人手一個(gè)的AI是如何誕生的

 　　2023年是AI大語言模型爆發(fā)的一年，以O(shè)penAI推出的GPT大模型為起始，整個(gè)行業(yè)開始從“推理式AI”向“生成式AI”邁進(jìn)。據(jù)Market Data Forecast預(yù)測，全球AI市場規(guī)模將從2023年的1502億美元增長到2030年的13452億美元，年復(fù)合增長率高達(dá)36.8%。

　　在此背景下，國內(nèi)如百度文心一言、科大訊飛星火、阿里通義千問等各種國產(chǎn)垂直大模型相繼問世，深刻改變了我們的辦公與生活。然而，大模型的培養(yǎng)與訓(xùn)練自然離不開大量的數(shù)據(jù)投喂。簡而言之，數(shù)據(jù)量的多少決定了大模型參數(shù)的大小，也就決定了大模型的能力。同時(shí)，處理這些數(shù)據(jù)也需要大量的算力，那么毫無疑問，就需要與之相對應(yīng)的硬件規(guī)模。

　　所以現(xiàn)如今，這些能夠處理非常復(fù)雜工作的，例如可以形成符合你要求的特定主題的圖片、視頻，甚至還能生成音頻和配樂的大模型，基本都跑在云端服務(wù)器上。而投喂給它們的訓(xùn)練數(shù)據(jù)，也基本上都是用戶簽署過“使用協(xié)議”，合法的，能夠被擺在“臺面上”使用的數(shù)據(jù)，這也就導(dǎo)致了目前AI答案的標(biāo)準(zhǔn)化和空洞寬泛，無法真正意義上匹配到每一個(gè)消費(fèi)者自身的使用場景，簡而言之就是缺乏個(gè)性化和深入性。

　　在這樣的情況下，一些參數(shù)量相對較小但是可以處理一些相對簡單、更個(gè)性化、更私密的任務(wù)的大模型，就成為了AI未來的發(fā)展方向之一。當(dāng)然更重要的一點(diǎn)是，這種體量的大模型可以實(shí)現(xiàn)本地化部署，用戶可以利用自己的數(shù)據(jù)進(jìn)行定向培養(yǎng)，在終端側(cè)使用。

　　NAS作為AI硬件載體的潛力

　　想要尋找現(xiàn)如今消費(fèi)者日常生活中可以容納大模型生存的硬件形態(tài)，NAS就成為了為數(shù)不多兼具“數(shù)據(jù)和算力”的存在。NAS作為消費(fèi)者的私人數(shù)據(jù)匯集地，同時(shí)擁有一定的計(jì)算和網(wǎng)絡(luò)能力，數(shù)據(jù)也更加安全，是搭載本地化AI智能助手非常好的陣地之一。

　　但現(xiàn)實(shí)情況卻是，即便放在物質(zhì)充裕的當(dāng)下，能夠擁有私人的NAS(Network Attached Storage，網(wǎng)絡(luò)附屬存儲)，對于普通人來說似乎是件遙不可及的事情。不僅是因?yàn)槠溆布�成本相對高昂，同時(shí)其使用前的配置操作相對繁瑣，對于沒有相關(guān)專業(yè)知識的普通人來說，傳統(tǒng)NAS天生就自帶入門門檻。

　　有困難，就會有解決困難的人。聚焦數(shù)碼產(chǎn)品評測十六年的魯大師發(fā)現(xiàn)，“PC端的用戶開機(jī)時(shí)間變短了，從最初的每天開機(jī)，到半個(gè)月開一次，甚至有時(shí)一個(gè)月才開一次機(jī)，開機(jī)時(shí)間縮短得非常厲害，但這些電腦并沒有被淘汰，依然在用戶的家里”。外加目前PC整個(gè)行業(yè)下滑趨勢明顯，尤其是疫情后的市場透支與恢復(fù)緩慢。“怎么才能讓閑置的PC機(jī)變得有價(jià)值?”成為了一直縈繞在魯大師CEO田野腦袋中的問題。

　　此時(shí)一個(gè)想法迅速占領(lǐng)了田野的大腦：他不僅要讓PC成為和個(gè)人NAS一樣的“存儲工具”，同時(shí)還能根據(jù)個(gè)人的需求讓其成為自己的AI助手。

　　在這樣的天馬行空的思考下，魯大師 AiNAS由此誕生。

　　其實(shí)簡單來說，本地NAS就是一臺將傳統(tǒng)電腦去掉顯示器等設(shè)備，只保留硬盤以及聯(lián)網(wǎng)能力的小型服務(wù)器。那么自然，為家用電腦安裝NAS系統(tǒng)，家用電腦就可以變成NAS，這樣用戶就無需再花高價(jià)額外購買NAS的硬件。這就是魯大師 AiNAS徹底解決“NAS貴”的方案，通過拋棄NAS硬件的生產(chǎn)，直接利用用戶手邊的閑置電腦實(shí)現(xiàn)硬件層面的“零成本”。

　　針對NAS使用“難”的問題，魯大師將傳統(tǒng)NAS在使用中涉及到的“異常復(fù)雜的產(chǎn)品參數(shù)和配置選項(xiàng)”全部簡化，用戶只需要一鍵安裝客戶端，即可完成部署。

　　由此，魯大師AiNAS輕松幫助用戶構(gòu)建起了私密文件存儲的“必然領(lǐng)地”。同時(shí)，田野表示，其實(shí)魯大師并不參與用戶任何資料的存儲，其角色更像是一個(gè)類似中國移動這樣的中轉(zhuǎn)商，通過其提供的網(wǎng)絡(luò)路徑可以遠(yuǎn)程查看自己存儲的東西，相當(dāng)于把虛擬資產(chǎn)(文件、照片等)放在自己的家中閑置電腦。

　　如此，用戶即擁有了安全性更高的數(shù)據(jù)存儲，有擁有了能夠提供相當(dāng)算力的硬件，前文中所提到的“部署本地化私人AI大模型”的設(shè)想，順理成章地成為了可能。

　　創(chuàng)造每個(gè)人自己的AI時(shí)代

　　對于前文中提到的AI本地化部署的設(shè)想，想要付諸實(shí)現(xiàn)，最重要的事情是AI和私有化的數(shù)據(jù)進(jìn)行擬合，從而發(fā)揮更“個(gè)性化”的價(jià)值，最終實(shí)現(xiàn)大家大家理想中的個(gè)人智能助理或家庭智能助理。魯大師 AiNAS則是通過其內(nèi)置的“智能助理”功能，率先開啟了這方面的嘗試。

　　具體來看，當(dāng)?shù)玫接脩舻氖跈?quán)之后，魯大師AiNAS內(nèi)置的“智能助理”就會開始對已經(jīng)存儲的資料進(jìn)行全盤的掃描、閱讀、理解、分析、總結(jié)、歸檔，最終實(shí)現(xiàn)資料的自動分類、去重、檢索。然后以GPT大模型常見的對話形式，解決用戶提出的諸如一鍵查詢、一鍵總結(jié)摘要等生成式AI能夠處理的相關(guān)需求。

　　相對于大模型，這種本地AI因?yàn)閭�(gè)人電腦性能有限不可能承載那么大的數(shù)據(jù)，只能算是個(gè)小模型，需求也是千人千面。但是，單就個(gè)人具象化的需求，如果有足夠的數(shù)據(jù)，這類本地AI實(shí)現(xiàn)的價(jià)值會遠(yuǎn)高于公有AI上獲取的內(nèi)容。

　　目前魯大師在本地AI的訓(xùn)練上選擇的是“語言”，也就是通過語言指令，讓NAS上存儲的資料進(jìn)行分類、提煉，包括總結(jié)PPT等，這套方案的優(yōu)勢是其算力需求90%的電腦都可以勝任，只是速度會有一些差異。對于選擇語言這個(gè)細(xì)分領(lǐng)域的原因，田野的想法就是讓所有人以最快的速度用上本地AI，未來隨著用戶數(shù)據(jù)量的增加，相信還會有更多個(gè)人AI的細(xì)分領(lǐng)域出現(xiàn)。

　　魯大師AiNAS的商業(yè)潛力

　　除了帶給用戶個(gè)人的高價(jià)值，用戶訓(xùn)練的AI模型還具有極大的商業(yè)潛力。在未來，或許魯大師AiNAS用戶可以共享或交易自己訓(xùn)練的AI模型，形成新的商業(yè)模式。例如，一個(gè)用戶可能訓(xùn)練了一個(gè)擅長財(cái)務(wù)分析的AI助手，另一個(gè)用戶可能需要這個(gè)助手來幫助管理投資組合。這種交易不僅可以為模型的創(chuàng)建者帶來收益，還可以加速AI技術(shù)的普及和應(yīng)用，形成一個(gè)互利共贏的生態(tài)系統(tǒng)。

　　AI助手的潛力不僅限于個(gè)人使用，還可以擴(kuò)展到各個(gè)行業(yè)。教育領(lǐng)域，教師可以使用AI助手個(gè)性化教學(xué)方案，根據(jù)學(xué)生的學(xué)習(xí)情況提供定制化輔導(dǎo)。醫(yī)療領(lǐng)域，醫(yī)生可以利用AI助手快速分析大量病歷數(shù)據(jù)，提供更加精準(zhǔn)的診斷和治療方案。企業(yè)管理中，AI助手可以幫助管理者處理繁瑣的日常事務(wù)，提高工作效率。這些多領(lǐng)域的應(yīng)用將進(jìn)一步擴(kuò)大魯大師AiNAS的市場空間，帶來更廣泛的商業(yè)機(jī)會。