文｜腦極體

(相關資料圖)

大家是不是對 GPT、對話式 AI、生成式 AI 之類的話題，已經有點審美疲勞了？

寫這篇文章之前，我有點猶豫，究竟還要不要接著討論 GPT 了。最終決定寫，是覺得個人用戶、開發者，以及正在緊鑼密鼓訓大模型的 AI 公司和云廠商，還是有必要提前琢磨一下這個事情——大模型能力要從云入端，究竟什么時候做、怎么做？

AIGC 熱潮帶來 Web 復興，但大眾更愛移動端

我們看到，大多數基于大模型的 AIGC 應用，都選擇了 Web 端接入。

微軟第一時間推出了帶有對話（Chat）功能的必應（Bing），更新了 Edge 瀏覽器，嵌入到 Microsoft 365 應用中。國內，高校機構推出的 MOSS（復旦大學）、SegGPT（智源），企業推出的文心一言（yiyan.baidu.com）、通義千問（tongyi.aliyun.com），都要從官網入口訪問。

圖像和視頻類的生成式 AI，比如 Midjourney、Stable Diffusion、DALLE2，以及視頻平臺 Make-A-Video（Meta）、Imagen Video（谷歌）等，也是如此。

有業內人士認為，生成式 AI 帶來了 Web 的復興。

當然 , 市面上也有通過小程序、App 等訪問的 AIGC 產品，大多通過調用基礎模型的 API 來提供服務。

但受限于網絡傳輸、算力等，領先的技術能力都不得不打折扣，比如只能生成很短的一句話文本，手機 app 的作圖效果一般，加載速度很慢經常排隊掉線卡頓……

這是因為大模型的大量計算，還是要通過云服務來完成，Web 頁面的承載能力比較大，加載速度快，還不用考慮流量損耗。

所以，想體驗大模型強大的能力，目前還是以 PC Web 端 + 云服務更佳。

但是，大模型的商業化潛力，還是在移動端。

大家可能都記得，去年底 AI 作圖就火爆過，意間 AI 繪畫、YUAN 初等多款具有 AI 作圖功能的移動端小程序，用戶量和付費激增。意間 AI 繪畫的官方數據顯示，上線不到兩個月，用戶量增長了 117 萬人。

大部分人也都更希望，便捷、低門檻地體驗 AIGC。要使用 GPT-4、New bing、DALLE 等應用，注冊、登錄、付費的一系列操作，都非常麻煩，勸退了不少人。

國內的大模型應用，移動端也明顯很受期待。比如就有人抓住了 " 官方沒有 app" 這個 " 時間差 "，造出了 " 文心一言 " 盜版 App，嚇得百度趕緊出來聲明：凡是在 App Store 和各種應用商店看到的 " 文心一言 "App 都是假的，凡是 " 文心一言 " 收費下載、付費會員都是騙子！

顯而易見，場景化、輕量化的移動端應用，用戶又喜歡，又能付費賺到錢，如果官方不搞，投機客 / 騙子都要來搞。

無論是從用戶體驗的角度，還是大模型服務普及化的需要，以及回收訓練成本的商業化考量，移動端應用都是一塊不能輕言放棄的陣地。

既然如此，為什么各大基礎模型服務商，就是不早點抓住這個機會呢？我們什么時候才能用上和 Web 版一樣強大的移動 AI 應用呢？

千呼萬喚不出來，基礎模型服務商在想啥？

基礎大模型的服務商，比如 OpenAI、谷歌、百度、阿里以及各類研究院所，就是不去吃移動端應用這塊蛋糕。

除了大家都知道的移動端側計算能力限制之外，還有其他考量：

1. 產品。基礎模型往往技術和能力比較超前，產品化不是最優先考慮的，尤其移動端應用要適配各種系統、機型、配置，更不可能投入太大的人力、物力。

OpenAI 的聯合創始人 Sam Altman 就說過，ChatGPT 是一個糟糕的產品，只是這個產品蘊含著很大價值，所以人們愿意忍受。覺得 Web 不好用？那你先忍忍吧。

2. 用戶。別看全民熱議生成式 AI，但真正堅持使用并愿意付費的，還是一小撮早期客戶，包括技術狂熱者和專業人士，比如程序員、插畫師。

他們大多會將生成式 AI 當作生產力工具，用于研究、編程、辦公、設計、游戲制作、軟件開發等，還要跟其他專業軟件相結合來使用，比如生成圖片之后再通過 Photoshop 增強，還是要用到 PC、一體機等設備，PC Web 端比移動 App 有更強的可編輯性，更能滿足這部分群體的需求。

3. 商業化。目前基礎大模型的商業模式，以 API 為主，需要一定的開發經驗，更適合極客和開發者，深度開發集成部署等工作，很少會通過移動端來完成，所以模型服務商自然也就沒有緊鑼密鼓去適配移動端的動力。

既然如此，為什么還要做移動端呢？一個很表層的答案是：大眾需要。

能夠真正引發全民體驗熱潮的，還是那些能夠通過社交軟件分享、小程序、App 等形式，低成本快速觸達的能力，不需要什么 " 智能涌現 "，更在乎有趣、好玩。

往深了說，大模型技術被視為 " 新工業革命 " 的引擎，要發揮效應，必須將技術能力更好地集成到產品和服務中去。此時，移動端能夠提供至少三重價值：

第一，規模落地。

中國互聯網絡信息中心發布第 51 次《中國互聯網絡發展狀況統計報告》中，我國 10.67 億網民，使用手機上網的比例為 99.8%，移動端用戶已經遠遠超過了 PC 端的用戶，要提升生成式 AI 的應用范圍，移動端應用必不可少。

第二，商業潛力。

高科技行業的主流市場，是由 " 實用主義者 " 組成的，相比技術的前沿性、炫酷感，他們更看重技術解決方案的可靠、穩定、性價比、配套服務等。移動端的廣泛普及度、即時訪問、便捷低成本的優勢，可以讓 AI 以更短的路徑觸達用戶，在移動端應用 AI 技術是大勢所趨。

開發者眼中的 AIGC 應用是這樣的：

大眾眼中的 AIGC 應用是這樣的：

第三，市場壁壘。

大模型的商業化路徑之一，是走向產業，走向 ToB，將大模型能力封裝為 AI 解決方案，參與到千行百業的數字化、智能化進程中。

如今頭部科技公司、云廠商都在煉大模型，很多直接對標 GPT-3.5，沒有顯著的差異化價值，很難與業界領先水平拉開差距。

云廠商要打開 ToB 市場，移動端應用工具與能力是非常有吸引力的。近年來，不僅消費類、服務型企業，在不斷加強移動端側的布局和產品能力，一些傳統的企業和機構，比如工業制造、政務銀行等，無論是在內部生產管理中移動化，也推出了更多移動應用來更好地服務終端用戶。如果直接在云上端到端用好大模型，比如訓練開發環節直接調用云端的大模型和 AI 算力資源，完成后，一鍵分發到智能手機等終端上，可以大大減少工作量。

互聯網的演進之路，已經說明，無論 To B 還是 To C 行業，都在追求越來越集約精簡的終端硬件、越來越低門檻的交互入口、越來越輕盈的軟件應用。

所以說，大模型從云入端，是模型服務商實現商業化的必爭之地。

從云入端，一條天路

高瞻遠矚如 OpenAI 和 DeepMind，照樣有商業化的要求。賺錢嘛，不寒摻。可是，大模型由云入端，這個錢還真沒那么好賺。非不為也，實不能也。

云計算、AI 能力要進入移動終端設備，所面對的是一條天路：

首先，一些大型的生成式 AI 應用，運行環境在云上，要經過網絡傳輸，而移動端的設備能力、網絡環境，是很多樣且不穩定的，比如從 5G 蜂窩網絡轉移到室內寬帶，或者在高架橋、地鐵等特殊環境，都有可能讓生成過程中斷或失敗，影響到端側體驗。

其次，生成式 AI 應用的計算量比較大，在端側加載渲染運行時，比如智能手機 CPU 會有比較高的負載，出現卡頓、發熱、電量損耗等情況，如果讓 AI 改一篇文檔畫一張圖就咔咔掉電，當然不能接受。

此外，把 AI 深度集成到業務中，必須通過云計算，而云端開發環境和端側是不同的操作系統。這意味著，開發者要進行二次開發或迭代開發，完成之后才能進行不同終端下的觸達，同事要考慮不同終端的兼容性，這就提升了 AI 云應用的風險成本、人力成本、時間成本。要保證集成之后的應用效果，需要云平臺有一整套完整的產品服務和工具來支撐快速搭建、驗證、部署分發。

另外，云側和端側的架構不同，也導致算力割裂，云端一體的 AI 應用開發要充分結合端側算力和云上算力，一部分應用場景搭建在端，一部分搭建在云，這就給云廠商帶來了比較大的技術難題：如何提供穩定一致的底層環境？

天路難行亦需行。大家都知道，云計算靠基礎設施 IaaS 層是很難賺到錢的，云廠商煉大模型，本質上是希望提升軟件的先進性，進而調動 SaaS 服務的商業價值。

要讓個人用戶和企業，都得到簡單、易用、低門檻的大模型能力，云廠商不僅要訓練基礎模型，還需要在產業鏈上游，就解決 AI 應用從云到端的一系列技術難題，為開發者和產業用戶提供移動 AI 開發能力，才能讓大模型在端側爆發。

各種形態的大模型應用百花齊放，這個新技術才能真正迎來商業化的奇點。