圖片來源 @視覺中國
文｜腦極體
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，究竟還要不要接着讨論 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 公司和雲廠商，還是有必要提前琢磨一下這個事情——大模型能力要從雲入端，究竟什麽時候做、怎麽做？
AIGC 熱潮帶來 Web 複興，但大衆更愛移動端
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 浏覽器，嵌入到 Microsoft 365 應用中。國内，高校機構推出的 MOSS（複旦大學）、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，以及視頻平台 Make-A-Video（Meta）、Imagen Video（谷歌）等，也是如此。
有業内人士認爲，生成式 AI 帶來了 Web 的複興。
當然 , 市面上也有通過小程序、App 等訪問的 AIGC 産品，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，比如隻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……
這是因爲大模型的大量計算，還是要通過雲服務來完成，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 + 雲服務更佳。
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。
國内的大模型應用，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，吓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，爲什麽各大基礎模型服務商，就是不早點抓住這個機會呢？我們什麽時候才能用上和 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、阿裏以及各類研究院所，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. 産品。基礎模型往往技術和能力比較超前，産品化不是最優先考慮的，尤其移動端應用要适配各種系統、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 是一個糟糕的産品，隻是這個産品蘊含着很大價值，所以人們願意忍受。覺得 Web 不好用？那你先忍忍吧。
2. 用戶。别看全民熱議生成式 AI，但真正堅持使用并願意付費的，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。
他們大多會将生成式 AI 當作生産力工具，用于研究、編程、辦公、設計、遊戲制作、軟件開發等，還要跟其他專業軟件相結合來使用，比如生成圖片之後再通過 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 爲主，需要一定的開發經驗，更适合極客和開發者，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适配移動端的動力。
大模型千帆競渡，移動端是商業化必争之地
既然如此，爲什麽還要做移動端呢？一個很表層的答案是：大衆需要。
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，不需要什麽 " 智能湧現 "，更在乎有趣、好玩。
往深了說，大模型技術被視爲 " 新工業革命 " 的引擎，要發揮效應，必須将技術能力更好地集成到産品和服務中去。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爲 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 的應用範圍，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：
（OpenAI 發布會演示的編程能力）
大衆眼中的 AIGC 應用是這樣的：
（某 GPT 類應用平台截圖）
第三，市場壁壘。
大模型的商業化路徑之一，是走向産業，走向 ToB，将大模型能力封裝爲 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、雲廠商都在煉大模型，很多直接對标 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。
雲廠商要打開 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産品能力，一些傳統的企業和機構，比如工業制造、政務銀行等，無論是在内部生産管理中移動化，也推出了更多移動應用來更好地服務終端用戶。如果直接在雲上端到端用好大模型，比如訓練開發環節直接調用雲端的大模型和 AI 算力資源，完成後，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，大模型從雲入端，是模型服務商實現商業化的必争之地。
從雲入端，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，大模型由雲入端，這個錢還真沒那麽好賺。非不爲也，實不能也。
雲計算、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，運行環境在雲上，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 蜂窩網絡轉移到室内寬帶，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，必須通過雲計算，而雲端開發環境和端側是不同的操作系統。這意味着，開發者要進行二次開發或叠代開發，完成之後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 雲應用的風險成本、人力成本、時間成本。要保證集成之後的應用效果，需要雲平台有一整套完整的産品服務和工具來支撐快速搭建、驗證、部署分發。
另外，雲側和端側的架構不同，也導緻算力割裂，雲端一體的 AI 應用開發要充分結合端側算力和雲上算力，一部分應用場景搭建在端，一部分搭建在雲，這就給雲廠商帶來了比較大的技術難題：如何提供穩定一緻的底層環境？
天路難行亦需行。大家都知道，雲計算靠基礎設施 IaaS 層是很難賺到錢的，雲廠商煉大模型，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，雲廠商不僅要訓練基礎模型，還需要在産業鏈上遊，就解決 AI 應用從雲到端的一系列技術難題，爲開發者和産業用戶提供移動 AI 開發能力，才能讓大模型在端側爆發。
各種形态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。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
