AI世界：大模型装进手机 让“私人助理”可随身携带

　　把大模型装进手机

　　让“私人助理”可随身携带

　　【AI世界】

　　◎实习记者 吴叶凡

　　编者按 在我国经济由高速增长转向高质量发展的历史进程中，数字化、智能化的作用不断凸显。数字化是构筑国家竞争新优势的基础，智能化则是新一轮科技革命和产业变革的重要驱动力量，二者不断融合，共同构成中国式现代化的强引擎，推动国民经济高质量发展。为顺应这一趋势，从今日起，本报推出数智版，展现人工智能和数字领域的新技术、新业态、新趋势。

　　随着“百模大战”进入拼落地、拼产业应用的“下半场”，不少手机厂商纷纷入局，表示将推出自研手机大模型。2023年底，荣耀对外公布了自研的70亿参数大模型——“魔法大模型”的规模数据。市场调研机构Canalys预测，2024年，全球约5%(约6000万部)的手机会具有端侧AI运算能力。据业内人士分析，智能手机用户规模巨大、便携性较强、应用生态完善，有望成为大模型最理想的落地平台。

　　为何手机厂商要花费大量精力自研手机大模型？手机大模型落地还需经历哪些考验？带着这些问题，记者采访了相关专家。

　　手机厂商纷纷自研大模型

　　记者梳理发现，2023年8月以来，国内外的主流手机厂商纷纷表示将把大模型装进手机，华为、小米、vivo、OPPO、荣耀、三星等企业无一例外。北京市社会科学院副研究员王鹏认为，这一趋势是技术发展和市场需求共同推动的结果。“大模型在自然语言处理、图片识别等领域取得了不少成果，消费者对于手机智能化、个性化服务的需求也在不断增长。这促使手机厂商通过在手机中引入大模型来提升用户体验和自身竞争力。”王鹏说。

　　但是市场上已有许多比较成熟的大模型，各手机厂商为何不将这些大模型直接装进手机，反而要花费大量时间和精力去自研大模型呢？

　　记者了解到，目前市面上大部分大模型都是云端大模型。它们不仅参数量巨大，同时也需要极强的算力来支持运算。这导致了高昂的成本。vivo副总裁、vivo AI全球研究院院长周围曾透露，目前和大模型进行一次对话的成本为0.012元到0.015元。如果某大模型有两亿用户，这些用户一天要用大模型进行10次对话，那么一年中，光是对话的成本就会达到上百亿元，更遑论运行、维护服务器等成本。

　　为解决云端大模型成本高昂的弊端，手机行业开始着手研发手机大模型以降低成本。与部署在云端的云端大模型不同，大多数手机大模型从端侧发力，部署在手机等终端设备上，力图实现纯端侧运行或端云侧协同。手机大模型的优势不仅在于成本低。从数据角度看，云端大模型的数据大部分都来自互联网，这不利于大模型适应用户个性化的使用习惯；手机大模型的数据源于用户，这使得大模型能更了解用户。因此，如果说云端大模型是个“万事通”，那么手机大模型则更像是为用户量身定制的“私人助理”。

　　提升手机智能化水平

　　OPPO高级副总裁兼首席产品官刘作虎曾说：“未来，AI可能让手机呈现新面貌。”王鹏认为，当手机大模型成为用户的“私人助理”，会带来四点变化。

　　首先是交互方式的改变。王鹏认为，现在人们更多的还是通过按键或触屏的方式与手机交互。随着语音识别技术的不断发展，大模型能够更加精准地识别和理解用户的语音指令。这使得语音有望成为未来用户与手机的主要交互方式。此外，在手机大模型的加持下，人们搜索信息的方式有望变得更加便利。

　　其次，手机的个性化服务水平有望得到加强。“手机大模型可以更好地了解用户的需求和偏好，为用户提供更加个性化的服务，比如智能推荐、智能提醒等。”王鹏认为，虽然目前一些手机已具备这一功能，但精准度仍有待提升。手机大模型的应用可大大提升手机个性化服务的精准度。

　　再次，手机应用程序的智能化水平有望提升。比如，对照片和音频、视频的编辑会更加智能。以国内某手机为例，其具有照片“消除路人”功能。在大模型技术加持下，手机助手能够在深度学习的基础上理解用户需求，进行智能重绘，产出照片的效果相比于其他照片处理软件也更加自然。

　　最后，手机在未来可能会成为智能家居的核心。“现在手机主要是作为智能家居的操控器。手机大模型落地应用后，手机就可根据用户的不同需求、不同场景和不同的天气、季节，智能化地指挥智能家居。”王鹏说。

　　落地仍需过四关

　　手机大模型固然有许多优点，但要想让它真正落地，还有很长一段路要走。

　　首先要解决的是数据安全和隐私的问题。由于手机大模型的数据来源是手机用户在使用过程中产生的数据，因此，如何在提升大模型精准程度的基础上保障用户数据安全，是手机厂商要解决的重要问题。王鹏认为：“相关部门应该制定手机大模型训练的规则。同时，手机厂商也要在政府和行业的指导之下，建立完善的数据保护制度，在保证用户数据不被泄露的前提下对模型进行训练。”

　　其次要解决的是手机计算能力和存储空间的限制问题。在端侧运行大模型，对于手机的算力、能耗、内存都提出了更高要求。如果算力过高，那么能耗可能也会变大，导致手机发热；如果占用内存过多，也会影响其他应用程序的运行。目前，即便是市面上的高端手机，其硬件配置也依旧有限，难以满足千百亿级参数大模型的端侧运行需求。对此，王鹏提出了两种解决思路：“第一是提升手机算力和存储空间；第二是通过使用更高效的算法或模型压缩技术，来适应有限的手机硬件条件。”

　　再次，手机大模型落地还面临着“商业关”。手机大模型需要提供更加自然、便捷的交互方式，优化用户体验。这就要求手机厂商在开发过程中，充分考虑到用户的使用习惯。“即便算力、安全性都满足了，但用户觉得不好用，手机大模型也不算是成功落地。这就需要开发者根据用户的反馈来不断对大模型进行改进。”王鹏说。

　　最后，手机厂商花费大量精力研发手机大模型的根本目的，在于通过市场推广盈利，实现企业可持续发展。王鹏认为，只有企业做到成本可控，生产出大家都用得起的产品，才能实现手机大模型的真正落地。