馬斯克偏愛的「AI寵物蛋」，配不上下一代iPhone的稱號

　　為什么大模型到現(xiàn)在還沒出現(xiàn)太多實際應(yīng)用?問題可能出在硬件上。

　　近日，傳聞中的“iPhone殺手”AI Pin終于發(fā)貨了。不出意外地，它沒能躲過“出道即*”的命運。

　　不說“慢、笨、錯”這種常見“人工智障”問題。其中一條用戶反饋直接讓我笑擁了：“AI Pin的優(yōu)點是可以與手做互動，但它也只能與手互動。因為激光只能投在掌心，不能投到桌子或墻上。”

　　更絕的是，因為AI Pin的投屏距離固定，用戶可以領(lǐng)取“老花眼”體驗卡。

　　具體操作：1、舉起手臂，攤開手掌，進行上下左右移動，讓AI Pin找到你的手掌;2、找準后，輸入4位開機密碼，平均耗時約5秒;3、投屏面積取決于你的手掌大小，一掌約7 行文本，每行約1～3 個單詞。

　　使用提示!請保持身體與手掌相對靜止，如果出現(xiàn)微弱晃動，需要重新開機;請將使用時間控制在3分鐘以內(nèi)，以免過熱關(guān)機;請在室內(nèi)使用，室外強光下會發(fā)生“投影消失術(shù)”。

　　就這，還要賣699美元，每月再收24美元訂閱費?難怪外媒給出《史上*重磅發(fā)布的AI硬件，就是垃圾》這樣直白的標題。

　　總之，本該是亮點的交互卻成了*“槽點”，由Sam Altman投資，“蘋果團隊”開發(fā)的“世界*AI硬件產(chǎn)品”像是個騙子。

　　如果AI Pin靠不住，“下一代便攜AI硬件”將由誰定義?

　　1、AI時代的“iPod”

　　在智能手機“一統(tǒng)天下”前，消費電子市場有過一段“群雄并起”的繽紛時光。

　　彼時，各類便攜式單功能硬件百花齊放：MP3、MP4、游戲機、數(shù)碼相機，甚至是學習機。消費者們也習慣“一個褲兜裝手機;另一個褲兜裝iPod”，直到iPhone將以上硬件變成了App。

　　如今，歷史正在重演，一些輪番上臺的“原生”硬件試圖借助大模型的東風，將用戶從智能手機中“解脫”出來。本質(zhì)上，他們其實是在嘗試借著AI對軟件的升級改造，造出另一款令人上癮的屏幕，用新的“坑”去覆蓋舊的“坑”。

　　但是，什么樣的交互方式，能替代用戶對智能手機的依賴?

　　首先引起轟動的就是上述AI Pin，由Humane公司開發(fā)。沒有手機、APP和屏幕，只有半個煙盒大小——重量34g的機身上搭載了驍龍?zhí)幚砥�、�?nèi)置GPT系列大模型，可以通過語音交互，也可以投影在手掌上交互。

　　在理想狀態(tài)下，僅僅通過“聽”和“看”，AI Pin就能理解用戶需求，然后通過AI軟件執(zhí)行任務(wù)，宛如AI Agent。

　　但現(xiàn)實并不理想，根據(jù)AI Pin的*批用戶反饋，糟糕的評價包括但不限于“*作用是看時間”“愚蠢的投影”.......在產(chǎn)品功能上也存在一大堆“槽點”，比如續(xù)航能力不佳、只會重復對方說的話、反應(yīng)不靈敏總是出故障所以“錯將玉米糖漿識別為違禁品”。

　　根據(jù)外媒報道，實測人員抓一把杏仁，問AI Pin“這把杏仁含有多少蛋白質(zhì)”，得到的回答是“15g”，但實際上至少60顆杏仁才能包含15g蛋白質(zhì)。

　　外媒評價，如果將AI Pin視為自己的“第二大腦”，那么有一半時間都感覺像是“腦死亡”，在很多問題上，它根本無法給到用戶準確的答案。

　　此外，在實際使用場景中，AI Pin也顯得有點“雞肋”，試想一下，在光線明亮的環(huán)境下，誰會頂著強光去觀看巴掌大小又凹凸不平的“人肉屏幕”呢?

　　隨后亮相CES 2024的Rabbit R1雖然造型不夠酷，但更靠譜。它搭載了一塊2.88英寸的觸摸屏，不需連接手機，沒有內(nèi)置 App，可以通過SIM卡或WIFI聯(lián)網(wǎng)獨立使用。而且售價僅為199美元，并在發(fā)售24小時內(nèi)，賣出了10000臺。

　　Rabbit R1的定位是AI Agent，其操作系統(tǒng)Rabbit OS基于LAM(大動作模型)開發(fā)。LAM能夠讓AI學會人類操作APP的方式，并通過與LLM結(jié)合，讓AI代替人類與APP交互。

　　因此，Rabbit R1更像一個通用的“APP控制器”，用戶不需要手機可以完成很多任務(wù)：叫車、放歌、訂餐、訂酒店，甚至在Midjourney生成圖片。

　　Rabbit R1的早期投資人Vinod Khosla對其“跨APP工作”能力大為贊賞;微軟CEO納德拉更是贊不絕口：“這是繼iPhone之后，最令我印象深刻的產(chǎn)品之一”。

　　但在實際體驗中，這些贊美仿佛成了“賣家秀”，真實情況下的“買家秀”又是一回事，槽點之一便是Rabbit R1的反應(yīng)能力，有的用戶實測讓它識別菜單，卻足足等待數(shù)十秒，試想這樣的場景如果發(fā)生在著急打車回家的寒冷夜晚，在寒風中佇立對著它說一句話要等半分鐘，心里陰影面積會有多大。就好像在電影《夏洛特煩惱》中，你問老爺子“馬冬梅在哪”，得出的回應(yīng)是“馬什么梅”一樣的無力感。

　　前兩者都是為了替代智能手機的“屏幕”，接下來這款受到馬斯克“寵愛”的智能硬件更聰明，它不會想著替代手機，而是利用大模型給智能手機的功能添磚加瓦。

　　它就是近期在Kickstarter上*45萬美金的桌面機器人LOOI。

　　LOOI采用“手機+機身”分體設(shè)計，內(nèi)置ChatGPT功能，用以“喚醒”手機的靈魂。例如，當你比OK時，它會自動幫你拍照保存;當你大拇指朝下時，它會表達emo的表情和聲音等等。

　　因為擅長“賣萌”，LOOI俘獲了馬斯克的心，但它*的作用好像也只有“賣萌”。雖然它可以成為一個自動追蹤的攝像頭支架，偶爾擔當攝影師;也可以在你不想工作時和你玩簡單的動作捕捉游戲。

　　但這些就像古早“寵物蛋”，提供的都是情緒價值。對了，目前最實用的功能是在你手機沒電時，變身為無線充電器。

　　總之，概念歸概念，無論是Sam Altman看好的AI Pin;OpenAI“*投資人”Vinod Khosla種草的Rabbit R1;或是最近馬斯克轉(zhuǎn)推的“AI寵物蛋”LOOI，更像是“真iPhone”加冕前的眾多有趣小玩意兒。

　　問題一：軟件重度依賴大模型。

　　AI Pin不連手機，意味著其核心價值取決于ChatGPT，Sam Altman本人正是Humane公司的*股東。

　　Rabbit R1雖然打著LAM旗號，但扔掉LLM后只能算“漂亮空匣子”;一旦涉及LLM，其產(chǎn)品體驗又會大打折扣。

　　例如，當用戶只使用LAM涉及的功能：請求播放一首歌;詢問“橙子和橘子區(qū)別”，Rabbit R1響應(yīng)速度在0.5秒以內(nèi)(AI Pin在6秒左右);而當用戶想用LLM搜索最新信息，其響應(yīng)速度就會慢至7—8秒，涉及視覺信息則會更慢。

　　LOOI需要連接手機，但它更像ChatGPT的手機附件，你甚至需要為了用它找到一部舊手機，或再買一部手機。要知道，上一屆“寵物蛋”可是能獨立存活的。

　　問題二：硬件“雞肋”，門檻不高。

　　消費者要如何說服自己在手機之外，再額外攜帶另一個智能終端?

　　Rabbit CEO呂騁曾在采訪中表示：Rabbit確實可以成為一款APP，但如果Rabbit只是個APP，就意味著蘋果公司能接觸到代碼。此外，當Rabbit被放在和其他APP一樣的平臺上，會給自己帶來不安：如果明天出現(xiàn)了一個更好的APP怎么辦?

　　這段話很坦誠但經(jīng)不得起推敲，畢竟沒有“下一個更好的APP”，也可能出現(xiàn)“下一款更快的AI設(shè)備”。

　　實際上，Rabbit R1更像一個抓住巨頭“空窗期”，在短期內(nèi)走量的產(chǎn)品，且憑借199美元的良心價已經(jīng)取得了商業(yè)成功。Statista數(shù)據(jù)顯示，2024年1月發(fā)售的Rabbitr1，前五批已售出約50000 臺。第六批現(xiàn)已開放預訂，數(shù)量為50000件。相比之下，AI Pin標價699 美元，每月24美元的訂閱費就顯得“吃相”難看。據(jù)其創(chuàng)始人透露：訂閱費是公司正向現(xiàn)金流的關(guān)鍵。

　　回到開頭，Rabbit R1是AI時代的iPod，但如果iPhone率先變成“AI iPhone”，還需要“AI iPod”嗎?

　　雖然這些基于大模型誕生的“原生”AI硬件槽點滿滿，但層出不窮的新硬件，說明很多人內(nèi)心蠢蠢欲動，正摩拳擦掌地想要大干一場，抓住大模型風口，找出能*承載大模型的新介質(zhì)。

　　這些硬件試圖擺脫人與手機之間用“手指”劃屏的交互方式，更青睞于將人機交互的模式從“觸覺”轉(zhuǎn)移成用“視覺”識別、用“聽覺”傾聽的方式，說白了，其實就是想要造一個像人的大腦，能看得懂、聽得懂人類說話，至于能不能長得像人，就看人形機器人的發(fā)展程度了。

　　盡管這些硬件還有點“五感不全”的問題，但是隨著技術(shù)的進步和提升，還可能不斷產(chǎn)生其它令人眼前一亮的創(chuàng)新。

　　除了“擺脫”手機或者用外在的硬件承接手機，也有另一種創(chuàng)新路線，試圖通過完善操作系統(tǒng)，打入手機內(nèi)部，讓手機變得更智能，各家都在嘗試做“AI手機”，蘋果甚至為此做了一套新的模型。

　　2、AI手機像“瓶裝水”

　　如果說兩周前，AI手機們還是爭先恐后的“口號產(chǎn)品”，現(xiàn)在隨著蘋果最新論文發(fā)布，真正的“AI iPhone”將提上日程。

　　論文提出了一個名為Ferret-UI的多模態(tài)模型，能夠“看懂”手機屏幕，并將自然語言翻譯為界面操作點來執(zhí)行各項任務(wù)。經(jīng)測試，F(xiàn)erret-UI在所有基本UI任務(wù)中均超過GPT-4V(OpenAI)，在高級UI任務(wù)中超過Fuyu(Adept)和CogAgent(智譜AI)。

　　簡單來說，當iPhone裝載Ferret-UI，Siri(高智商版)就會實現(xiàn)，并像一個真正的AI Agent，代替你穿梭在各個APP之間。

　　是不是有點眼熟?沒錯，彼時Rabbit R1的核心功能將被完全覆蓋，位置非常尷尬。但它還有用武之地，因為Ferret-UI在Android環(huán)境中表現(xiàn)欠佳，留下的還有廣袤的Android市場，只是199美元的良心價恐怕還要再降了。

　　解決了大模型本地部署問題，AI手機的另一座大山就是將大模型塞進手機(非云端部署)，其中內(nèi)存升級迫在眉睫。

　　據(jù)中信證券統(tǒng)計：一個搭載100億參數(shù)大模型的手機約需要14-16GB內(nèi)存;搭載200億參數(shù)大模型的手機約需要20-24G內(nèi)存。

　　目前，高通發(fā)布的最新高端芯片驍龍8s Gen 3，支持在手機運行100億參數(shù)的大模型。這意味著：當今年各大手機廠商宣布載入百億大模型時，“中高配”16G內(nèi)存將成為“丐版”。

　　另一個方案是“輕量化”大模型，包括模型裁剪、模型壓縮，但如此一來其性能又必然縮水，不如直接探索小模型的潛力。

　　這方面的贏家還是蘋果，其在2023年末發(fā)布的一篇論文打破了手機的“內(nèi)存墻”。

　　論文提到，蘋果通過Flash-LLM技術(shù)，成功地在內(nèi)存有限的iPhone和其他蘋果設(shè)備上部署了LLM。數(shù)據(jù)顯示，設(shè)備能夠支持運行的模型大小達到了自身DRAM(處理器)的2倍;LLM的推理速度在Apple M1 Max CPU上提高了4-5倍，在GPU上提高了20-25倍。

　　總之，有了充足的軟硬件準備，蘋果還未問世的“AI iPhone”很可能顛覆AI手機競爭格局。

　　至少從目前看來，三星等手機廠商狂推的AI手機實在不夠“AI”。

　　有品牌裝載70億參數(shù)大模型，但具體能干什么呢?實時翻譯、圖像美化，會議記錄.....這些你都可以從現(xiàn)有APP里找到影子，無非是更智能的有道翻譯、訊飛聽見和美圖秀秀。

　　更“卡脖子”的是，因為沒有自研芯片，端側(cè)大模型參數(shù)的天花板要看高通的天花板，而這意味著各家廠商狂推的AI手機就像“瓶裝水”，除了概念包裝，其他區(qū)別不大。

　　誠然，手機作為人人離不開的“器官”，最可能先被AI改造。但下一代AI設(shè)備必須是移動計算時代的手機嗎?有沒有可能直接“升維”到空間計算設(shè)備?

　　3、空間計算設(shè)備是“真iPhone”？

　　在《哈利波特與魔法石》中，鄧布利多輕點“老魔杖”，街邊路燈即刻亮起。

　　這就是空間計算，一種虛實融合的“空間魔法”。如果我們將空間計算設(shè)備類比為“老魔杖”，一種將現(xiàn)實世界進行數(shù)字化改造的“圣器”;那么AI技術(shù)就是將一根平平無奇的“木棍”變成“老魔杖”的關(guān)鍵魔咒。

　　空間計算包含兩個階段：“空間感知”理解真實世界;“空間生成”生成虛擬世界。上屆AI小模型已經(jīng)解決了空間感知;這屆AI大模型則專注于“老大難”空間生成。

　　一方面，高質(zhì)量虛擬內(nèi)容的生成，始終制約VR行業(yè)：內(nèi)容生態(tài)匱乏——用戶不買賬——開發(fā)者變少——內(nèi)容更匱乏。

　　另一方面，VR設(shè)備想實現(xiàn)更多功能，缺乏優(yōu)質(zhì)的訓練數(shù)據(jù)集。

　　近期Meta CTO Andrew Bosworths談到：“文本，我們有整個互聯(lián)網(wǎng)作為資源。照片，F(xiàn)acebook和Instagram有龐大的圖庫。但對于3D對象，卻沒有一個大型、權(quán)威的數(shù)據(jù)庫。我們正在努力試圖改進這個模態(tài)下的一切內(nèi)容，包括能夠?qū)С龈�多�?D內(nèi)容。”

　　如今，Sora的視頻生成能力有目共睹;同時，AIGC高質(zhì)量3D內(nèi)容也近在咫尺。

　　高通在《混合AI是AI未來》指出：Stable Diffusion將很快賦能內(nèi)容創(chuàng)作者在3D物體上生成逼真的紋理。一年內(nèi)，這些功能會在智能手機上實現(xiàn)，并延伸到XR終端。未來幾年，首批文本生成3D和圖像生成3D模型將實現(xiàn)邊緣側(cè)部署。

　　既然解法已經(jīng)給出，AI與空間計算設(shè)備的結(jié)合將成為下一個兵家必爭之地。

　　首先是軟件廠商來“卷”硬件。近期，以“眼光超前”著稱的Midjourney撬走了蘋果Vision Pro硬件工程經(jīng)理Ahmad Abbas，協(xié)助開發(fā)一個收集3D數(shù)據(jù)，管理3D模型的工具，并在未來推出VR頭顯。

　　而原本的硬件玩家則按本機算力體系，兵分三路。

　　*類，蘋果M系列筆記本級別芯片，對應(yīng)頭顯Vision Pro。根據(jù)最新消息，蘋果M4芯片的生產(chǎn)已經(jīng)收尾，該系列芯片專注于AI。如果再加持上述Ferret-UI模型和Flash-LLM技術(shù)，下一代Vision Pro則足以讓人期待。

　　第二類，高通驍龍系列移動級別（手機）芯片，對應(yīng)頭顯Meta Quest。它的功耗低，集成度高，可以做成真一體機(集成化電池)，生態(tài)有開放潛力(Meta Quest體系尚未開放)。但基礎(chǔ)算力在三類體系中“墊底”。其算力bug在“算力為王”的AIGC世界被格外凸顯，甚至淪落為不少人眼中的“大廠玩具”。

　　第三類，“雙英體系”：Intel（AMD）CPU+NVIDIA（AMD）GPU，對應(yīng)PC VR產(chǎn)品。海外Valve Index(主流大眾定位)、Varjo(高端高性能定位);國產(chǎn)HTC(主流大眾定位)、小派Pimax(高端高性能定位)。

　　優(yōu)點是算力最強，可以跑動較大模型;生態(tài)開放，可以覆蓋幾乎所有的場景。缺點是集成度差，只能做分體式PC VR，曾一度被“高通體系”一體機壓制。

　　不過，在AIGC場景下，手握“算力優(yōu)勢”的“雙英體系”有望成為最早突破AI硬件的黑馬選手。

　　4、結(jié)     語

　　工具是思維的反映，思維同樣是工具的反映。

　　長期以來，人類渴望從屏幕中徹底解放出來，如今AI增加了人類世界的“智慧”，卻找不到一個盛放智慧的容器。

　　Humane將AI Pin定義為人們的“第二大腦”，通過硬件和人、環(huán)境的創(chuàng)新交互，來獲得類似智能手機的體驗。

　　這個定義適用于任何成熟的AI硬件，卻不適用于“半成品”AI Pin。

　　AI手機、AI PC，AI加持的空間計算設(shè)備，還是“成熟版”的AI Pin.....雖然我們不知道下一代AI設(shè)備最終由誰定義，但可以肯定的是一個生機勃勃的AI硬件新時代正在到來。