《科创板日报》8月4日讯（记者 黄心怡）当下，大模型和AIGC正引领新一轮的科技浪潮。不少业内分析指出，大模型将成为一种基础设施，每个行业、每个企业、每个人都会有属于自己的大模型。而如何把大模型落地到具体应用场景，这正是人工智能在边缘、端侧的机会所在。
今日（8月4日），华为鸿蒙4宣布接入AI大模型，这是首个官宣搭载AI大模型的移动端操作系统。此前，荣耀CEO赵明在接受《科创板日报》采访时也表示，会把大模型引入端侧。英特尔则在近期的财报会议上指出，AI PC是未来几年PC市场的关键拐点，其重要程度与在2000年代初的迅驰和Wi-Fi相当。
(资料图)
第三方咨询机构IDC预计，到2026年，中国市场中近50%的终端设备的处理器将带有AI引擎技术。AI在边缘侧、端侧有望迎来大爆发。
▍AI赋能消费电子 或引领终端产业走出低谷
“AI大模型技术的发展会带来下一代智能终端操作系统的智慧体验。”华为常务董事、终端BG CEO余承东在华为开发者大会上表示。
会上，华为宣布智慧助手小艺接入AI大模型能力，可以进行自然对话、会议纪要和辅助文案生成、图片二次创作等，同时能记录更多琐事、灵感，熟悉日常偏好、习惯，成为更懂用户的日常助手。
现场演示中，工作人员向小艺下达“帮我找松山湖附近适合四个人吃饭的餐厅”的指令，小艺通过调用工具APP，完成了这一任务。据了解，小艺不仅在手机终端上应用，还会在智能家居、问界汽车等接入。
事实上，AI赋能消费电子行业已成必然的趋势。
IDC预测，终端的AI化会成为AI发展与落地的重要支持方向。到2026年，中国市场中近50%的终端设备的处理器将带有AI引擎技术。英特尔CEO帕特·基辛格也在近期的财报会议上表示，AI PC是未来几年PC市场的关键拐点，其重要程度和在2000年代初的迅驰和Wi-Fi相当，英特尔已经准备好迎接这个新兴的增长机会。
IDC判断，未来AI终端将在创作与创意、游戏和虚拟世界、语音合成与转换、视觉和图像处理、聊天机器人、个性化推荐、医疗辅助等领域快速发展。
“在这种不言而喻的产业潮流中，带有硬件AI引擎处理器的终端面临着一次激动人心的井喷式发展。”IDC中国研究副总裁王吉平认为，“尤其在笔记本电脑、台式电脑、平板、智能手机等传统终端硬件市场。这也是后疫情时代，引领终端产业走出低谷的重要驱动力。
东海证券指出，随着各类大模型的陆续发布，AI的应用场景从目前的PC和云端逐步延伸到智能手机、智能音箱、智能家居等IoT设备领域的趋势明确，消费电子产品的用户体验有望在AI的赋能下被重新定义，手机和IoT设备有望在未来成为万物互联和AI+应用的主要流量接入口，将提升下游智能硬件价值量、促进各类AI软件生态的创新、并加速下游消费电子产业的更新换代及复苏节奏。
▍大模型在智能家居、城市管理等领域落地
除了消费端，大模型在行业端的落地也值得关注。不久前，山东能源联合华为发布盘古矿山大模型。而腾讯云、商汤、云从科技等也把行业大模型作为重点布局方向。
“随着大模型在云端训练的成熟，就会快速向边缘进行转移。鉴于现在的发展速度，我觉得这个时间应该是非常近的。”英特尔公司高级副总裁兼网络与边缘事业部总经理Sachin Katti在接受《科创板日报》采访时表示。
市场研究公司Grand View Research的报告指出，2030年人工智能市场规模预计达到650亿美元，边缘侧会越来越多地利用到人工智能。目前已有86%的边缘测开发者都在开发基于人工智能的应用，包括机械状态检测、物流追踪、能源监测与管理、环境检测、产品检测、交互式媒体、自动化控制与优化等。
“现在的大模型，比如说ChatGPT，更多是偏语音的、是偏通用性的。未来的趋势必然是要垂直化、行业化，会出现专门针对行业的大模型，尤其是涉及到视频的行业，必然是要边缘化的。因为视频化数据太大，如果都放到云端，这个数据光是传输就很占用带宽。”中维世纪高级副总裁王正彬说道。
王正彬向《科创板日报》介绍了多模态大模型在智能家居、城市管理中的应用前景。
“智能家居的一大需求，就是通过摄像头来照看宠物、老人、看孩子。早期是靠人来看，后来随着深度学习的发展，可以通过人形检测进行告警，比如宠物到了一个区域就报警。现在有了大模型，可以直接对着手机说：‘当猫跑到沙发上，你就告诉我’。借助大模型对语音的理解、对画面的分析，当猫跑到沙发上的时候，就可以向手机推送告警信息。”
不仅仅是智能家居，未来大模型在智慧园区、智慧社区、智慧教育、智慧农业都有望得到应用。“在城市管理工作中，一个人倒地了，以前由人来查看摄像头，或者AI进行初步的人形检测。现在通过大模型可以很方便地实现对关键事件的识别，即：只有检测到倒地的人才进行报警，而不会检测正常的人形，这样大大减少误报和干扰。”
相比过去的大模型，王正彬认为，如今的类GPT大模型拥有通识能力，一些场景无需训练就可以识别。“早期模型是定向的、专用的，存在较大的局限性。比如，要识别安全帽，就得训练安全帽的算法；针对安全带，就得训练安全带的算法。现在用大模型，你甚至不用告诉它要什么。只要丢一张图片，它会告诉你图片当中有人，这个人戴着安全帽，带着安全带，正在拨打手机，都可以识别出来。”
不过需要指出的是，当前边缘AI项目的落地仍存在较大的痛点。
Sachin Katti认为，这一方面是基础设施的落后，像大部分的工厂设备都比较陈旧。另一方面则是数据。“工厂的数据和医疗的数据完全不同，要如何抓取这些孤立的数据，提取领域专家头脑中的知识进行大模型训练；如何把AI部署到数千台设备中，还要进行更新迭代？这都是非常大的挑战，很多人因此而止步不前，也是未来需要克服的。”
