你知道ai手机吗?
相信对于大多数普通用户而言,“ai手机”依然活在概念当中,即便在距离手机厂商第一次喊出“ai手机”已经过去了7年时间的今天,“ai”都没能成为手机市场的主要驱动力。
相较之下,即便问世稍晚的“折叠屏”,似乎都更有用户认知度,并且也确实撑起了安卓手机高端市场,今年出现的“三折叠手机”更是成为了全网热点。那么,这个被国际一线科技大厂竞相追逐,把英伟达和微软两家科技巨头市值推上3万亿美元的新技术,为何在手机上就不灵了?
归根结底,还是在于“ai手机”本身,与ai pc一样,它并没有带来肉眼上可以感知的形态变化,ai的提升,更多来自功能层面,而这波ai浪潮的底层驱动力,则是机身内那颗小小的“芯片”。
7年不痛不痒,ai体验“太弱了”
回想智能手机第一次与ai的结合,最早可以追溯到2017年9月,当月,手机圈共有两条重磅新闻,首先是9月2日华为推出麒麟970芯片,这款芯片是全球首款内置独立npu(神经网络单元)的智能手机ai计算平台。
另一款则是主导了苹果未来5年设计,改变手机正面屏幕形态的iphone x,在所有人都集中于苹果终于在设计上进入“全面屏时代”并提出“刘海屏”作为未来设计方向的同时,却很少有人注意到,iphone x机内搭载的a11芯片,同样增加了“ai能力”。
芯片内建的神经网络引擎(neural engine)由苹果自主设计,这是一个专为机器学习而开发的硬件单元。它采用双核设计,每秒运算次数最高可达6000亿次(0.6tflops),主要负责处理机器学习任务,如面部识别、animoji等。这个引擎能够接管cpu和gpu的任务,提高运算效率,减少能耗。
没错“npu单元”、“ai算力”、“机器学习”这些自去年开始被所有科技厂商挂在嘴边的词汇,早在7年前,就已经落地在手机芯片当中。只不过,当时的npu单元,更多地是为日常的功能提供加速计算,而不是处理重度负载的“ai任务”,比如拍摄中的场景识别、色彩优化、暗光场景下的人脸识别等等。
联发科技计算与人工智能技术事业群副总经理陆忠立博士向钛媒体app介绍:“用户能够感知到ai能力的最典型场景就是手机在摄影时的各类功能,一方面是图像采集部分,另一方面则是视频显示部分,比如自动切换帧率模式以及对图片、视频的最终画面效果进行动态范围、智能降噪的优化,其中都已广泛应用了ai技术。”
但这些都是比较早期的ai应用,也就是所谓的“分析式ai”,它与大家今天所谈到的“生成式ai”有很大的不同,这些ai技术更多地只是在某一特定应用或场景中实现了体验层的升级而已,或者你也可以把它理解为对传统固定智能算法的“小升级”。
生成式ai,如何改变手机?
而现如今大家所谈论的“生成式ai”,核心是通过深度学习和大数据分析,使得机器能够创造出全新的内容,如文本、图像和音频。这种ai技术不仅能够模仿已有的数据模式,还能在此基础上进行创新,产生具有多样性和一定不可预测性的输出。
而且与传统的基于固定算法或者基于现有内容进行增强的ai功能相比,生成式ai的应用范围更加广泛,从自然语言处理到艺术创作,它都能提供高效的九游会登录入口首页的解决方案,从而极大地提升自动化水平和工作效率。
ai能力的变化,背后也有芯片算力提升的推动,早期的npu单元和手机芯片的总体算力非常有限,如果用它们来运行生成式ai,可能生成一副图片就需要十几分钟,处理一段文本、理解一段语言,也需要几分钟的时间,因此根本不具备在终端中应用落地的可能性。
近两年火热的“ai芯片”,其最大的变化就是更加强调的是能够在ai方面拥有独当一面的能力,比如上月苹果随iphone 16系列发布a18 pro芯片,从最简单的算力层面来看,苹果a11芯片的神经网络引擎采用双核设计,每秒运算次数最高可达6000亿次(0.6tflops),而a18 pro芯片的神经引擎是16核,算力为35 tops(即每秒35万亿次操作)。
简单估算一下,a18 pro的ai算力差不多是a11芯片的58倍。本月初联发科刚刚发布的天玑9400,同样也在ai能力上进行了增强,其搭载了联发科全新的第八代ai处理器npu 890。
天玑9400在端侧长文本理解能力以及ai模型文本支持长度方面进一步提升,并且支持50token/秒大模型运行速度,再加上对多模态ai模型的支持,使得手机能够拥有更多的ai应用场景。
举个现实生活应用的案例,现阶段智能手机的语音助手,当听到“我饿了”的描述时,它们只会机械地帮你打开外卖、地图或者搜索平台,这些都不能帮你解决“饥饿”的实际问题,而天玑9400所支持的智能体,则会通过询问你的喜好,学习你的生活习惯,直接为你寻找或者推荐附近的餐厅。
再比如,当你拍摄了一张数学题,传统的智能助手最多只能告诉你这是一道数学题,或者是通过联网搜索扔给你一个标准答案。而在天玑9400加持下的智能体,则能够实现本地的推理运算,像一个会做题的老师一样,为用户呈现出从解题思路到最终答案的完整过程。
端侧算力,成为手机芯片竞逐赛道
由此可见,更好用、更全能的ai,并不是不存在,而是过去只能通过云端算力或者工作站才能满足,像chatgpt、kimi等,这类语音助手所具备内容创作能力、文字搜索归纳的效率,都远超大家想象,但它们的背后,都是由一个个服务器组成的算力中心。
未来“ai手机”的竞争,与其说是拼想法,倒不如说是拼芯片,对于终端厂商来说,部署庞大规模的云端算力很显然是一件“费力不讨好”的事情。一方面,高额的持续投入成本很难化解,站在消费者层面,很难接受作为出厂标配的“ai功能”,竟会是一个需要付费的增值服务。
另一方面,ai功能的全面云端化,也会带来因网络延迟、网络波动导致的“体验一致性差”,再加上ai功能“0差异”也很难成为刺激用户换新的手段,因此,ai功能的“端侧移植”可以说是势在必行。
这一趋势不光会出现在“ai手机”当中,隔壁的“ai pc”也很早就走上了相同的道路。钛媒体app预测,未来几年,无论是苹果、联发科、高通亦或是其他手机芯片厂商,其芯片的迭代重点都会将“ai算力”纳入其中,同时也是通过算力层面或者说硬件层面的领先部署,来为应用层面的更多可能性提供支撑。
新一轮的手机芯片大战,将会围绕“ai”展开。
在诸多乐观预测后,如今,华尔街对于 ai“泡沫化”担忧有所缓解,这促使投资者重新涌入科技领域,并且重振市场对 ai 芯片行业和英伟达的热情。
不止是asml,英伟达、英特尔、三星等多家芯片巨头们的日子并不好过,当前整个芯片半导体领域依然面临需求不佳、降本增效不明显等情况。
近几年,非肿瘤领域的临床需求逐渐进入众多制药企业的视野,尤其是肥胖、代谢功能障碍相关脂肪性肝炎(mash)、炎症性肠病(ibd)等疾病领域。
继4月与协鑫科技签署42.5万吨采购合同后,5月10日,隆基绿能又与通威股份签署高纯晶硅产品销售合同,预计总金额约为391亿元。