:
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
🧩【任务内容】
请围绕 Launchpool 和 Alpha 第11期 活动进行内容创作,并晒出参与截图。
📸【参与方式】
1️⃣ 带上Tag #Gate Alpha 第三届积分狂欢节 & ES Launchpool# 发帖
2️⃣ 晒出以下任一截图:
Launchpool 质押截图(BTC / ETH / ES)
Alpha 交易页面截图(交易 ES)
3️⃣ 发布图文内容,可参考以下方向(≥60字):
简介 ES/Eclipse 项目亮点、代币机制等基本信息
分享你对 ES 项目的观点、前景判断、挖矿体验等
分析 Launchpool 挖矿 或 Alpha 积分玩法的策略和收益对比
🎁【奖励说明】
评选内容质量最优的 10 位 Launchpool/Gate
AI大模型成为手机厂商新战场 厂商跟风背后存隐忧
AI大模型成为手机厂商新战场
商业世界中看似闪耀的机遇,往往可能成为束缚人们的枷锁。
近期,全球芯片巨头高通计划在加州裁员约1258人,其中圣迭戈1064人、圣克拉拉194人。这场人事变动预计将于12月13日开始。
高通上季度财报已暗示了这次裁员。手机芯片作为高通主要收入来源,占比超过一半,但三季度收入同比下降21.6%。智能手机市场饱和正在悄然影响上游供应链巨头。
自2019年以来,5G驱动的手机更换热潮持续近四年。然而,Counterpoint分析师Peter Richardson指出,到2022年全球手机更换周期已达到史上最长的43个月。
过去五年,手机行业一直在寻求突破性创新。但当连市场领导者也难以推出令人惊艳的新功能时,其他厂商更难以维持市场地位。越来越多消费者开始质疑更换新手机的价值。
有专家认为,真正的突破点可能在软件领域,尤其是AI大模型蕴含的潜力。虽然目前还不清楚如何充分利用这些潜力,但国内手机巨头已瞄准AI大模型,试图开辟新战场。
手机巨头角逐大模型领域
国内手机厂商纷纷追逐大模型热潮。
8月14日,小米年度发布会上展示了自家AI大模型。该13亿参数模型在C-Eval和CMMLU两大测试平台上表现出色。雷军表示,这个模型已在手机端完美运行,某些场景下甚至可与60亿参数云端模型媲美。
8月4日,余承东宣布HarmonyOS 4将融合"盘古大模型"。华为计划将大模型深度整合进手机系统,实现更高层次融合。
OPPO近期宣布对新版"小布助手"进行首轮公测,该产品基于AndesGPT大模型技术。AndesGPT是一个基于混合云架构的生成式大语言模型,由OPPO旗下安第斯智能云团队开发。
vivo定于11月1日召开年度开发者大会,将揭晓自研AI大模型与新操作系统。vivo打造的AI大模型矩阵涵盖十亿、百亿及千亿三大参数级别,共五款模型,旨在满足多样化应用场景。
手机行业各大品牌相继投身AI大模型领域。在存量市场激烈竞争下,厂商希望借助新技术为高端市场塑造更具竞争力的形象。
业内人士认为,强调AI功能优势是各大厂商的重要策略,不仅能刺激用户对高端产品的需求,还能带动产品价格上涨,为品牌创造更高利润。预计未来两年将迎来AI在手机上的创新大爆发。
大模型移动端落地路径趋同
虽然手机厂商宣传在手机上运行大型模型轻而易举,但实际操作中面临诸多挑战。
小米技术委员会AI实验室大模型团队负责人栾剑表示,在手机上运行大模型对处理器和内存要求很高。大模型占用过多工作内存可能导致其他应用受限,甚至造成手机无响应或死机。
计算能力也是关键。若生成一个字符需要几秒时间,用户体验将大打折扣。考虑到人们平均阅读速度约每秒十几个汉字,模型生成速度必须远超此水平。
功耗问题同样不容忽视。高负载下计算芯片会导致手机急速发热,长时间运作将严重影响电池续航。
因此,手机大模型的真正挑战在于如何在处理速度、散热和电池续航之间找到平衡。业界重心仍放在端云协同方案上。
联发科与OPPO、vivo达成合作,共同研发大模型在端侧的轻量化部署方案。端侧大模型优势在于更快响应速度和更高数据安全性。
然而,仅依靠手机端无法解决所有问题。小米表示将继续采用端云结合策略。vivo也可能采取类似方式,通过评估问题复杂性决定是在本地处理还是转移到云端。
结合云端和本地的大模型不仅可以节省成本,还能满足用户在计算能力、性能、能耗和隐私保护等多方面需求,是目前整合手机和AI大模型的优选策略之一。
厂商跟风背后的潜在挑战
一些业内人士将手机端运行大模型的尝试视为一把双刃剑。深入探究后,不免显露出一种应景而非真正求变的短视倾向。
首先,"大模型"的定义仍然模糊。以小米的端侧模型为例,其13亿参数量与GPT2的1.5B参数相近,但这是否足以称之为"大模型"仍有争议。
有业界人士质疑:手机端的大模型实践更多是为了迎合市场短期热潮,而非技术的真正突破。如果手机真能轻松驱动大模型,那么高性能显卡的存在意义何在?
其次,为了适应手机,制造商不得不通过剪枝、蒸馏和量化等策略大幅压缩模型。例如,vivo可能将参数从1750亿降至10亿,这种操作是否过于牵强值得思考。
大模型的价值不仅在于参数数量,更在于深度学习中的"深度"。大量参数意味着更多信息、知识和上下文的捕捉。将千亿参数模型剪裁到几十亿参数时,势必损失一些原有的学习深度。
即使小米宣称其端侧模型能与云端模型相提并论,但细节仍不容忽视。13亿参数的端侧模型难以全面比肩千亿参数的云端模型,可能仅在特定场景下表现相当。
从这些角度来看,当前手机上的大模型实现方式似乎有些"矫枉过正"。普通用户更关心AI能带来什么价值,而非模型参数数量。厂商的尝试值得鼓励,但也应反思其真正目的和意义。
更重要的是,尽管众多手机制造商积极探索AI大模型应用,但未来路径仍充满未知。手机市场上的下一个"杀手级"应用仍待揭晓。
目前手机制造商对AI大模型的应用似乎过于偏重"语音助手"。这种单一方向的追求,是否只是迎合科技热点趋势,而非真正考虑用户实际需求?
简而言之,AI大模型在手机领域的真正普及仍处于起步阶段。当前的努力只是探索之旅的开始。