苹果AI的国产大模型之争,没有悬念

文 | 智能相对论

作者 | 陈泊丞

苹果终于公布了最新的AI进程。

一个月前,正如此前预期的那样,人工智能是今年 WWDC 发布会的焦点。全程105分钟的主题演讲,就有40多分钟用于介绍苹果的AI成果。

苹果似乎还有意玩了一把“谐音梗”,重新定义AI为“Apple Intelligence”。

但不管怎么说,此次苹果AI的亮相着实是为市场解答了不少疑惑。

此前,就有消息传出,苹果手机或许会因为接入系统的AI大模型不同,而出现国内市场和海外市场区分的两个版本。更有甚者,网上还有人称国内版本为“阉割版”。

真的是这样?答案或许并非如此。

AI基本盘,牢牢把握在苹果手里

Apple Intelligence(苹果智能)简称AI,这样的说法对于苹果而言并非“谐音梗”,而是其对AI功能的理解和设计有着自己的一套逻辑。

在介绍Apple Intelligence时,库克就特别强调他们想要打造的,是超越「人工智能」(Artificial Intelligence)的「个人智能」(Personal Intelligence)。

什么意思?我们从过去苹果的常规设定中可以推断出,苹果AI大概率会和其自身的系统以及系统内的应用、生态高度协同,来充分满足苹果用户的智能需求。比如,对Siri、FaceTime、iMessage、Apple Pay、iCloud等苹果服务深度集成,以提供无缝的跨设备AI体验。

简单来说,苹果AI想要实现的是系统级应用的优势。

从目前的公布的信息我们可以看到一些应用雏形。像AI图像,苹果AI预期的不仅仅只是用提示词来生成图像,更是能基于用户的实际体验和个性化需求来创造与用户个人生活和兴趣紧密相关的图像内容。

类似现在苹果手机内的“照片回忆”功能,苹果试图在为用户提供简要的AI视频剪辑服务,但前提是开放用户的照片库,让苹果系统反复识别照片内容,才能剪辑出不同主题的视频内容。

苹果照片回忆功能

想要达到这样甚至是更好的服务和效果,苹果AI就必然要具备系统级的能力。由此,苹果AI背后的大模型就大概率将采用自研方案。

从苹果公布的大模型技术文档来看,其确实是在自研大模型。据介绍,苹果的设备端将采用一个30亿参数的小模型,负责本地计算和数据处理,同时保证对用户的个人习惯、个人数据进行学习训练,从而提供更贴心、个性化的服务。

而到了云端,苹果尚未公布其自研的云端大模型参数,但据说其性能与GPT-4 Turbo相当。再者,就是对ChatGPT等第三方大模型产品的接入,也是事实,但并非唯一。

据苹果负责软件工程的高级副总裁Craig Federighi表示:苹果计划以后让用户选择自己喜欢的大模型,其中包括谷歌的Gemini等。

此外,苹果还发布了OpenELM,这是一组小尺寸的开源AI模型,专为在设备上运行而设计。这些模型的参数范围从2.7亿到30亿,旨在提高移动设备上的AI任务处理能力。

很显然,苹果已经具备了构建内部闭环的AI系统的能力,AI的基本盘始终牢牢地掌握在苹果手中。像ChatGPT等第三方大模型产品只是一剂调味料罢了。

“阉割版”苹果,子虚乌有

从目前的情势来看,无论是OpenAI的ChatGPT还是百度的文心一言,都不足以影响苹果AI的基础功能。这些第三方大模型产品的定位,对于苹果而言,更像是App Store里的App。

或许源于地区的不同,对App的使用权限有所区别,但这并不能定义苹果的版本功能。就好比我们不能因为无法上“X”(即推特)而说现在的苹果手机是“阉割版”,同样的,第三方大模型产品也是如此。

“X”也好,ChatGPT也罢,如果这些产品无法在国内使用,那本身是产品的问题,而非渠道的“锅”。更何况,苹果自研的大模型从端侧到云端,已经相当全面,提供了一个相对完整的AI体验。

就目前的思路而言,接下来更多影响用户体验的是苹果对端侧小模型的整合与应用。根据苹果提出的优先考虑用户体验的理念,其更强调AI模型的定制化,类似于MoE模型的稀疏激活机制,通过多种小模型的调动和组合,更快去解决用户使用过程中的日常任务。

众所周知,大模型的参数规模更大,所需要的计算资源、存储空间、网络速率也更高,如果硬件条件、网络条件跟不上,很容易就会出现高延迟、丢包等问题,无法带来很好的AI体验。而小模型具有体积小、计算资源需求低、训练效率高等特点,正适合在智能手机等终端上运行。

如今,大模型领域兴起的MoE架构,也正对应苹果对智能手机从端侧到云端部署模型的思路。端则小模型的高效率、高适配是必然的,而大模型不管是苹果自研,还是国内外的第三方厂商介入都只是提供一个进阶的个性化体验,并不影响主体。

当然,经「智能相对论」体验发现,当我们真的去使用大模型产品的时候,国产大模型实际上也没有那么拉胯。相反,源于本土算力、中文语义理解以及与中文互联网的高度融合,国产大模型对于本土用户而言更具优势。

一方面是语言和文化的理解,AI大模型的应用更接近于对话形式。在体验过程中,「智能相对论」发现,用户个人的表达是非常随意的,可以说并不那么规范,因此国产大模型在理解用户语义上有着更明显的优势,从而更准确的回应用户需求。

另一方面是数据资源的获取问题。AI大模型是不断进化,特别是在用户的使用过程中会不断获取新数据来进行训练、学习,最终呈现出一个更理想的状态。在这方面,国产大模型背靠庞大的中文互联网和用户群体,能最大化获取本土数据用于学习和精进,而OpenAI、Google都有所限制,很难接入。

简单来说,关注大模型不能只看其在实验室的表现,更要看其在市场和行业实际场景中的应用空间和发展前景。

因此,苹果AI在国内接入百度文心一言等本土大模型,并不是一件坏事。对于本土用户而言,基于苹果和百度的联合共创,将可以获得更符合本土需求的服务和体验。

或许,我们没必要盯着OpenAI这样一个本来就难以体验到的产品来纠结苹果AI的选择。

写在最后

总的来说,苹果AI的基本盘是自研大模型支撑的,这一点毋庸置疑。

此外,国产大模型的表现在本土应用中也不差,这可以在接下来的时间内拭目以待。

苹果AI的任务不是把OpenAI的ChatGPT引入中国,而是基于自家的系统和生态打造出一个更高效、便捷、强大的AI系统,来为自家的用户提供进阶服务。

因此,相关有关“阉割版”的争议、大模型的争议并没有那么重要。正如苹果所透露的,第三方大模型产品的接入不是唯一,苹果会想办法让用户来选择自己喜欢的大模型。

未来,我们期待苹果的承诺兑现,让用户拥有选择的权利。

*本文图片均来源于网络 

此内容为【智能相对论】原创,

仅代表个人观点,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。

部分图片来自网络,且未核实版权归属,不作为商业用途,如有侵犯,请作者与我们联系。

•AI产业新媒体;

•澎湃新闻科技榜单月度top5;

•文章长期“霸占”钛媒体热门文章排行榜TOP10;

•著有《人工智能 十万个为什么》

•【重点关注领域】智能家电(含白电、黑电、智能手机、无人机等AIoT设备)、智能驾驶、AI+医疗、机器人、物联网、AI+金融、AI+教育、AR/VR、云计算、开发者以及背后的芯片、算法等。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/768713.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

海外虚拟卡开卡平台有哪些?无限开卡,无其他限制

随着时代的发展很多小伙伴都需要海外虚拟卡,海外虚拟卡开卡平台我这里用的是Fomepay的,他们比较人性化,有客服,随时可咨询 对于消费者而言,虚拟卡号提供了隐私,因此广告商更难以跟踪和定位购买行为&#x…

深入浅出:进程管理的艺术

目录 进程的定义 进程的特征 进程的状态 进程与程序的区别 进程的控制和管理 进程的特点 1. 虚拟内存空间的分配 2. 时间片轮转调度 图解: 进程段 数据段(Data Segment) 正文段(Text Segment) 堆栈段&…

Redis持久化详解

【关闭文件、AOF 刷盘、释放内存这三个任务都有各自的任务队列】所以不是单线程 Redis有两种持久化方案: RDB持久化 AOF持久化 基于Redis集群解决单机Redis存在的问题 【Redis是单进程的】 【也有人做分布式section】 【主从集群中多个从就是做负载均衡的】 …

一维信号全变分(TV)降噪方法(MATLAB)

信号降噪一直是领域研究的热点,这是一项十分有意义并且极具挑战性的工作,经过几十年来相关科研人员的共同努力,降噪技术得到了极大的发展,并在现实生活中也得到了广泛的应用。其中,许多常用的方法有:小波变…

vector模拟实现【C++】

文章目录 全部的实现代码放在了文章末尾准备工作包含头文件定义命名空间和类类的成员变量 迭代器迭代器获取函数 构造函数默认构造使用n个值构造迭代器区间构造解决迭代器区间构造和用n个值构造的冲突拷贝构造 析构函数swap【交换函数】赋值运算符重载emptysize和capacityopera…

上位机网络通讯

目录 一 设计原型 二 后台源码 一 设计原型 二 后台源码 using System; using System.Net.Sockets; using System.Text; using System.Threading.Tasks; using System.Windows.Forms;namespace 上位机网络通讯 {public partial class Form1 : Form{public Form1(){Initializ…

BUG TypeError: GPT2Model.forward() got an unexpected keyword argument ‘past’

TypeError: GPT2Model.forward() got an unexpected keyword argument past’ 环境 transformers 4.38.1详情 这是由于新版的transformers 对GPT2Model.forward() 参数进行了改变导致的错误。具体是past名称改为了 past_key_values 。 解决方法 找到错误语…

黑马点评-Redis的缓存击穿,缓存雪崩,缓存穿透,互斥锁,逻辑过期

文章目录 1.缓存穿透2.缓存雪崩3.缓存击穿3.1 互斥锁3.2 基于逻辑过期 1.缓存穿透 解决办法 写入NULL值到Redis缓存,以后就会命中Redis的控制缓存而不会出现请求直接打到数据库的问题! 代码 2.缓存雪崩 这个概念很好理解,雪崩就是无数的…

开发者聊科学作息时间表

非常有幸对科学作息时间表app的开发者做一次采访。 问:你对科学作息时间表app满意么? 答:非常不满意,我们的设想是让他更智能,更多的提醒方式,更好的交互体验。如果作为一个闹钟他是非常不合格的&#xff0…

视图库对接系列(GA-T 1400)三、代码生成

项目准备 我们把需要的第三方包和需要生成的库引入到对应的**基础包**中对应版本号 <properties><java.version>1.8</java.version><httpclient.version>4.5</httpclient.version><httpcore.version>4.4.12</httpcore.version><…

tinyshop项目部署

参考软件测试之测试用例设计&#xff08;四&#xff09;_管理后台 测试用例-CSDN博客 1、下载xampp 2、修改apache和mysql的端口分别为4431 &#xff0c;8013和3306 3、访问页面&#xff1a;输入ip:端口号&#xff0c;出现以下页面即成功 4、安装tinyshop商城 将解压的tinys…

Chart.js四个示例

示例代码在图片后面&#xff0c;点赞加关注&#xff0c;谢谢 条形图 雷达图 折线图 圆环图 完整例子代码 具体代码在干什么看粗体加重的注释 <!DOCTYPE html> <html lang"en"> <head> <meta charset"UTF-8"> <me…

OceanBase Meetup北京站|跨行业应用场景中的一体化分布式数据库:AI赋能下的探索与实践

随着业务规模的不断扩张和数据处理需求的日益复杂化&#xff0c;传统数据库架构逐渐暴露出业务稳定性波动、扩展性受限、处理效率降低以及运营成本高等一系列问题。众多行业及其业务场景纷纷踏上了数据库现代化升级之路。 为应对这些挑战&#xff0c;7月6日&#xff0c;OceanB…

搭建个人博客及错误记录

搭建个人博客及错误记录 文章目录 搭建个人博客及错误记录需要用到的网址2.推荐两个参考教学视频3.发布一篇博客个人主题配置的提醒localhost拒绝连接问题解决办法ssh -T gitgithub.com失败问题解决Deployer not found:git解决 可以根据目录解决遇到的相同问题 需要用到的网址 …

德国威步的技术演进之路(下):从云端许可管理到硬件加密狗的创新

从单机用户许可证到WkNET网络浮点授权的推出&#xff0c;再到引入使用次数和丰富的时间许可证管理&#xff0c;德国威步产品不断满足市场对灵活性和可扩展性的需求。TCP/IP浮动网络许可证进一步展示了威步技术在网络时代的创新应用。借助于2009年推出的借用许可证以及2015年推出…

如何选择适合自己的笔记本电脑

在现代社会中&#xff0c;笔记本电脑已经成为人们工作、学习和娱乐的重要工具。然而&#xff0c;面对市场上琳琅满目的笔记本电脑产品&#xff0c;如何选择一款适合自己的笔记本电脑呢&#xff1f;本文将为您提供一些有用的建议。 首先&#xff0c;确定您的使用需求。不同的用户…

新手教学系列——慎用Flask-SQLAlchemy慢日志记录

在使用 Flask-SQLAlchemy 开发应用时,了解和避免潜在的问题是非常重要的。特别是在常驻进程和循环执行任务的场景下,慢查询记录功能(SQLALCHEMYRECORDQUERIES)可能会引发严重的内存泄漏问题。本文将详细介绍这个问题,并提供解决方案,帮助你在开发过程中避免掉入这些陷阱。…

为RK3568或RK3288开发板创建交叉编译环境{采用amd64的ubuntu系统配置交叉编译arm64开发环境}(保姆级包括安装QT)超详细记录版

为RK3568或RK3288开发板创建交叉编译环境{采用amd64的ubuntu系统配置交叉编译arm64开发环境}【保姆级包括安装QT】超详细记录版 Chapter1 为RK3568或RK3288开发板创建交叉编译环境{采用amd64的ubuntu系统配置交叉编译arm64开发环境}(保姆级包括安装QT)超详细记录版一. 安装QT程…

深入了解自动化:聊聊什么项目适合做自动化测试?

自动化测试 什么是自动化测 什么是自动化测试&#xff1f; 随着软件产业的不断发展&#xff0c;市场对软件周期的要求越来越高&#xff0c;于是催生了各种开发模式&#xff0c;如大家熟知的敏捷开发&#xff0c;从而对测试提出了更高的要求。此时&#xff0c;产生了自动化测试…

2024年港澳台联考考生成绩数据分析来啦

分数线 出炉 2024年的港澳台联考正式出分&#xff01;根据考生成绩&#xff0c;全国联招划档线如下&#xff1a; 一、本科批次 &#xff08;一&#xff09;普通类院校&#xff08;专业&#xff09;&#xff1a;文史类365分、理工类390分&#xff08;部分院校执行高分线&#…