解决了算力之困后，端侧大模型将有可能*引爆本轮AI革命的盈利点。
算力和数据的天花板，决定了本轮的AI热潮究竟能走多远。
但不幸的是，对国内而言，其中的算力天花板，离“到顶”已经越来越近。
(资料图片)
就在8月初，美签署最新行政令，禁止美国对中国计算机芯片等敏感技术进行一些新投资，重点将在限制美国资本对于中国半导体设计软件和制造硬件的投资。
此消息一出，不少人顿感：国内算力危矣！
而机警的大厂，也开始了各自未雨绸缪的准备。
《金融时报》的一篇报道称，国内包括阿里、字节在内的科技巨头，已经订购50亿美元的英伟达的A800芯片，来面对训练大语言模型需要的算力挑战。
按照此前媒体报道，目前中国企业GPU芯片持有量超过1万枚的不超过5家，拥有1万枚A100的至多1家。
那么，在愈发紧张的算力之下，中国AI的前途、命运将如何发展？
短期来看，算力之困对于业内，似乎是个无解的问题。然而，技术的发展，有时就像生物的进化，当一种技术在面临“生存挑战”时，也会由于选择压力而发生一系列的突变。
而对国内而言，这样的突变方向，也许就是分散于各个终端里的端侧大模型。
1
端侧大模型，如何解算力之困？
端侧大模型的发展，对国内算力突围有着怎样的意义？这还得从目前云计算的需求说起。
当下，面对大模型高昂的算力成本，许多致力于涉足AI领域，但却算力匮乏的企业，往往都选择了租用云算力的方式，来满足训练需求。
在此背景下，昇腾AI集群这样的云服务平台也趁势而起，成为了孵化国内各个大模型的“母工厂”。
然而，即使是云计算本身，也需要大量的GPU支撑。
如果云服务商无法获取足够的GPU资源，那么它们也无法为国内AI企业提供高效、可靠的云计算服务。
而端侧AI最重要的意义，就在于分担了目前国内云计算的压力。
倘若我们将十几亿分散的智能手机，当成了一个个潜在的、拥有大量闲置算力的移动计算单元，那么部署在手机中的端侧AI，就能在这些设备闲置时间里，将这些碎片化、分布式算力利用起来，产生颇为可观的规模效应。
具体来说，联邦计算，就是这样为人熟知的分布式计算方式之一。
所谓联邦计算，简而言之，就是在数据源（例如用户设备）上进行模型的局部训练，然后将这些局部模型的参数或更新聚合到中央服务器上，形成一个“全局模型”。
相比于集中式的训练，这种分布式的方式可以更好地利用各个设备的计算能力，降低中央服务器的算力需求。
在这样的过程中，依靠终端设备（例如手机）的庞大数量规模，每个“全局模型”的训练成本，在无意中便被不断摊薄了。
因为每个“小模型”的训练只需要消耗端侧设备的计算资源，而不需要传输大量的原始数据到云端。这样，就可以节省网络带宽和云端存储空间，也可以减少云端服务器的计算压力。
更重要的是，与云端GPU这类高成本的训练方式相比，由于端侧AI芯片往往是针对特定的AI应用和算法，进行优化和定制，因此其往往有着相对更明确的“回血”途径。
例如，前段时间，爆火的妙鸭相机，大家应该都听说了。在其最受追捧的初期，成千上万的用户涌进应用中，高峰期一度有4000-5000人排队，需要等待10多个小时才能出片。
之后，是阿里云进行了紧急扩容，才勉强应对了这暴涨数百倍的算力需求。
但倘若用户不用在云端等待，而是直接在本地，或者通过端云协同的方式，就能实现这样的生成效果呢？
一种可能的方式，是先在端侧生成低分辨率的图片，之后再上传到云端，用较少的资源对图片进行清晰化处理。
如此一来，既降低了云端算力的负担，又在一定程度上保障了生成的质量、效率。
在当下的AI应用开发中，开发者不仅需要支付云端大模型API接口的成本，还得自己租用服务器，保证密钥安全。
如果是文字生成类AI，文字量大的话，相应的token也是一笔不小的开支。
而随着算力门槛的降低，众多AI应用的开发者，将不再被云端算力的成本所缚，而只需调用端侧大模型提供的开放API，就可以快速开发各类AI应用。
在此基础上，一个开放的、多样化的AI应用生态，就随着端侧大模型的普及，而应运而生了。
2
以“偏”补“全”的端侧芯片
AI应用井喷的时代似乎近在眼前，但要想让每台手机都标配一个大模型，前面还有道难以回避的门槛——硬件基础。
由于芯片架构不同，在端侧部署时，往往需要对模型网络结构进行一通修改才能勉强“上车”。
具体来说，目前GPT这类主流AI所使用的Transformer架构，往往部署于云端服务器。
这是因为GPU对于MHA结构（Transformer中的多头注意力机制）计算支持更友好。而端侧AI的芯片，则主要侧重于CNN（卷积神经网络）的结构。
如果将前者强行转移到端侧，带来的一个明显问题，就是模型精度下降。
那么有没有什么办法，能让大模型在进行端侧化改造的同时，仍能保证其精度呢？
爱芯元智推出的端侧芯片AX650N，似乎提供了一个可能的路线。
AX650N芯片拥有自研混合精度NPU和爱芯智眸AI-ISP两大核心技术，其对Transformer结构的网络进行了专门的优化，在其NPU中增加了专门用于自注意力计算的单元，可以大幅提升Transformer网络的运行速度和准确率。
凭借着这类针对端侧的优化技术，AX650N已经做到了在端侧部署原版Swin Transformer只需要5分钟，而跑起私有模型，只要1个小时就能搞定。
但尽管如此，受限于架构和内存，这样的优化，仅仅只是针对视觉大模型方向而言的，因为从硬件算力上来说，端侧AI芯片，始终难以做到GPU芯片那样“面面俱到”的通用性、兼容性。
既然如此，国内的大模型之困，是否就指望不上它了？
其实不然，从量的角度来讲，边缘侧、端侧的需求一定比云侧更大，毕竟边缘侧、端侧设备会更多。
而在这众多的需求中，只要使用了大模型的终端（如手机、智能音箱），能做到两点，那么国内大模型在应用层，就有盘活的可能。
其中*点，就是够降低人们获取信息、知识的成本。
倘若以后人们打开手机或者其他终端，就能获得一个诸如私人医生和律师、厨师的AI助理，能为我们提供成本低廉、快速的咨询服务，那么人们就会对其产生依赖。
因为从行为学上来说，人总归是有惰性的。
虽然目前的某些律所，也能为人们提供免费的咨询服务，但这其中却包含了无形的时间成本、沟通成本。
正如互联网出现后，虽然人们仍能通过纸制地图进行导航，但大部分人却再也离不开手机上的定位功能一样。
从某种程度上说，压缩了各种知识、智能的端侧模型，将会重复这一过程。
第二点，则是个性化功能的普及。
在“前AI时代”，个性化定制的大规模推广，是一件不可想象的事。
在没有AI技术支持的情况下，实现个性化定制通常需要大量的人力和时间投入。为每个用户提供个性化的产品或服务，往往需要大量的人工处理。
然而，随着本轮AI革命的到来，人们已经在应用层，看到了AI用于个性化、定制化服务的可能。
例如character.Ai一类的应用，支持用户根据自己的需求、偏好，量身定制一个“AI伴侣”。
试想一下，倘若这样的定制化服务进入到了端侧，端侧大模型就能不断收集用户数据，再进行反馈、训练，并最终打造出一个*的、贴身的AI助手。
而这样量身定制的体验，显然比大规模的标准化服务，更具吸引力。
3
总结
尽管在模型规模、性能等方面，端侧大模型目前还远无法与云端大模型相比，但分布式的算力格局，以及庞大的规模效应，都将大大降低目前国内云端算力的负担。
而在算力成本降低之后，大量基于API接口的AI应用，也得以通过一个个部署在本地的端侧大模型不断涌现。
在应用大爆发的背景下，一些捕捉到先机的应用，就会基于端侧大模型实时响应、个性化定制的功能，引爆本轮AI革命真正的盈利点。
而这，正是无数人在这股AI浪潮中苦苦追寻的。
