大模型帶來的Web復(fù)興 會是曇花一現(xiàn)嗎？

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

　　寫這篇文章之前，我有點猶豫，究竟還要不要接著討論 GPT 了。最終決定寫，是覺得個人用戶、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事情——大模型能力要從云入端，究竟什么時候做、怎么做?

　　AIGC 熱潮帶來 Web 復(fù)興，但大眾更愛移動端

　　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。

　　微軟第一時間推出了帶有對話(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 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)常排隊掉線卡頓……

　　這是因為大模型的大量計算，還是要通過云服務(wù)來完成，Web 頁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 作圖功能的移動端小程序，用戶量和付費激增。意間 AI 繪畫的官方數(shù)據(jù)顯示，上線不到兩個月，用戶量增長了 117 萬人。

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

　　國內(nèi)的大模型應(yīng)用，移動端也明顯很受期待。比如就有人抓住了 " 官方?jīng)]有 app" 這個 " 時間差 "，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 " 收費下載、付費會員都是騙子!

　　顯而易見，場景化、輕量化的移動端應(yīng)用，用戶又喜歡，又能付費賺到錢，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，就是不早點抓住這個機(jī)會呢?我們什么時候才能用上和 Web 版一樣強(qiáng)大的移動 AI 應(yīng)用呢?

　　千呼萬喚不出來，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，就是不去吃移動端應(yīng)用這塊蛋糕。

　　除了大家都知道的移動端側(cè)計算能力限制之外，還有其他考量：

　　1. 產(chǎn)品�；�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 是一個糟糕的產(chǎn)品，只是這個產(chǎn)品蘊(yùn)含著很大價值，所以人們愿意忍受。覺得 Web 不好用?那你先忍忍吧。

　　2. 用戶。別看全民熱議生成式 AI，但真正堅持使用并愿意付費的，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、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 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，更適合極客和開發(fā)者，深度開發(fā)集成部署等工作，很少會通過移動端來完成，所以模型服務(wù)商自然也就沒有緊鑼密鼓去適配移動端的動力。

　　大模型千帆競渡，移動端是商業(yè)化必爭之地

　　既然如此，為什么還要做移動端呢?一個很表層的答案是：大眾需要。

　　能夠真正引發(fā)全民體驗熱潮的，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，移動端能夠提供至少三重價值：

　　第一，規(guī)模落地。

　　中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布第 51 次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》中，我國 10.67 億網(wǎng)民，使用手機(jī)上網(wǎng)的比例為 99.8%，移動端用戶已經(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，是由 " 實用主義者 " 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、性價比、配套服務(wù)等。移動端的廣泛普及度、即時訪問、便捷低成本的優(yōu)勢，可以讓 AI 以更短的路徑觸達(dá)用戶，在移動端應(yīng)用 AI 技術(shù)是大勢所趨。

　　開發(fā)者眼中的 AIGC 應(yīng)用是這樣的：

　　(OpenAI 發(fā)布會演示的編程能力)

　　大眾眼中的 AIGC 應(yīng)用是這樣的：

　　(某 GPT 類應(yīng)用平臺截圖)

　　第三，市場壁壘。

　　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，很多直接對標(biāo) GPT-3.5，沒有顯著的差異化價值，很難與業(yè)界領(lǐng)先水平拉開差距。

　　云廠商要打開 ToB 市場，移動端應(yīng)用工具與能力是非常有吸引力的。近年來，不僅消費類、服務(wù)型企業(yè)，在不斷加強(qiáng)移動端側(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)管理中移動化，也推出了更多移動應(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)商實現(xiàn)商業(yè)化的必爭之地。

　　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�？墒�，大模型由云入端，這個錢還真沒那么好賺。非不為也，實不能也。

　　云計算、AI 能力要進(jìn)入移動終端設(shè)備，所面對的是一條天路：

　　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。

　　其次，生成式 AI 應(yīng)用的計算量比較大，在端側(cè)加載渲染運(yùn)行時，比如智能手機(jī) CPU 會有比較高的負(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)險成本、人力成本、時間成本。要保證集成之后的應(yīng)用效果，需要云平臺有一整套完整的產(chǎn)品服務(wù)和工具來支撐快速搭建、驗證、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 SaaS 服務(wù)的商業(yè)價值。

　　要讓個人用戶和企業(yè)，都得到簡單、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 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，這個新技術(shù)才能真正迎來商業(yè)化的奇點。

　　來源：腦極體