高通坐上“生成式AI”牌桌

由ChatGPT引发的AI新一轮浪潮正在席卷全球之际，芯片厂商高通也顺势表明了立场，近期对外官宣《混合AI是AI的未来》白皮书，并向外界阐明自身的AI发展战略——混合AI。

“在云端完成所有生成式AI所需的工作负载，是难以实现的。”高通技术公司产品管理高级副总裁兼AI负责人Ziad Asghar在媒体沟通会上表明，云端处理存在成本的乘数效应，用户进行查询的次数越多，模型规模就越大，也就会导致云端的成本不断上升。据估计，使用基于生成式AI的搜索，每一次查询（query）其成本是传统搜索方法的10倍，而这只是众多生成式AI的应用之一。不仅如此，应用数量和用户数量的增加，也会导致成本的提高。因此，高通倡导“混合AI”的模式。

混合AI是指“终端”和“云端”协同工作，在适当的场景和时间下分配AI计算的工作负载，以提供更好的体验，并高效利用资源——比如在一些场景下，计算主要以终端为中心，在必要时向云端分流任务；而在以云为中心的场景下，终端将根据自身能力，从云端分担一些AI工作负载。高通认为，混合AI能节约成本并带来更强大、更高效且高度优化的AI。

作为终端侧AI领导者，高通面向包括手机、汽车、XR头显与眼镜、PC和物联网等在内的数十亿边缘终端，提供软硬件解决方案，对推动混合AI规模化扩展存在优势。

混合AI是百搭神器

生成式AI的应用很广，包括搜索、内容生成、生产力、代码编写等等，能够在数秒内通过大模型生成内容。“生成式AI的应用能够在高通所推出的几乎所有主要产品线中使用。”Ziad Asghar说道。

譬如在MWC2023（世界移动通信大会）期间，高通展示了全球首个安卓手机上的Stable Diffusion终端侧演示。

Stable Diffusion是一个参数超过10亿的AI模型，能够基于文本输入来生成图像，此前主要限于在云端运行。根据高通的演示，手机即便是在“飞行模式”下，基于全栈AI优化，这一模型也能够完全在终端侧运行，实现在15秒内20步推理，生成饱含细节的图像。也就是说，高通将Stable Diffusion能力集成到了相机应用中，用户可以在任何一个地点拍照并提出需求，Stable Diffusion都能完成任务，例如将照片背景改为夕阳之下的万里长城。此外它还有其他用例，比如数字助手、生产力应用等。

Ziad Asghar透露，如果在云端运行一个超过10亿参数的生成式AI模型，功耗可能高达数百瓦，而在终端侧运行的功耗仅有几毫瓦。“高通的AI技术能够支持终端在既定功耗下完成更多处理工作。”

此外，尽管高通已经实现了支持参数超过10亿的AI模型在安卓手机上运行，但由于许多关键的生成式AI模型（比如文本生成图像、自然语言处理、编程、图像理解、图像创作等）的规模一般在10亿到100亿参数之间，所以未来几个月内，高通将进一步寻求突破，有望支持参数超过100亿的模型在终端侧运行。

Ziad Asghar解释称，在云端服务器上训练的模型一般采用32位浮点运算（FP32），这意味着完成模型推理需要大量的处理工作，高通希望通过整数运算模式和量化技术进行AI推理，即时获取模型推理结果。比如，针对Stable Diffusion，高通采用的是8位整数运算（INT8）。而去年底在第二代骁龙8移动平台上，高通已经能支持4位整数运算（INT4）能力。

至于混合AI的运行模式，Ziad Asghar与高通技术公司工程技术副总裁侯纪磊在博客文章中表示，混合AI架构可以根据模型和查询需求的复杂度等因素，选择不同方式在云端和终端侧之间分配处理负载。例如，如果模型大小、提示（prompt）和生成长度小于某个限定值，并且能够提供可接受的精确度，推理即可完全在终端侧进行。如果是更复杂的任务，模型则可以跨云端和终端运行。

与此同时，混合AI还能支持模型在终端侧和云端同时运行，也就是在终端侧运行轻量版模型时，在云端并行处理完整模型的多个标记（token），并在需要时更正终端侧的处理结果。

“混合AI策略适用于几乎所有生成式AI应用和终端领域，包括手机、笔记本电脑、XR头显、汽车和物联网。这一策略对推动生成式AI规模化扩展，满足全球企业与消费者需求至关重要。”侯纪磊指出。

据悉，高通的AI业务具体分为三要素：左手软件高通AI软件栈，它专门面向边缘侧AI，能够从软件层面进行模型优化；右手硬件高通骁龙移动平台，支持在既定功耗下，实现更高性能；外加一系列工具，包括高通AI模型的增效工具包（AIMET）等。

Ziad Asghar表示：“高通的AI能力赋能了一系列产品，包括智能手机、XR、PC、平板电脑和汽车等，基于高通统一的技术路线图，我们将核心的硬件、软件以及工具技术扩展到不同产品线，开发人员只需要进行一次开发，就可以将开发成果和经验应用于其他使用高通技术和平台的产品上。”

如何看待生成式AI未来

生成式AI的发展还处于混沌之中，究竟如何选择合适的大模型？在Ziad Asghar看来：“目前大语言模型的模态非常丰富，并且已经出现了多模态模型，包括文本生成图片、文本生成文本、文本生成视频、图片生成文本、图片生成视频等方式，这将揭开新的序幕，开启许多人们未曾想象过的全新用例。”高通已经开始面向不同场景和用例需求的模型展开工作，对于模型的应用持有非常开放的态度。

Ziad Asghar进一步指出，针对中国市场的模型，高通会专注于面向本地语言和使用场景的模型调优和训练，以让用户能够根据不同的需求，随时随地地使用模型。此外，高通当前还在关注不同的开源模型，也将与众多中国合作伙伴携手，实现这些模型在本土市场的终端侧部署。

终端侧AI的部署，还有一大优势，就是有利于解决用户所担心的个人隐私数据保护问题。“无论是10亿参数的模型，还是100亿参数的模型，如果能够完全在终端侧来运行，比如用户发出一个查询，终端接收之后能够独立完成推理，那么所有相关的查询信息和数据都会留在终端上，不会离开终端。”Ziad Asghar认为，这对用户来说是非常直观的隐私和数据保护优势。

对于“生成式AI”的未来发展，Ziad Asghar认为，AI大模型会在C端和B端同步落地，无论是智能手机、VR、AR还是汽车等面向消费者的智能设备，抑或是企业级的搭载骁龙计算平台的PC、智能手机等，都将是AI大模型的载体。

更重要的是，Ziad Asghar预测“端侧运行生成式AI将是一大趋势”。未来所有不同的终端在生成式AI的助力下，将为消费者带来更强大的吸引力，而到那时候，终端的可用性、娱乐性和生产力价值将远远超越当前的水平。

（文章来源：科技行者techwalker）