張慧娟

導(dǎo)語(yǔ)

隨著ＣｈａｔＧＰＴ 的風(fēng)靡，生成式ＡＩ 不斷刷新熱度，隨之而來(lái)的是進(jìn)一步的探索和落地嘗試。其中一個(gè)趨勢(shì)是，云端的機(jī)遇正傳導(dǎo)至邊緣和端側(cè)，給這些市場(chǎng)埋下一顆大彩蛋。

混合ＡＩ 的機(jī)遇

高通高級(jí)副總裁Ａｌｅｘ Ｋａｔｏｕｚｉａｎ 最近表示，高通正在從通信公司轉(zhuǎn)型為“智能邊緣計(jì)算”公司。他指出，“隨著連接設(shè)備和數(shù)據(jù)流量的加速增長(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?！?/p>

高通看到的機(jī)遇，其實(shí)也反映了ＡＩ 當(dāng)下的兩大趨勢(shì)。

首先，不止云端，邊緣ＡＩ 也將成為必然趨勢(shì)。邊緣計(jì)算具有低時(shí)延、降低帶寬依賴、降低成本、數(shù)據(jù)可控、高可靠性等核心優(yōu)勢(shì)，可與云端計(jì)算互補(bǔ)協(xié)同，是解決推理加速“最后一公里”的關(guān)鍵所在。

其次，“連接＋計(jì)算”的能力越來(lái)越關(guān)鍵。

在云端市場(chǎng)中，英偉達(dá)正在實(shí)現(xiàn)從計(jì)算到連接能力的突破，隨著模型參數(shù)的急劇膨脹、ＧＰＵ 要處理和傳輸?shù)臄?shù)據(jù)量飆升，英偉達(dá)通過(guò)升級(jí)ＮＶＬｉｎｋ 系統(tǒng)，賦予以太網(wǎng)ＡＩ 能力，使網(wǎng)絡(luò)連接技術(shù)邁上了新臺(tái)階。

在邊緣市場(chǎng)中，高通正在做類(lèi)似的事情，不過(guò)與英偉達(dá)相反，它是從通信連接能力向算力進(jìn)發(fā)。與英偉達(dá)在云端的計(jì)算能力相對(duì)應(yīng)，高通在無(wú)線通信基帶、手機(jī)計(jì)算芯片市場(chǎng)，都占據(jù)領(lǐng)先地位。隨著“算力”成為ＡＩ 時(shí)代的寶貴資源，高通已經(jīng)不滿足于通信市場(chǎng)，而是希望集“連接＋計(jì)算能力”于一身，從邊緣側(cè)進(jìn)攻ＡＩ 大市場(chǎng)。

那么，高通在邊緣ＡＩ 市場(chǎng)主打什么戰(zhàn)略？ 目前看來(lái)，主要是云邊一體的混合ＡＩ 路徑。從高通已有的模型落地案例來(lái)看，其邊緣大模型相當(dāng)于云端大模型的“感知器官”，從而實(shí)現(xiàn)ＡＩ 功能在終端設(shè)備的實(shí)現(xiàn)。

２０２３ 年２ 月，高通就利用ＡＩ 軟件棧執(zhí)行了全棧的ＡＩ 優(yōu)化，首次在Ａｎｄｒｏｉｄ 智能手機(jī)上部署了ＳｔａｂｌｅＤｉｆｆｕｓｉｏｎ。在這個(gè)場(chǎng)景中，用戶對(duì)著手機(jī)說(shuō)話，自動(dòng)語(yǔ)音識(shí)別ＡＩ 模型（如Ｗｈｉｓｐｅｒ）可以在手機(jī)設(shè)備上將語(yǔ)音轉(zhuǎn)換為文本，然后發(fā)送到云端，再由云端運(yùn)行大模型，回發(fā)文本答案。

根據(jù)高通最近發(fā)布的混合ＡＩ 白皮書(shū)，上述場(chǎng)景就是一個(gè)典型的混合ＡＩ 場(chǎng)景。并且，在未來(lái)的進(jìn)階版本中，設(shè)備端ＡＩ 可以承擔(dān)更多處理任務(wù)，通過(guò)與調(diào)度程序協(xié)作，可以基于上下文提供更個(gè)性化的提示給云端。例如，用戶要求通過(guò)手機(jī)預(yù)約最?lèi)?ài)的餐廳和朋友吃飯，對(duì)簡(jiǎn)單查詢、較小的模型可在設(shè)備上運(yùn)行而無(wú)需云交互；如果用戶需要復(fù)雜信息，則本地將需求轉(zhuǎn)化為提示發(fā)給云端大模型并返回詳細(xì)答案。

高通認(rèn)為，混合ＡＩ 主要有以下優(yōu)點(diǎn)。

（１）經(jīng)濟(jì)性：降低云端推理成本、高效利用邊緣算力、降低ＡＩ 應(yīng)用開(kāi)發(fā)門(mén)檻。

（２）能耗低：邊緣設(shè)備可以通過(guò)較低能耗運(yùn)行大模型，若考慮處理和數(shù)據(jù)傳輸?shù)纫蛩?，能耗?jié)約更加顯著。

（３）可靠性：邊緣ＡＩ 不受網(wǎng)絡(luò)狀況影響，運(yùn)行更加穩(wěn)定。

（４）隱私性：數(shù)據(jù)完全在本地推理，大幅降低泄密風(fēng)險(xiǎn)。

（ ５）個(gè)性化：邊緣設(shè)備可以通過(guò)用戶真實(shí)生活中的行為、價(jià)值觀、痛點(diǎn)、需求、關(guān)注問(wèn)題等信息，形成個(gè)人畫(huà)像，提供更為個(gè)性化服務(wù)。

預(yù)計(jì)到２０２３ 年，邊緣ＡＩ 將覆蓋１０ 億參數(shù)以下的各類(lèi)模型。

為什么要在邊、端部署生成式ＡＩ？

目前，端、邊的市場(chǎng)需求已經(jīng)足夠豐富，小到錄音筆、手機(jī)，大到ＡＤＡＳ 輔助駕駛、自動(dòng)駕駛……各類(lèi)應(yīng)用都在響應(yīng)ＡＩ 趨勢(shì)進(jìn)行升級(jí)。那么，生成式ＡＩ 的落地現(xiàn)實(shí)嗎？ 有必要嗎？ 在與一些業(yè)內(nèi)人士的交流中，他們已經(jīng)看到了足夠的理由和空間。

比如，將Ｔｒａｎｓｆｏｒｍｅｒ 大模型應(yīng)用在視覺(jué)領(lǐng)域，它將具有一定的畫(huà)面語(yǔ)意理解能力，有望解決以往的一些痛點(diǎn)。ＡＩ 數(shù)據(jù)和模型的部署流程通常是：采集數(shù)據(jù)—標(biāo)注—訓(xùn)練，那么，一旦出現(xiàn)沒(méi)見(jiàn)過(guò)的場(chǎng)景，或是某場(chǎng)景下的數(shù)據(jù)沒(méi)有標(biāo)注過(guò)，就會(huì)導(dǎo)致應(yīng)用效果大打折扣或無(wú)法落地。

以河道垃圾監(jiān)測(cè)的視覺(jué)應(yīng)用為例：當(dāng)河道上出現(xiàn)了一種新垃圾，是之前數(shù)據(jù)標(biāo)注／ 訓(xùn)練沒(méi)有的。如果是以往的ＡＩ 系統(tǒng)就會(huì)無(wú)法識(shí)別，必須重新采集。但采用無(wú)監(jiān)督訓(xùn)練的大模型之后，無(wú)論出現(xiàn)什么樣新類(lèi)型的垃圾，系統(tǒng)都能自主推理和判斷，大幅提高了效率和應(yīng)用效果。

基于類(lèi)似上述提升做出判斷，愛(ài)芯元智聯(lián)合創(chuàng)始人、副總裁劉建偉認(rèn)為，一直以來(lái)，ＡＩ 落地標(biāo)準(zhǔn)化場(chǎng)景效果較好，而在一些通用場(chǎng)景，除非增加針對(duì)性的投入，才能進(jìn)一步提升應(yīng)用效果，但這同時(shí)意味著更高的成本，這成為ＡＩ 加速應(yīng)用落地的主要困難。

從大模型帶來(lái)的改變來(lái)看，它能夠降低邊際場(chǎng)景的ＡＩ 成本，因?yàn)樗恍枰獙?duì)長(zhǎng)尾場(chǎng)景做專(zhuān)門(mén)的、從頭到尾的適配，通過(guò)部署預(yù)訓(xùn)練的大模型就能達(dá)到比較好的效果，這將使ＡＩ 在端側(cè)和邊緣側(cè)的應(yīng)用再上一個(gè)臺(tái)階。

安謀科技產(chǎn)品總監(jiān)楊磊認(rèn)為，ＣｈａｔＧＰＴ 等應(yīng)用催生了對(duì)算力需求指數(shù)級(jí)的提升，而云端的需求早晚會(huì)傳導(dǎo)到端側(cè)，屆時(shí)，端側(cè)原有的ＣＰＵ 能力是不足以負(fù)擔(dān)的。此外，應(yīng)用的需求也會(huì)越來(lái)越豐富，包括成本、性能、功能特性等核心指標(biāo)?！昂茈y通過(guò)一種方案或一種架構(gòu)去滿足所有，還是需要各類(lèi)處理器的創(chuàng)新聯(lián)動(dòng)，以更高的異構(gòu)水平來(lái)滿足市場(chǎng)的訴求”，楊磊指出了異構(gòu)加速平臺(tái)的發(fā)展機(jī)遇。

近年來(lái)，ＡＩ 已經(jīng)廣泛應(yīng)用于物聯(lián)網(wǎng)的各個(gè)垂直領(lǐng)域，包括零售、安全、能源和公共事業(yè)、供應(yīng)鏈和資產(chǎn)管理等。而通過(guò)生成式ＡＩ 的發(fā)展，各類(lèi)ＡＩｏＴ 應(yīng)用在醞釀新一輪創(chuàng)新。

未來(lái)，智能終端接入大模型的方式將主要有：直接調(diào)用、大模型小型化后再調(diào)用，以及接入行業(yè)專(zhuān)屬大模型等。這些方式都將帶動(dòng)邊緣和端側(cè)計(jì)算的成長(zhǎng)，帶來(lái)使用體驗(yàn)的提升，或?qū)⒓铀傧嚓P(guān)設(shè)備的更新迭代。以手機(jī)為例，當(dāng)前正面臨消費(fèi)者換機(jī)動(dòng)力不足、總銷(xiāo)量下滑明顯的局面，而ＡＩ 大語(yǔ)言模型的小型化、輕量化，可望在終端應(yīng)用中內(nèi)嵌部署，帶來(lái)終端推理計(jì)算能力的提升，從而推動(dòng)智能終端再升級(jí)。

低功耗設(shè)備積極擁抱大模型

如何在低功耗環(huán)境下，讓?zhuān)粒?更高效地運(yùn)行———這是業(yè)界近幾年一直在探索的方向。不過(guò)，生成式ＡＩ展現(xiàn)的巨大潛力，正在加劇端側(cè)ＡＩ 市場(chǎng)的步伐，特別是已有成熟生態(tài)的動(dòng)向值得關(guān)注。

幾周前，Ｇｏｏｇｌｅ Ｉ／ Ｏ 大會(huì)重點(diǎn)強(qiáng)調(diào)將把生成式ＡＩ引入Ａｎｄｒｏｉｄ 生態(tài)系統(tǒng)，微軟Ｂｕｉｌｄ 開(kāi)發(fā)者大會(huì)也在談?wù)搶⑵湟耄祝椋睿洌铮鳎?１１ 操作系統(tǒng)。

Ａｒｍ 最近發(fā)布２０２３ 全面計(jì)算解決方案（ＴＣＳ２３）時(shí)，Ａｒｍ 高級(jí)副總裁兼終端事業(yè)部總經(jīng)理Ｃｈｒｉｓ Ｂｅｒｇｅｙ談到，未來(lái)將是一個(gè)“混合（Ｈｙｂｒｉｄ）的環(huán)境”，即大型語(yǔ)言模型在云端運(yùn)行，但考慮到智能手機(jī)或其他計(jì)算設(shè)備在本地運(yùn)行ＡＩ 的隱私和能源效率等問(wèn)題，用戶更愿意在設(shè)備上運(yùn)行較小的模型。這意味著，大語(yǔ)言模型將塑造計(jì)算的未來(lái)，現(xiàn)有計(jì)算平臺(tái)需要進(jìn)一步提升ＡＩ 方面的工作負(fù)載適配。Ｃｈｒｉｓ Ｂｅｒｇｅｙ 認(rèn)為，生成式ＡＩ 將給未來(lái)的智能手機(jī)生態(tài)系統(tǒng)帶來(lái)深遠(yuǎn)影響。

這一趨勢(shì)已在Ａｒｍ ＴＣＳ２３ 中有所體現(xiàn)，主要包括：為滿足高性能、高能效、多線程用例的ＣＰＵ 集群設(shè)計(jì)，針對(duì)大數(shù)據(jù)流量的三級(jí)緩存和電源設(shè)計(jì)等，這些重大升級(jí)也將助推生成式ＡＩ 在端側(cè)的部署。

不止高通、谷歌、Ａｒｍ 對(duì)云端之外的市場(chǎng)表示重視，英特爾最近也分享了生成式ＡＩ 方面的動(dòng)向和觀點(diǎn)。與之前“讓?zhuān)粒?無(wú)所不在”的方向一致，英特爾也強(qiáng)調(diào)了“讓生成式ＡＩ 無(wú)所不在”的觀點(diǎn)。

在搭載第１２ 代酷睿處理器的筆記本電腦上，英特爾展示了運(yùn)行Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ 的效果，不需要任何獨(dú)立顯卡，直接利用集成顯卡就可以在二三十秒內(nèi)生成一張圖片。也就是說(shuō)，不需要任何特殊設(shè)備，不需要訪問(wèn)云端，就可以將任意模型和算法直接部署到本地筆記本電腦上。當(dāng)然，如果用戶有Ａｒｃ 獨(dú)立顯卡，那么速度可以更快，只要三四秒就可以生成一張圖片。

這個(gè)場(chǎng)景的獨(dú)特之處是：一方面在于基于異構(gòu)計(jì)算來(lái)跑生成式ＡＩ；另一方面展示了低功耗ＰＣ 設(shè)備跑Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ 大模型、實(shí)現(xiàn)文生圖等生成式ＡＩ 的潛力。

在生成式ＡＩ 的普及方面，英特爾強(qiáng)調(diào)了端到端的計(jì)算能力。英特爾院士、大數(shù)據(jù)技術(shù)全球首席技術(shù)官戴金權(quán)認(rèn)為，“為了實(shí)現(xiàn)ＡＩ 無(wú)所不在，計(jì)算也要無(wú)所不在。在通用的、無(wú)所不在的，甚至是消費(fèi)級(jí)的計(jì)算上提供ＡＩ 能力，就真的可以做到ＡＩ、包括生成式ＡＩ 的無(wú)所不在?！?/p>

生成式ＡＩ 對(duì)軟硬件架構(gòu)的影響？

邊緣ＡＩ 已經(jīng)成為業(yè)界共識(shí)，而生成式ＡＩ 正在給邊緣帶來(lái)更大機(jī)會(huì)，業(yè)界對(duì)邊緣的理解也將進(jìn)一步拓展。

不同于由超大型數(shù)據(jù)中心、智算中心等形式部署的云端算力，邊緣算力的部署方式隨著智能設(shè)備、邊緣數(shù)據(jù)中心的出現(xiàn)變得多樣化。邊緣計(jì)算可以是離模型推理發(fā)生處最近的算力，也可以是幫助云端算力進(jìn)行預(yù)推理的算力。

生成式ＡＩ 對(duì)邊緣、端側(cè)軟硬件架構(gòu)有哪些影響？ 戴金權(quán)認(rèn)為，未來(lái)，一個(gè)很可能的場(chǎng)景就是生成式ＡＩ 被大量使用以提高工作效率，未來(lái)的工作流程進(jìn)入自動(dòng)化，這對(duì)軟硬件架構(gòu)都帶來(lái)影響。

大模型當(dāng)前基本以Ｔｒａｎｓｆｏｒｍｅｒ 架構(gòu)作為基礎(chǔ)構(gòu)件，它對(duì)內(nèi)存的需求，包括內(nèi)存帶寬、內(nèi)存容量以及相應(yīng)的計(jì)算需求，業(yè)界還在進(jìn)行大量的研究，以便更好地進(jìn)行加速。此外，對(duì)訓(xùn)練、推理芯片的架構(gòu)設(shè)計(jì)，以及對(duì)不同算法級(jí)別、不同場(chǎng)景的適配等，都會(huì)對(duì)ＡＩ 芯片甚至所有計(jì)算芯片帶來(lái)深遠(yuǎn)影響。

未來(lái)，Ｔｒａｎｓｆｏｒｍｅｒ 等大模型可能會(huì)產(chǎn)生更大的尺寸，可能是今天的幾倍、幾十倍甚至更高，再結(jié)合多模態(tài)融合等需求，將會(huì)對(duì)軟件算法的設(shè)計(jì)，如低精度、低比特、壓縮、稀疏化，包括注意力機(jī)制設(shè)計(jì)等產(chǎn)生不同需求。未來(lái)，軟件算法設(shè)計(jì)的多樣化，是有助于滿足生成式ＡＩ 和大語(yǔ)言模型算力需求的重要組成部分。

寫(xiě)在最后

從發(fā)展的眼光看，生成式ＡＩ 仍處于非常早期的階段， 在邊緣、端側(cè)的研究和落地探索也在初期。

除了邊緣、端側(cè)市場(chǎng)的主動(dòng)擁抱，一些趨勢(shì)也在推動(dòng)云邊端一體的生成式ＡＩ 布局。比如，ＡＩ 模型推理Ｔｏｋｅｎ 費(fèi)用較高，如果需要成熟商用，邊緣預(yù)處理將是必選項(xiàng)。用戶的多樣化需求進(jìn)行本地預(yù)處理后，簡(jiǎn)單需求就可以直接利用本地模型和算力推理，復(fù)雜需求通過(guò)邊緣算力預(yù)處理后，可以精簡(jiǎn)成最少的Ｔｏｋｅｎ 發(fā)送至云端，從而能夠以最低成本實(shí)現(xiàn)應(yīng)用功能， 加速商業(yè)化。再如， 文中提到的Ａｎｄｒｏｉｄ，Ｗｉｎｄｏｗｓ，Ａｒｍ 等已有成熟生態(tài)的積極部署，也將加快生成式ＡＩ 向邊緣和端側(cè)市場(chǎng)的滲透速度。未來(lái)，它們都將成為生成式ＡＩ 體系中的重要部分，成為ＡＩ 連接萬(wàn)物的毛細(xì)血管。