文｜腦極體
大模型帶來的Web復(fù)興，會是曇花一現(xiàn)嗎？
導語：移動端，才是模型服務(wù)商和云廠商的下一個戰(zhàn)場
大家是不是對GPT、對話式AI、生成式AI之類的話題，已經(jīng)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(fā)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(fù)興，但大眾更愛移動端
我們看到，大多數(shù)基于大模型的AIGC應(yīng)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(yīng)（Bing），更新了Edge瀏覽器，嵌入到Microsoft 365 應(yīng)用中。國內(nèi)，高校機構(gòu)推出的MOSS（復(fù)旦大學）、SegGPT（智源），企業(yè)推出的文心一言（yiyan.baidu.com）、通義千問（tongyi.aliyun.com），都要從官網(wǎng)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(yè)內(nèi)人士認為，生成式AI帶來了Web的復(fù)興。
當然,市面上也有通過小程序、App等訪問的AIGC產(chǎn)品，大多通過調(diào)用基礎(chǔ)模型的API來提供服務(wù)。
但受限于網(wǎng)絡(luò)傳輸、算力等，領(lǐng)先的技術(shù)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(jīng)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(wù)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(wù)更佳。
但是，大模型的商業(yè)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(shù)據(jù)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(yīng)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(nèi)的大模型應(yīng)用，移動端也明顯很受期待。比如就有人抓住了“官方?jīng)]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(yīng)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(yīng)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(wù)普及化的需要，以及回收訓練成本的商業(yè)化考量，移動端應(yīng)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(chǔ)模型服務(wù)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(yīng)用呢？
千呼萬喚不出來，基礎(chǔ)模型服務(wù)商在想啥？
基礎(chǔ)大模型的服務(wù)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(yīng)用這塊蛋糕。
除了大家都知道的移動端側(cè)計算能力限制之外，還有其他考量：
1.產(chǎn)品?；A(chǔ)模型往往技術(shù)和能力比較超前，產(chǎn)品化不是最優(yōu)先考慮的，尤其移動端應(yīng)用要適配各種系統(tǒng)、機型、配置，更不可能投入太大的人力、物力。
OpenAI 的聯(lián)合創(chuàng)始人 Sam Altman就說過，ChatGPT 是一個糟糕的產(chǎn)品，只是這個產(chǎn)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(shù)狂熱者和專業(yè)人士，比如程序員、插畫師。
他們大多會將生成式AI當作生產(chǎn)力工具，用于研究、編程、辦公、設(shè)計、游戲制作、軟件開發(fā)等，還要跟其他專業(yè)軟件相結(jié)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(shè)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(yè)化。目前基礎(chǔ)大模型的商業(yè)模式，以API為主，需要一定的開發(fā)經(jīng)驗，更適合極客和開發(fā)者，深度開發(fā)集成部署等工作，很少會通過移動端來完成，所以模型服務(wù)商自然也就沒有緊鑼密鼓去適配移動端的動力。
大模型千帆競渡，移動端是商業(yè)化必爭之地
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(fā)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(xiàn)”，更在乎有趣、好玩。
往深了說，大模型技術(shù)被視為“新工業(yè)革命”的引擎，要發(fā)揮效應(yīng)，必須將技術(shù)能力更好地集成到產(chǎn)品和服務(wù)中去。此時，移動端能夠提供至少三重價值：
第一，規(guī)模落地。
中國互聯(lián)網(wǎng)絡(luò)信息中心發(fā)布第51次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告》中，我國10.67億網(wǎng)民，使用手機上網(wǎng)的比例為99.8%，移動端用戶已經(jīng)遠遠超過了PC端的用戶，要提升生成式AI的應(yīng)用范圍，移動端應(yīng)用必不可少。
第二，商業(yè)潛力。
高科技行業(yè)的主流市場，是由“實用主義者”組成的，相比技術(shù)的前沿性、炫酷感，他們更看重技術(shù)解決方案的可靠、穩(wěn)定、性價比、配套服務(wù)等。移動端的廣泛普及度、即時訪問、便捷低成本的優(yōu)勢，可以讓AI以更短的路徑觸達用戶，在移動端應(yīng)用AI技術(shù)是大勢所趨。
開發(fā)者眼中的AIGC應(yīng)用是這樣的：
（OpenAI發(fā)布會演示的編程能力）
大眾眼中的AIGC應(yīng)用是這樣的：
（某GPT類應(yīng)用平臺截圖）
第三，市場壁壘。
大模型的商業(yè)化路徑之一，是走向產(chǎn)業(yè)，走向ToB，將大模型能力封裝為AI解決方案，參與到千行百業(yè)的數(shù)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(yè)界領(lǐng)先水平拉開差距。
云廠商要打開ToB市場，移動端應(yīng)用工具與能力是非常有吸引力的。近年來，不僅消費類、服務(wù)型企業(yè)，在不斷加強移動端側(cè)的布局和產(chǎn)品能力，一些傳統(tǒng)的企業(yè)和機構(gòu)，比如工業(yè)制造、政務(wù)銀行等，無論是在內(nèi)部生產(chǎn)管理中移動化，也推出了更多移動應(yīng)用來更好地服務(wù)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(fā)環(huán)節(jié)直接調(diào)用云端的大模型和AI算力資源，完成后，一鍵分發(fā)到智能手機等終端上，可以大大減少工作量。
互聯(lián)網(wǎng)的演進之路，已經(jīng)說明，無論To B還是To C行業(yè)，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(yīng)用。
所以說，大模型從云入端，是模型服務(wù)商實現(xiàn)商業(yè)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(yè)化的要求。賺錢嘛，不寒摻?？墒?，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(shè)備，所面對的是一條天路：
首先，一些大型的生成式AI應(yīng)用，運行環(huán)境在云上，要經(jīng)過網(wǎng)絡(luò)傳輸，而移動端的設(shè)備能力、網(wǎng)絡(luò)環(huán)境，是很多樣且不穩(wěn)定的，比如從5G蜂窩網(wǎng)絡(luò)轉(zhuǎn)移到室內(nèi)寬帶，或者在高架橋、地鐵等特殊環(huán)境，都有可能讓生成過程中斷或失敗，影響到端側(cè)體驗。
其次，生成式AI應(yīng)用的計算量比較大，在端側(cè)加載渲染運行時，比如智能手機CPU會有比較高的負載，出現(xiàn)卡頓、發(fā)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(yè)務(wù)中，必須通過云計算，而云端開發(fā)環(huán)境和端側(cè)是不同的操作系統(tǒng)。這意味著，開發(fā)者要進行二次開發(fā)或迭代開發(fā)，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(yīng)用的風險成本、人力成本、時間成本。要保證集成之后的應(yīng)用效果，需要云平臺有一整套完整的產(chǎn)品服務(wù)和工具來支撐快速搭建、驗證、部署分發(fā)。
另外，云側(cè)和端側(cè)的架構(gòu)不同，也導致算力割裂，云端一體的AI應(yīng)用開發(fā)要充分結(jié)合端側(cè)算力和云上算力，一部分應(yīng)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(shù)難題：如何提供穩(wěn)定一致的底層環(huán)境？
天路難行亦需行。大家都知道，云計算靠基礎(chǔ)設(shè)施IaaS層是很難賺到錢的，云廠商煉大模型，本質(zhì)上是希望提升軟件的先進性，進而調(diào)動SaaS服務(wù)的商業(yè)價值。
要讓個人用戶和企業(yè)，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(chǔ)模型，還需要在產(chǎn)業(yè)鏈上游，就解決AI應(yīng)用從云到端的一系列技術(shù)難題，為開發(fā)者和產(chǎn)業(yè)用戶提供移動AI開發(fā)能力，才能讓大模型在端側(cè)爆發(fā)。
各種形態(tài)的大模型應(yīng)用百花齊放，這個新技術(shù)才能真正迎來商業(yè)化的奇點。