高通徐晧：5G與AI相結合，賦能打造更加智能和現(xiàn)代化的工業(yè)環(huán)境

　　7月4日，2024世界人工智能大會暨人工智能全球治理高級別會議正式開幕。高通公司中國區(qū)研發(fā)負責人徐晧出席“AI賦工業(yè)，數(shù)智啟未來”人工智能賦能新型工業(yè)化主題論壇并發(fā)表主題演講，探討AI如何為工業(yè)生產(chǎn)注入智能化的基因，實現(xiàn)高質量發(fā)展，推動人工智能技術在工業(yè)領域應用。

　　徐晧表示，異構計算、量化壓縮等技術手段能幫助云端大模型落地終端，從而賦能廣泛的工業(yè)應用。5G與AI相結合，將助力打造更加智能的工業(yè)環(huán)境。以工業(yè)場景中的機器人用例為例，現(xiàn)在的機器人主要利用計算機視覺或者深度學習完成理解和功能執(zhí)行。隨著生成式AI突破性的發(fā)展，未來機器人能夠理解我們提出的要求，加上機器人學科實現(xiàn)的出色定位、導航和機械臂控制，可以打造非常智能的應用。結合5G與AI，機器人能夠實現(xiàn)網(wǎng)絡連接，賦能運維和質檢等生產(chǎn)環(huán)節(jié)，打造更加智能和現(xiàn)代化的工業(yè)環(huán)境。

　　以下為演講全文：

　　大家好。剛才的嘉賓分享了行業(yè)應用，我想分享一下更底層的算法設計，以及我們如何從終端側把AI普及到人們的日常生活中。今天論壇的主題是人工智能賦能新型工業(yè)化，因此最后我會分享一些工業(yè)應用上的AI用例。

　　生成式AI的能力在不斷增強，主要體現(xiàn)在以下方面：

　　● 語音UI，我們有更多更智能的語音支持，帶來自然直觀交互;

　　● 多模態(tài)大模型，除了早期與ChatGPT進行的文字對話，現(xiàn)在我們看到了更多的視頻/圖像處理，以及圖像/文字的共同處理;

　　● 在視頻和3D方面，我們有更多的沉浸式體驗;

　　● 更長的上下文窗口，現(xiàn)在有越來越長的文章甚至于一整本書，都可以用AI處理一次性總結出來;

　　● 個性化，終端側的AI應用可以帶來更加個性化的內容處理;

　　● 智能體，人們可以根據(jù)自己的喜好來打造個人AI智能體;

　　● 最后，現(xiàn)在可以看到越來越多由AI增強的高清晰度圖像和視頻。

　　此前，我們帶來了全球首個運行在Android手機上的Stable Diffusion終端側演示，最近，我們還實現(xiàn)了全球首個在Android手機上運行的多模態(tài)大模型(LMM)演示。比如用戶可以給冰箱里的食材拍一張照片，然后問大語言模型“你看到了什么?”，AI可以很快地識別所有物體。然后用戶可以接著問“基于這些食材，請給我推薦一個菜譜”，AI就可以把菜譜展示出來。這比最開始我們僅僅能問AI“今天天氣怎么樣”或者“給我講一個笑話”要好很多。這個是我們在手機端或者用戶端，看到大語言模型以及多模態(tài)模型能夠支持的更多用例。

　　從技術上來說，哪些是我們把大語言模型應用落地到端側必須實現(xiàn)的核心技術?首先，很多最基本的大語言模型都是10億甚至30億以上的參數(shù)規(guī)模，這種規(guī)模的模型想要在手機上應用其實具有一定挑戰(zhàn)。所以，我們需要把云端的大模型算法，通過最簡單、最有效且最節(jié)能地方式部署在手機和其他智能終端上。如果我們的手機能夠做一些最基本的生成式AI運算支持，這要比把所有的照片和視頻都傳到云端運算再傳回來更高效、更安全。

　　正如當年的云計算與在手機和電腦上計算類似，現(xiàn)在的大語言模型能夠在云端運行，今后我們希望同樣的模型能夠在手機、個人電腦、機器人、汽車上運行。通過量化和壓縮、推測性解碼、知識提煉、高效的圖像和視頻架構以及異構計算這5個重要的技術手段，能夠幫助把云端的大模型，包括Llama、ChatGPT以及國內一系列大模型落地到終端，賦能包括工業(yè)應用、手機/平板電腦應用等等。

　　舉幾個簡單的例子。首先是量化，量化對于能耗、運算和存儲都有很大影響，比如把32位浮點變成16位定點，看起來只是減少了兩倍，但實際上，存儲數(shù)據(jù)時占用的內存更少、傳輸數(shù)據(jù)量也更少、無論是加法還是乘法的運算量也更少，所以僅僅是從32位變成16位，就會帶來4倍的能耗減少。從32位到8位，能帶來16倍的能耗減少;從32位到4位，能帶來64倍的能耗減少。這也是為什么所有的人工智能算法公司都在想辦法把浮點變成定點，因為這會讓運算的存儲和數(shù)據(jù)的傳輸更簡潔。

　　對于每一個類似的技術方向，我們都在積極努力嘗試。比如，你可以先訓練再量化;或者在訓練的時候直接考慮量化的影響。

　　接下來是知識提煉。我們可以將其看成“教師”和“學生”的關系。比如可以將一個大模型想象成一個非常厲害的教授或者院士，但是往往在你的手機上，只需要一個小學生模型就能處理事情。比如我們只問它“冰箱里有多少菜”，小學生就能回答這個問題。如果大多數(shù)問題都在這個級別，你的手機只需一個“小學生模型”即可。知識提煉即可以通過對“教師模型”的學習，將其改為一個“小學生模型”，這個模型在手機端很容易運行。

　　接下來是推測性解碼。比如這個大語言模型一次只能解碼1個token，如果能用小模型，在同樣的時間和算力的情況下，可能可以生成4個token。用一個小模型生成多個不太準確的token，然后把這些token直接送給大模型一次檢查并決定接受哪些token，這就比完全由大模型一個一個生成token要高效很多。這個就叫做推測性解碼。

　　下面是我們現(xiàn)在做的規(guī)劃器(Orchestrator)。如果用戶告訴他的手機“我今天要從上海飛到北京，請幫我查找我需要的航班和酒店”，那么手機需要調用不同的程序。由于現(xiàn)在不存在能夠把所有需求都安排好的一個程序，因此就需要智能體作為一個底層架構，把所需的程序調用起來、把所需的資源放在一起，然后安排可以滿足用戶需求的功能。這就是在最基本的底層方面，我們對智能體進行的支持。

　　接下來，我將介紹一下在機器人方面有哪些具體的AI應用。我們看到，現(xiàn)在的機器人大多數(shù)時候都是利用計算機視覺或者深度學習完成理解和功能執(zhí)行。但是，隨著近兩三年來大語言模型突破性的發(fā)展，實際上機器人是能夠理解我們對它提出的一些最基本的要求，那么它把“理解”這一環(huán)節(jié)解決之后，其他功能就更容易實現(xiàn)了。

　　機器人的大腦可以使用大語言模型，加上機器人學科實現(xiàn)的出色定位、導航和機械臂控制，可以打造非常智能的應用。結合5G與AI，機器人能夠實現(xiàn)網(wǎng)絡連接，賦能運維和質檢等生產(chǎn)環(huán)節(jié)，從而打造更加智能和現(xiàn)代化的工業(yè)環(huán)境。在這樣的工業(yè)環(huán)境中，我們可以進行實時數(shù)據(jù)分析、供應鏈優(yōu)化、高可靠性智能控制并帶來生產(chǎn)靈活性。我們看到在人工智能和5G的加持下，智能生產(chǎn)環(huán)境在中國及全球范圍內可以得到日益廣泛的推廣。

　　最后，這是我們近期做的一個AI服務機器人展示。我們如果告訴機器人“我想喝水”或是“我口渴”，機器人會提供不同的飲料選擇，當用戶選擇之后，機器人可以走到房間另一側，識別出用戶想要的飲料，比如水、茶或是可樂，然后拿給用戶。像這樣由人工智能驅動的機器人，已經(jīng)可以在日常生活中實現(xiàn)類似的操作。

　　未來，我們會看到越來越多這樣的應用場景，我們希望人工智能不僅是在云端運行大語言模型、也希望這些人工智能算法能夠落地到終端，落地到手機、個人電腦、機器人、汽車、XR眼鏡等等，創(chuàng)造出更豐富多彩的應用場景。謝謝大家。