本文来自微信公众号:脑极体(ID:unity007),作者:藏狐,原文标题:《大模型带来的Web复兴,会是昙花一现吗?》,头图来自:视觉中国


大家是不是对GPT、对话式AI、生成式AI之类的话题,已经有点审美疲劳了?


写这篇文章之前,我有点犹豫,究竟还要不要接着讨论GPT了。最终决定写,是觉得个人用户、开发者,以及正在紧锣密鼓训练大模型的AI公司和云厂商,还是有必要提前琢磨一下这个事情——大模型能力要从云入端,究竟什么时候做、怎么做?


一、AIGC热潮带来Web复兴,但大众更爱移动端


我们看到,大多数基于大模型的AIGC应用,都选择了Web端接入。


微软第一时间推出了带有对话(Chat)功能的必应(Bing),更新了Edge浏览器,嵌入到Microsoft 365 应用中。国内,高校机构推出的MOSS(复旦大学)、SegGPT(智源),企业推出的文心一言(yiyan.baidu.com)、通义千问(tongyi.aliyun.com),都要从官网入口访问。


图像和视频类的生成式AI,比如Midjourney、Stable Diffusion、DALLE2,以及视频平台Make-A-Video(Meta)、Imagen Video(谷歌)等,也是如此。


有业内人士认为,生成式AI带来了Web的复兴。


当然,市面上也有通过小程序、App等访问的AIGC产品,大多通过调用基础模型的API来提供服务。


但受限于网络传输、算力等,领先的技术能力都不得不打折扣,比如只能生成很短的一句话文本,手机app的作图效果一般,加载速度很慢经常排队掉线卡顿……


这是因为大模型的大量计算,还是要通过云服务来完成,Web页面的承载能力比较大,加载速度快,还不用考虑流量损耗。


所以,想体验大模型强大的能力,目前还是以PC Web端+云服务更佳。


但是,大模型的商业化潜力,还是在移动端。


大家可能都记得,去年底AI作图就火爆过,意间 AI 绘画、YUAN 初等多款具有 AI 作图功能的移动端小程序,用户量和付费激增。意间 AI 绘画的官方数据显示,上线不到两个月,用户量增长了 117 万人。


大部分人也都更希望,便捷、低门槛地体验AIGC。要使用GPT-4、New bing、DALLE等应用,注册、登录、付费的一系列操作,都非常麻烦,劝退了不少人。


国内的大模型应用,移动端也明显很受期待。比如就有人抓住了“官方没有app”这个“时间差”,造出了“文心一言”盗版 App,吓得百度赶紧出来声明:凡是在App Store和各种应用商店看到的“文心一言”App都是假的,凡是“文心一言”收费下载、付费会员都是骗子!


显而易见,场景化、轻量化的移动端应用,用户又喜欢,又能付费赚到钱,如果官方不搞,投机客/骗子都要来搞。


无论是从用户体验的角度,还是大模型服务普及化的需要,以及回收训练成本的商业化考量,移动端应用都是一块不能轻言放弃的阵地。


既然如此,为什么各大基础模型服务商,就是不早点抓住这个机会呢?我们什么时候才能用上和Web版一样强大的移动AI应用呢?


二、千呼万唤不出来,基础模型服务商在想啥?


基础大模型的服务商,比如OpenAI、谷歌、百度、阿里以及各类研究院所,就是不去吃移动端应用这块蛋糕。


除了大家都知道的移动端侧计算能力限制之外,还有其他考量:


1. 产品。基础模型往往技术和能力比较超前,产品化不是最优先考虑的,尤其移动端应用要适配各种系统、机型、配置,更不可能投入太大的人力、物力。


OpenAI 的联合创始人 Sam Altman就说过,ChatGPT 是一个糟糕的产品,只是这个产品蕴含着很大价值,所以人们愿意忍受。觉得Web不好用?那你先忍忍吧。


2. 用户。别看全民热议生成式AI,但真正坚持使用并愿意付费的,还是一小撮早期客户,包括技术狂热者和专业人士,比如程序员、插画师。


他们大多会将生成式AI当作生产力工具,用于研究、编程、办公、设计、游戏制作、软件开发等,还要跟其他专业软件相结合来使用,比如生成图片之后再通过Photoshop增强,还是要用到PC、一体机等设备,PC Web端比移动App有更强的可编辑性,更能满足这部分群体的需求。


3. 商业化。目前基础大模型的商业模式,以API为主,需要一定的开发经验,更适合极客和开发者,深度开发集成部署等工作,很少会通过移动端来完成,所以模型服务商自然也就没有紧锣密鼓去适配移动端的动力。



三、大模型千帆竞渡,移动端是商业化必争之地


既然如此,为什么还要做移动端呢?一个很表层的答案是:大众需要。


能够真正引发全民体验热潮的,还是那些能够通过社交软件分享、小程序、App等形式,低成本快速触达的能力,不需要什么“智能涌现”,更在乎有趣、好玩。


往深了说,大模型技术被视为“新工业革命”的引擎,要发挥效应,必须将技术能力更好地集成到产品和服务中去。此时,移动端能够提供至少三重价值:


第一,规模落地。


中国互联网络信息中心发布第51次《中国互联网络发展状况统计报告》中,我国10.67亿网民,使用手机上网的比例为99.8%,移动端用户已经远远超过了PC端的用户,要提升生成式AI的应用范围,移动端应用必不可少。


第二,商业潜力。


高科技行业的主流市场,是由“实用主义者”组成的,相比技术的前沿性、炫酷感,他们更看重技术解决方案的可靠、稳定、性价比、配套服务等。移动端的广泛普及度、即时访问、便捷低成本的优势,可以让AI以更短的路径触达用户,在移动端应用AI技术是大势所趋。


开发者眼中的AIGC应用是这样的:


(OpenAI发布会演示的编程能力)<br>
(OpenAI发布会演示的编程能力)


大众眼中的AIGC应用是这样的:


(某GPT类应用平台截图)<br>
(某GPT类应用平台截图)


第三,市场壁垒。


大模型的商业化路径之一,是走向产业,走向ToB,将大模型能力封装为AI解决方案,参与到千行百业的数字化、智能化进程中。


如今头部科技公司、云厂商都在炼大模型,很多直接对标GPT-3.5,没有显著的差异化价值,很难与业界领先水平拉开差距。


云厂商要打开ToB市场,移动端应用工具与能力是非常有吸引力的。近年来,不仅消费类、服务型企业,在不断加强移动端侧的布局和产品能力,一些传统的企业和机构,比如工业制造、政务银行等,无论是在内部生产管理中移动化,也推出了更多移动应用来更好地服务终端用户。如果直接在云上端到端用好大模型,比如训练开发环节直接调用云端的大模型和AI算力资源,完成后,一键分发到智能手机等终端上,可以大大减少工作量。


(某GPT 类应用开发平台)<br>
(某GPT 类应用开发平台)


互联网的演进之路,已经说明,无论To B还是To C行业,都在追求越来越集约精简的终端硬件、越来越低门槛的交互入口、越来越轻盈的软件应用。


所以说,大模型从云入端,是模型服务商实现商业化的必争之地。


四、从云入端,一条天路


高瞻远瞩如OpenAI和DeepMind,照样有商业化的要求。赚钱嘛,不寒掺。可是,大模型由云入端,这个钱还真没那么好赚。非不为也,实不能也。


云计算、AI能力要进入移动终端设备,所面对的是一条天路:


首先,一些大型的生成式AI应用,运行环境在云上,要经过网络传输,而移动端的设备能力、网络环境,是很多样且不稳定的,比如从5G蜂窝网络转移到室内宽带,或者在高架桥、地铁等特殊环境,都有可能让生成过程中断或失败,影响到端侧体验。


其次,生成式AI应用的计算量比较大,在端侧加载渲染运行时,比如智能手机CPU会有比较高的负载,出现卡顿、发热、电量损耗等情况,如果让AI改一篇文档画一张图就咔咔掉电,当然不能接受。


此外,把AI深度集成到业务中,必须通过云计算,而云端开发环境和端侧是不同的操作系统。这意味着,开发者要进行二次开发或迭代开发,完成之后才能进行不同终端下的触达,同时要考虑不同终端的兼容性,这就提升了AI云应用的风险成本、人力成本、时间成本。要保证集成之后的应用效果,需要云平台有一整套完整的产品服务和工具来支撑快速搭建、验证、部署分发。


另外,云侧和端侧的架构不同,也导致算力割裂,云端一体的AI应用开发要充分结合端侧算力和云上算力,一部分应用场景搭建在端,一部分搭建在云,这就给云厂商带来了比较大的技术难题:如何提供稳定一致的底层环境?


天路难行亦需行。大家都知道,云计算靠基础设施IaaS层是很难赚到钱的,云厂商炼大模型,本质上是希望提升软件的先进性,进而调动SaaS服务的商业价值。


要让个人用户和企业,都得到简单、易用、低门槛的大模型能力,云厂商不仅要训练基础模型,还需要在产业链上游,就解决AI应用从云到端的一系列技术难题,为开发者和产业用户提供移动AI开发能力,才能让大模型在端侧爆发。


各种形态的大模型应用百花齐放,这个新技术才能真正迎来商业化的奇点。


本文来自微信公众号:脑极体(ID:unity007),作者:藏狐