大模型带来的Web复兴 会是昙花一现吗？

　　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?

　　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?

　　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。

　　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)

　　大众眼中的 AIGC 应用是这样的：

　　(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。

　　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。

　　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，同事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。

　　来源：脑极体