把大模型裝進(jìn)手機(jī) 分幾步？

　　文 |  姚   悅

　　編 | 王一粟

　　大模型“跑”進(jìn)手機(jī)，AI的戰(zhàn)火已經(jīng)從“云端”燒至“移動(dòng)終端”。

　　“進(jìn)入AI時(shí)代，華為盤古大模型將會(huì)來助力鴻蒙生態(tài)。”8月4日，華為常務(wù)董事、終端BG CEO、智能汽車解決方案BU CEO 余承東介紹，通過盤古大模型的底層技術(shù)，Harmony OS帶來了下一代智能終端操作系統(tǒng)。

　　在手機(jī)上使用大模型早已不是新鮮事，此前ChatGPT、文心一言、妙鴨等APP、小程序都是通過調(diào)用云端算力，滿足手機(jī)終端AI應(yīng)用的需求。

　　下一步，則是讓大模型直接運(yùn)行在手機(jī)上。

　　從今年四、五月開始，美國(guó)科技三巨頭——高通、微軟、英偉達(dá)，最受矚目的AI新星OpenAI，以及國(guó)內(nèi)AI“頭部戰(zhàn)隊(duì)”的騰訊、百度等，都已經(jīng)紛紛加速推進(jìn)在移動(dòng)終端的輕量化部署AI大模型。高通甚至宣布，正在逐漸轉(zhuǎn)型成一家智能邊緣計(jì)算(在移動(dòng)終端等數(shù)據(jù)源頭提供計(jì)算服務(wù))的公司。

　　巨頭的群力強(qiáng)推下，大模型從云到端邁進(jìn)的產(chǎn)業(yè)趨勢(shì)已經(jīng)十分明確。

　　大模型為什么

　　要“跑”在手機(jī)上？

　　大模型的最大特點(diǎn)就是“大”，動(dòng)輒百億千億甚至萬億參數(shù)，且為了更好運(yùn)行大模型，算力集群都已經(jīng)升級(jí)到“萬卡”級(jí)別。如今，為什么又非要把大模型“塞”進(jìn)巴掌大的小手機(jī)?

　　大模型確實(shí)會(huì)給手機(jī)用戶帶來一些體驗(yàn)上的提升。例如，華為終端智能助手小藝不僅可以根據(jù)語(yǔ)音提示推薦餐廳，還可以進(jìn)行摘要總結(jié)、信息檢索、多語(yǔ)種翻譯等信息處理，數(shù)千字的英文長(zhǎng)文，具備大模型能力的手機(jī)智能助手就可以生成摘要，還可以翻譯成中文。尤其后一點(diǎn)，在信息爆炸時(shí)代，對(duì)于提高學(xué)習(xí)工作效率還是很有價(jià)值的。

　　華為終端BG AI與智能全場(chǎng)景業(yè)務(wù)部總裁賈永利解釋，一方面，大語(yǔ)言模型具備泛化能力，能夠幫助手機(jī)智能助手提升理解能力。另一方面，大模型Plug-in的插件能力，可以在手機(jī)內(nèi)部打通各應(yīng)用之間的壁壘，借助工具拓展能力。

　　此外，ChatGPT等AIGC應(yīng)用一直以來都伴隨著強(qiáng)烈的隱私安全爭(zhēng)議，但如果完全在端側(cè)運(yùn)行，就能夠完全避免這一問題。因?yàn)榇竽Ｐ驮诙藗?cè)運(yùn)行，數(shù)據(jù)也不會(huì)離開端側(cè)。而且，這樣響應(yīng)的速度還會(huì)更快。

　　另一邊，大模型對(duì)于到手機(jī)等移動(dòng)終端的需求也已經(jīng)非常迫切。

　　大模型的洶涌之勢(shì)讓云端越來越無法獨(dú)自承載算力的需求。高通高級(jí)副總裁Alex Katouzian近期就直言，“隨著連接設(shè)備和數(shù)據(jù)流量加速增長(zhǎng)，疊加數(shù)據(jù)中心成本攀升，(我們)不可能將所有內(nèi)容都發(fā)送到云端。”

　　不算數(shù)據(jù)傳輸要消耗網(wǎng)絡(luò)帶寬、存儲(chǔ)，以及硬件等大量資源，光是云端算力現(xiàn)在已經(jīng)讓相關(guān)廠商有些吃不消。ChatGPT僅在推理階段，保守估計(jì)每個(gè)月算力成本在1000萬美元左右。

　　最大的問題還不是“貴”，而是“缺”。

　　此前，就連OpenAI創(chuàng)始人Sam Altaman都自曝GPU很缺，甚至直言不希望太多人用ChatGPT。近期，也有業(yè)內(nèi)人士推測(cè)，小型和大型云提供商的大規(guī)模H100集群容量即將耗盡，H100的需求趨勢(shì)至少會(huì)持續(xù)到2024年底。當(dāng)前英偉達(dá)H100的產(chǎn)能還嚴(yán)重受制于供應(yīng)鏈。

　　所以，云端和終端形成配合，手機(jī)等終端閑置算力資源被利用起來，解決“集中式”算力與“分布式”需求的錯(cuò)配，已經(jīng)成為大模型發(fā)展“降本增效”的確定趨勢(shì)。更重要的是，相比數(shù)量有限的中心節(jié)點(diǎn)，眾多的移動(dòng)終端堪稱觸及萬千場(chǎng)景的“毛細(xì)血管”，也就決定了這一入口會(huì)是大模型加速應(yīng)用滲透的關(guān)鍵。

　　如何把大模型“裝進(jìn)口袋”？

　　“相比傳統(tǒng)的PC或者服務(wù)器，移動(dòng)終端最大的挑戰(zhàn)就是如何平衡好體驗(yàn)和能耗，這是鴻蒙內(nèi)核設(shè)計(jì)最重要的核心點(diǎn)之一。”華為終端業(yè)務(wù)軟件部總裁龔體強(qiáng)調(diào)。

　　大模型需要大量的計(jì)算資源和存儲(chǔ)資源，尤其是基于現(xiàn)有的手機(jī)硬件配置，這就需要軟件系統(tǒng)做好協(xié)調(diào)，提升效率降低能耗。

　　現(xiàn)在手機(jī)為了提高性能，至少是8個(gè)芯片內(nèi)核，就需要手機(jī)系統(tǒng)做協(xié)同，這個(gè)過程就會(huì)消耗大量算力。如果采用異構(gòu)資源調(diào)度，就可以高效協(xié)調(diào)CPU、GPU、NPU。龔體表示，這樣調(diào)度效率可以提升60%以上。

　　手機(jī)系統(tǒng)能夠進(jìn)行運(yùn)算，調(diào)度的最小單位叫做線程，傳統(tǒng)的操作系統(tǒng)中往往上萬線程同時(shí)運(yùn)行，其中就會(huì)存在大量無效線程。針對(duì)這點(diǎn)，就可以通過更輕量的并發(fā)模型來處理并發(fā)操作，降低無效線程切換對(duì)算力的消耗。據(jù)龔體說，并發(fā)模型可以讓任務(wù)切換開銷節(jié)省50%。

　　另外，在操作系統(tǒng)的任務(wù)調(diào)度方面，這也是影響流暢體驗(yàn)的最基本要素，相比公平調(diào)度，動(dòng)態(tài)優(yōu)先級(jí)調(diào)度會(huì)很大程度降低能耗。動(dòng)態(tài)優(yōu)先級(jí)調(diào)度就類似于一個(gè)智能交通系統(tǒng)，可以根據(jù)道路狀況和交通流量，動(dòng)態(tài)調(diào)整交通信號(hào)燈亮起狀態(tài)，如當(dāng)某個(gè)方向的車流增加時(shí)，該方向的信號(hào)燈就提前變綠，就會(huì)減少擁堵和延遲。

　　不過，要想讓大模型部署到手機(jī)上，還能運(yùn)轉(zhuǎn)起來，光是手機(jī)操作系統(tǒng)升級(jí)改進(jìn)還遠(yuǎn)遠(yuǎn)不夠。

　　隨著大模型預(yù)測(cè)越來越準(zhǔn)確，網(wǎng)絡(luò)越來越深，神經(jīng)網(wǎng)絡(luò)消耗的內(nèi)存容量已成為核心問題。同時(shí)，還涉及內(nèi)存帶寬的問題，網(wǎng)路運(yùn)行時(shí)，內(nèi)存、CPU和電池都會(huì)飛速消耗，這絕對(duì)是現(xiàn)在的手機(jī)難以承受之重。

　　因此，在部署到手機(jī)之前，就必須對(duì)大模型進(jìn)行壓縮，以降低對(duì)推理算力的需求。但是，一定要確保原有性能和精度基本不變。

　　量化就是一種常見且重要的壓縮操作，可以減少模型占用的內(nèi)存空間，提高推理性能。本質(zhì)上就是將浮點(diǎn)運(yùn)算模型轉(zhuǎn)化為整數(shù)運(yùn)算模型，因?yàn)檎麛?shù)運(yùn)算比浮點(diǎn)運(yùn)算精度更高，運(yùn)算速度也更快。

　　當(dāng)前，量化技術(shù)也已經(jīng)在加速突破。服務(wù)器上訓(xùn)練的模型一般采用32位浮點(diǎn)運(yùn)算(FP32)，在手機(jī)端，高通已經(jīng)將FP32模型量化壓縮到INT4模型，實(shí)現(xiàn)64內(nèi)存和計(jì)算能效提升。高通的實(shí)現(xiàn)數(shù)據(jù)表明，在借助高通的量化感知訓(xùn)練后，不少AIGC模型可以量化至INT4模型，與INT8相比，性能提升約90%，能效提升大約60%。

　　大模型壓縮技術(shù)，無疑是AI巨頭制勝移動(dòng)終端戰(zhàn)場(chǎng)的關(guān)鍵因素。這也在一定程度上，解釋了英偉達(dá)在今年2月為什么“悄悄”收購(gòu)了掌握壓縮大模型技術(shù)的人工智能初創(chuàng)公司OmniML。

　　大模型倒逼終端硬件升級(jí)

　　“本年度我們將能夠支持參數(shù)達(dá)100億的生成式AI模型在手機(jī)上運(yùn)行。”高通產(chǎn)品管理高級(jí)副總裁兼AI負(fù)責(zé)人Ziad Asghar近期則對(duì)外表示，100億-150億參數(shù)的模型可以覆蓋絕大多數(shù)AIGC用例。如果終端已經(jīng)可以支持這一參數(shù)級(jí)別，運(yùn)算可全部在終端上進(jìn)行，手機(jī)會(huì)成為真正的個(gè)人助理。

　　但是，當(dāng)前新一代旗艦版手機(jī)芯片也就可以承載運(yùn)行10億參數(shù)級(jí)大模型，高通在今年6月計(jì)算機(jī)視覺學(xué)術(shù)頂會(huì) CVPR 上，成功演示的跑在安卓系統(tǒng)上的大模型，也不過15億參數(shù)。

　　參數(shù)躍升幾乎十倍，奔赴移動(dòng)終端的大模型已踩下“油門”，那手機(jī)也就不得不加速升級(jí)才能應(yīng)對(duì)。

　　手機(jī)硬件亟需在AI加速器和內(nèi)存進(jìn)行革新。

　　首先，更大參數(shù)的大模型，需要更大的內(nèi)存和存儲(chǔ)空間來存儲(chǔ)模型參數(shù)和中間結(jié)果。這就要求移動(dòng)終端內(nèi)存芯片容量，以及內(nèi)存接口帶寬都進(jìn)行升級(jí)。

　　其次，更大的參數(shù)勢(shì)必需要更強(qiáng)大的計(jì)算和推理能力，處理輸入數(shù)據(jù)和輸出結(jié)果。

　　雖然，目前手機(jī)芯片上的AI加速器(例如各種NPU IP)幾乎已經(jīng)是標(biāo)配，但設(shè)計(jì)基本上是針對(duì)上一代卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)，并不完全針對(duì)大模型。

　　為了適配大模型，AI加速器必須能有更大的內(nèi)存訪問帶寬，并減少內(nèi)存訪問延遲。這就需要AI加速器的接口上做出一些改變(例如分配更多的pin給內(nèi)存接口)，同時(shí)也需要片上數(shù)據(jù)互聯(lián)做出相應(yīng)的改變，來滿足AI加速器訪存的需求。

　　高通能喊出“年內(nèi)100億參數(shù)跑手機(jī)”的重要原因之一，就是其手握搭載了高通史上最快速、最先進(jìn)的AI引擎的第二代驍龍8處理器，相比第一代驍龍8處理器，AI性能提升了4.35倍，能效提升60%。

　　當(dāng)然，超大規(guī)模參數(shù)大模型的訓(xùn)練和推理，即便在云端也亟待突破五堵墻：內(nèi)存墻+算力墻+通信墻+調(diào)優(yōu)墻+部署墻，手機(jī)更得一層一層去突破。

　　不過，從“智能”到“人工智能”，對(duì)于手機(jī)來說，機(jī)遇大于挑戰(zhàn)。

　　“創(chuàng)新周期對(duì)電子消費(fèi)品的影響更為重要，甚至可以帶領(lǐng)一個(gè)產(chǎn)業(yè)走出經(jīng)濟(jì)周期的影響。”榮耀終端CEO趙明判斷，當(dāng)前智能手機(jī)行業(yè)就處在一個(gè)AI、5G+開啟的新一輪創(chuàng)新周期中。