AI未來(lái)指北課代表系列——AI大事兒最全、最快拆解。本文探索未來(lái)能夠適配大模型的AI硬件"長(zhǎng)啥樣”。

為什么大模型到現(xiàn)在還沒(méi)出現(xiàn)太多實(shí)際應(yīng)用？問(wèn)題可能出在硬件上。

近日，傳聞中的“iPhone殺手”AI Pin終于發(fā)貨了。不出意外地，它沒(méi)能躲過(guò)“出道即巔峰”的命運(yùn)。

不說(shuō)“慢、笨、錯(cuò)”這種常見(jiàn)“人工智障”問(wèn)題。其中一條用戶反饋直接讓我笑擁了：“AI Pin的優(yōu)點(diǎn)是可以與手做互動(dòng)，但它也只能與手互動(dòng)。因?yàn)榧す庵荒芡对谡菩模荒芡兜阶雷踊驂ι??！?/span>

更絕的是，因?yàn)锳I Pin的投屏距離固定，用戶可以領(lǐng)取“老花眼”體驗(yàn)卡。

具體操作：1、舉起手臂，攤開(kāi)手掌，進(jìn)行上下左右移動(dòng)，讓AI Pin找到你的手掌；2、找準(zhǔn)后，輸入4位開(kāi)機(jī)密碼，平均耗時(shí)約5秒；3、投屏面積取決于你的手掌大小，一掌約7 行文本，每行約1～3 個(gè)單詞。

 

使用提示！請(qǐng)保持身體與手掌相對(duì)靜止，如果出現(xiàn)微弱晃動(dòng)，需要重新開(kāi)機(jī)；請(qǐng)將使用時(shí)間控制在3分鐘以內(nèi)，以免過(guò)熱關(guān)機(jī)；請(qǐng)?jiān)谑覂?nèi)使用，室外強(qiáng)光下會(huì)發(fā)生“投影消失術(shù)”。

就這，還要賣699美元，每月再收24美元訂閱費(fèi)？難怪外媒給出《史上首款重磅發(fā)布的AI硬件，就是垃圾》這樣直白的標(biāo)題。

總之，本該是亮點(diǎn)的交互卻成了最大“槽點(diǎn)”，由Sam Altman投資，“蘋(píng)果團(tuán)隊(duì)”開(kāi)發(fā)的“世界首款A(yù)I硬件產(chǎn)品”像是個(gè)騙子。

如果AI Pin靠不住，“下一代便攜AI硬件”將由誰(shuí)定義？

01 AI時(shí)代的“iPod”

在智能手機(jī)“一統(tǒng)天下”前，消費(fèi)電子市場(chǎng)有過(guò)一段“群雄并起”的繽紛時(shí)光。

彼時(shí)，各類便攜式單功能硬件百花齊放：MP3、MP4、游戲機(jī)、數(shù)碼相機(jī)，甚至是學(xué)習(xí)機(jī)。消費(fèi)者們也習(xí)慣“一個(gè)褲兜裝手機(jī)；另一個(gè)褲兜裝iPod”，直到iPhone將以上硬件變成了App。

如今，歷史正在重演，一些輪番上臺(tái)的“原生”硬件試圖借助大模型的東風(fēng)，將用戶從智能手機(jī)中“解脫”出來(lái)。本質(zhì)上，他們其實(shí)是在嘗試借著AI對(duì)軟件的升級(jí)改造，造出另一款令人上癮的屏幕，用新的“坑”去覆蓋舊的“坑”。

但是，什么樣的交互方式，能替代用戶對(duì)智能手機(jī)的依賴？

首先引起轟動(dòng)的就是上述AI Pin，由Humane公司開(kāi)發(fā)。沒(méi)有手機(jī)、APP和屏幕，只有半個(gè)煙盒大小——重量34g的機(jī)身上搭載了驍龍?zhí)幚砥鳌?nèi)置GPT系列大模型，可以通過(guò)語(yǔ)音交互，也可以投影在手掌上交互。

在理想狀態(tài)下，僅僅通過(guò)“聽(tīng)”和“看”，AI Pin就能理解用戶需求，然后通過(guò)AI軟件執(zhí)行任務(wù)，宛如AI Agent。

但現(xiàn)實(shí)并不理想，根據(jù)AI Pin的第一批用戶反饋，糟糕的評(píng)價(jià)包括但不限于“最大作用是看時(shí)間”“愚蠢的投影”.......在產(chǎn)品功能上也存在一大堆“槽點(diǎn)”，比如續(xù)航能力不佳、只會(huì)重復(fù)對(duì)方說(shuō)的話、反應(yīng)不靈敏總是出故障所以“錯(cuò)將玉米糖漿識(shí)別為違禁品”。

根據(jù)外媒報(bào)道，實(shí)測(cè)人員抓一把杏仁，問(wèn)AI Pin“這把杏仁含有多少蛋白質(zhì)”，得到的回答是“15g”，但實(shí)際上至少60顆杏仁才能包含15g蛋白質(zhì)。

外媒評(píng)價(jià)，如果將AI Pin視為自己的“第二大腦”，那么有一半時(shí)間都感覺(jué)像是“腦死亡”，在很多問(wèn)題上，它根本無(wú)法給到用戶準(zhǔn)確的答案。

此外，在實(shí)際使用場(chǎng)景中，AI Pin也顯得有點(diǎn)“雞肋”，試想一下，在光線明亮的環(huán)境下，誰(shuí)會(huì)頂著強(qiáng)光去觀看巴掌大小又凹凸不平的“人肉屏幕”呢？

隨后亮相CES 2024的Rabbit R1雖然造型不夠酷，但更靠譜。它搭載了一塊2.88英寸的觸摸屏，不需連接手機(jī)，沒(méi)有內(nèi)置 App，可以通過(guò)SIM卡或WIFI聯(lián)網(wǎng)獨(dú)立使用。而且售價(jià)僅為199美元，并在發(fā)售24小時(shí)內(nèi)，賣出了10000臺(tái)。

Rabbit R1的定位是AI Agent，其操作系統(tǒng)Rabbit OS基于LAM（大動(dòng)作模型）開(kāi)發(fā)。LAM能夠讓AI學(xué)會(huì)人類操作APP的方式，并通過(guò)與LLM結(jié)合，讓AI代替人類與APP交互。

因此，Rabbit R1更像一個(gè)通用的“APP控制器”，用戶不需要手機(jī)可以完成很多任務(wù)：叫車、放歌、訂餐、訂酒店，甚至在Midjourney生成圖片。

Rabbit R1的早期投資人Vinod Khosla對(duì)其“跨APP工作”能力大為贊賞；微軟CEO納德拉更是贊不絕口：“這是繼iPhone之后，最令我印象深刻的產(chǎn)品之一”。

但在實(shí)際體驗(yàn)中，這些贊美仿佛成了“賣家秀”，真實(shí)情況下的“買家秀”又是一回事，槽點(diǎn)之一便是Rabbit R1的反應(yīng)能力，有的用戶實(shí)測(cè)讓它識(shí)別菜單，卻足足等待數(shù)十秒，試想這樣的場(chǎng)景如果發(fā)生在著急打車回家的寒冷夜晚，在寒風(fēng)中佇立對(duì)著它說(shuō)一句話要等半分鐘，心里陰影面積會(huì)有多大。就好像在電影《夏洛特?zé)馈分?，你?wèn)老爺子“馬冬梅在哪”，得出的回應(yīng)是“馬什么梅”一樣的無(wú)力感。

前兩者都是為了替代智能手機(jī)的“屏幕”，接下來(lái)這款受到馬斯克“寵愛(ài)”的智能硬件更聰明，它不會(huì)想著替代手機(jī)，而是利用大模型給智能手機(jī)的功能添磚加瓦。

它就是近期在Kickstarter上眾籌45萬(wàn)美金的桌面機(jī)器人LOOI。

LOOI采用“手機(jī)+機(jī)身”分體設(shè)計(jì)，內(nèi)置ChatGPT功能，用以“喚醒”手機(jī)的靈魂。例如，當(dāng)你比OK時(shí)，它會(huì)自動(dòng)幫你拍照保存；當(dāng)你大拇指朝下時(shí)，它會(huì)表達(dá)emo的表情和聲音等等。

因?yàn)樯瞄L(zhǎng)“賣萌”，LOOI俘獲了馬斯克的心，但它最大的作用好像也只有“賣萌”。雖然它可以成為一個(gè)自動(dòng)追蹤的攝像頭支架，偶爾擔(dān)當(dāng)攝影師；也可以在你不想工作時(shí)和你玩簡(jiǎn)單的動(dòng)作捕捉游戲。

但這些就像古早“寵物蛋”，提供的都是情緒價(jià)值。對(duì)了，目前最實(shí)用的功能是在你手機(jī)沒(méi)電時(shí)，變身為無(wú)線充電器。

總之，概念歸概念，無(wú)論是Sam Altman看好的AI Pin；OpenAI“第一投資人”Vinod Khosla種草的Rabbit R1；或是最近馬斯克轉(zhuǎn)推的“AI寵物蛋”LOOI，更像是“真iPhone”加冕前的眾多有趣小玩意兒。

 

問(wèn)題一：軟件重度依賴大模型。

AI Pin不連手機(jī)，意味著其核心價(jià)值取決于ChatGPT，Sam Altman本人正是Humane公司的最大股東。

Rabbit R1雖然打著LAM旗號(hào)，但扔掉LLM后只能算“漂亮空匣子”；一旦涉及LLM，其產(chǎn)品體驗(yàn)又會(huì)大打折扣。

例如，當(dāng)用戶只使用LAM涉及的功能：請(qǐng)求播放一首歌；詢問(wèn)“橙子和橘子區(qū)別”，Rabbit R1響應(yīng)速度在0.5秒以內(nèi)（AI Pin在6秒左右）；而當(dāng)用戶想用LLM搜索最新信息，其響應(yīng)速度就會(huì)慢至7—8秒，涉及視覺(jué)信息則會(huì)更慢。

LOOI需要連接手機(jī)，但它更像ChatGPT的手機(jī)附件，你甚至需要為了用它找到一部舊手機(jī)，或再買一部手機(jī)。要知道，上一屆“寵物蛋”可是能獨(dú)立存活的。

問(wèn)題二：硬件“雞肋”，門(mén)檻不高。

消費(fèi)者要如何說(shuō)服自己在手機(jī)之外，再額外攜帶另一個(gè)智能終端？

Rabbit CEO呂騁曾在采訪中表示：Rabbit確實(shí)可以成為一款A(yù)PP，但如果Rabbit只是個(gè)APP，就意味著蘋(píng)果公司能接觸到代碼。此外，當(dāng)Rabbit被放在和其他APP一樣的平臺(tái)上，會(huì)給自己帶來(lái)不安：如果明天出現(xiàn)了一個(gè)更好的APP怎么辦？

這段話很坦誠(chéng)但經(jīng)不得起推敲，畢竟沒(méi)有“下一個(gè)更好的APP”，也可能出現(xiàn)“下一款更快的AI設(shè)備”。

實(shí)際上，Rabbit R1更像一個(gè)抓住巨頭“空窗期”，在短期內(nèi)走量的產(chǎn)品，且憑借199美元的良心價(jià)已經(jīng)取得了商業(yè)成功。Statista數(shù)據(jù)顯示，2024年1月發(fā)售的Rabbitr1，前五批已售出約50000臺(tái)。第六批現(xiàn)已開(kāi)放預(yù)訂，數(shù)量為50000件。相比之下，AI Pin標(biāo)價(jià)699 美元，每月24美元的訂閱費(fèi)就顯得“吃相”難看。據(jù)其創(chuàng)始人透露：訂閱費(fèi)是公司正向現(xiàn)金流的關(guān)鍵。

回到開(kāi)頭，Rabbit R1是AI時(shí)代的iPod，但如果iPhone率先變成“AI iPhone”，還需要“AI iPod”嗎？

雖然這些基于大模型誕生的“原生”AI硬件槽點(diǎn)滿滿，但層出不窮的新硬件，說(shuō)明很多人內(nèi)心蠢蠢欲動(dòng)，正摩拳擦掌地想要大干一場(chǎng)，抓住大模型風(fēng)口，找出能完美承載大模型的新介質(zhì)。

這些硬件試圖擺脫人與手機(jī)之間用“手指”劃屏的交互方式，更青睞于將人機(jī)交互的模式從“觸覺(jué)”轉(zhuǎn)移成用“視覺(jué)”識(shí)別、用“聽(tīng)覺(jué)”傾聽(tīng)的方式，說(shuō)白了，其實(shí)就是想要造一個(gè)像人的大腦，能看得懂、聽(tīng)得懂人類說(shuō)話，至于能不能長(zhǎng)得像人，就看人形機(jī)器人的發(fā)展程度了。

盡管這些硬件還有點(diǎn)“五感不全”的問(wèn)題，但是隨著技術(shù)的進(jìn)步和提升，還可能不斷產(chǎn)生其它令人眼前一亮的創(chuàng)新。

除了“擺脫”手機(jī)或者用外在的硬件承接手機(jī)，也有另一種創(chuàng)新路線，試圖通過(guò)完善操作系統(tǒng)，打入手機(jī)內(nèi)部，讓手機(jī)變得更智能，各家都在嘗試做“AI手機(jī)”，蘋(píng)果甚至為此做了一套新的模型。

02 AI手機(jī)像“瓶裝水”

如果說(shuō)兩周前，AI手機(jī)們還是爭(zhēng)先恐后的“口號(hào)產(chǎn)品”，現(xiàn)在隨著蘋(píng)果最新論文發(fā)布，真正的“AI iPhone”將提上日程。

論文提出了一個(gè)名為Ferret-UI的多模態(tài)模型，能夠“看懂”手機(jī)屏幕，并將自然語(yǔ)言翻譯為界面操作點(diǎn)來(lái)執(zhí)行各項(xiàng)任務(wù)。經(jīng)測(cè)試，F(xiàn)erret-UI在所有基本UI任務(wù)中均超過(guò)GPT-4V（OpenAI），在高級(jí)UI任務(wù)中超過(guò)Fuyu（Adept）和CogAgent（智譜AI）。

 

簡(jiǎn)單來(lái)說(shuō)，當(dāng)iPhone裝載Ferret-UI，Siri（高智商版）就會(huì)實(shí)現(xiàn)，并像一個(gè)真正的AI Agent，代替你穿梭在各個(gè)APP之間。

是不是有點(diǎn)眼熟？沒(méi)錯(cuò)，彼時(shí)Rabbit R1的核心功能將被完全覆蓋，位置非常尷尬。但它還有用武之地，因?yàn)镕erret-UI在Android環(huán)境中表現(xiàn)欠佳，留下的還有廣袤的Android市場(chǎng)，只是199美元的良心價(jià)恐怕還要再降了。

解決了大模型本地部署問(wèn)題，AI手機(jī)的另一座大山就是將大模型塞進(jìn)手機(jī)（非云端部署），其中內(nèi)存升級(jí)迫在眉睫。

據(jù)中信證券統(tǒng)計(jì)：一個(gè)搭載100億參數(shù)大模型的手機(jī)約需要14-16GB內(nèi)存；搭載200億參數(shù)大模型的手機(jī)約需要20-24G內(nèi)存。

目前，高通發(fā)布的最新高端芯片驍龍8s Gen 3，支持在手機(jī)運(yùn)行100億參數(shù)的大模型。這意味著：當(dāng)今年各大手機(jī)廠商宣布載入百億大模型時(shí)，“中高配”16G內(nèi)存將成為“丐版”。

另一個(gè)方案是“輕量化”大模型，包括模型裁剪、模型壓縮，但如此一來(lái)其性能又必然縮水，不如直接探索小模型的潛力。

這方面的贏家還是蘋(píng)果，其在2023年末發(fā)布的一篇論文打破了手機(jī)的“內(nèi)存墻”。

論文提到，蘋(píng)果通過(guò)Flash-LLM技術(shù)，成功地在內(nèi)存有限的iPhone和其他蘋(píng)果設(shè)備上部署了LLM。數(shù)據(jù)顯示，設(shè)備能夠支持運(yùn)行的模型大小達(dá)到了自身DRAM（處理器）的2倍；LLM的推理速度在Apple M1 Max CPU上提高了4-5倍，在GPU上提高了20-25倍。

總之，有了充足的軟硬件準(zhǔn)備，蘋(píng)果還未問(wèn)世的“AI iPhone”很可能顛覆AI手機(jī)競(jìng)爭(zhēng)格局。

至少?gòu)哪壳翱磥?lái)，三星等手機(jī)廠商狂推的AI手機(jī)實(shí)在不夠“AI”。

有品牌裝載70億參數(shù)大模型，但具體能干什么呢？實(shí)時(shí)翻譯、圖像美化，會(huì)議記錄.....這些你都可以從現(xiàn)有APP里找到影子，無(wú)非是更智能的有道翻譯、訊飛聽(tīng)見(jiàn)和美圖秀秀。

更“卡脖子”的是，因?yàn)闆](méi)有自研芯片，端側(cè)大模型參數(shù)的天花板要看高通的天花板，而這意味著各家廠商狂推的AI手機(jī)就像“瓶裝水”，除了概念包裝，其他區(qū)別不大。

誠(chéng)然，手機(jī)作為人人離不開(kāi)的“器官”，最可能先被AI改造。但下一代AI設(shè)備必須是移動(dòng)計(jì)算時(shí)代的手機(jī)嗎？有沒(méi)有可能直接“升維”到空間計(jì)算設(shè)備？

03 空間計(jì)算設(shè)備是“真iPhone”？

在《哈利波特與魔法石》中，鄧布利多輕點(diǎn)“老魔杖”，街邊路燈即刻亮起。

這就是空間計(jì)算，一種虛實(shí)融合的“空間魔法”。如果我們將空間計(jì)算設(shè)備類比為“老魔杖”，一種將現(xiàn)實(shí)世界進(jìn)行數(shù)字化改造的“圣器”；那么AI技術(shù)就是將一根平平無(wú)奇的“木棍”變成“老魔杖”的關(guān)鍵魔咒。

 

空間計(jì)算包含兩個(gè)階段：“空間感知”理解真實(shí)世界；“空間生成”生成虛擬世界。上屆AI小模型已經(jīng)解決了空間感知；這屆AI大模型則專注于“老大難”空間生成。

一方面，高質(zhì)量虛擬內(nèi)容的生成，始終制約VR行業(yè)：內(nèi)容生態(tài)匱乏——用戶不買賬——開(kāi)發(fā)者變少——內(nèi)容更匱乏。

另一方面，VR設(shè)備想實(shí)現(xiàn)更多功能，缺乏優(yōu)質(zhì)的訓(xùn)練數(shù)據(jù)集。

近期Meta CTO Andrew Bosworths談到：“文本，我們有整個(gè)互聯(lián)網(wǎng)作為資源。照片，F(xiàn)acebook和Instagram有龐大的圖庫(kù)。但對(duì)于3D對(duì)象，卻沒(méi)有一個(gè)大型、權(quán)威的數(shù)據(jù)庫(kù)。我們正在努力試圖改進(jìn)這個(gè)模態(tài)下的一切內(nèi)容，包括能夠?qū)С龈嗟?D內(nèi)容。”

如今，Sora的視頻生成能力有目共睹；同時(shí)，AIGC高質(zhì)量3D內(nèi)容也近在咫尺。

高通在《混合AI是AI未來(lái)》指出：Stable Diffusion將很快賦能內(nèi)容創(chuàng)作者在3D物體上生成逼真的紋理。一年內(nèi)，這些功能會(huì)在智能手機(jī)上實(shí)現(xiàn)，并延伸到XR終端。未來(lái)幾年，首批文本生成3D和圖像生成3D模型將實(shí)現(xiàn)邊緣側(cè)部署。

既然解法已經(jīng)給出，AI與空間計(jì)算設(shè)備的結(jié)合將成為下一個(gè)兵家必爭(zhēng)之地。

首先是軟件廠商來(lái)“卷”硬件。近期，以“眼光超前”著稱的Midjourney撬走了蘋(píng)果Vision Pro硬件工程經(jīng)理Ahmad Abbas，協(xié)助開(kāi)發(fā)一個(gè)收集3D數(shù)據(jù)，管理3D模型的工具，并在未來(lái)推出VR頭顯。

而原本的硬件玩家則按本機(jī)算力體系，兵分三路。

第一類，蘋(píng)果M系列筆記本級(jí)別芯片，對(duì)應(yīng)頭顯Vision Pro。根據(jù)最新消息，蘋(píng)果M4芯片的生產(chǎn)已經(jīng)收尾，該系列芯片專注于AI。如果再加持上述Ferret-UI模型和Flash-LLM技術(shù)，下一代Vision Pro則足以讓人期待。

第二類，高通驍龍系列移動(dòng)級(jí)別（手機(jī)）芯片，對(duì)應(yīng)頭顯Meta Quest。它的功耗低，集成度高，可以做成真一體機(jī)（集成化電池），生態(tài)有開(kāi)放潛力（Meta Quest體系尚未開(kāi)放）。但基礎(chǔ)算力在三類體系中“墊底”。其算力bug在“算力為王”的AIGC世界被格外凸顯，甚至淪落為不少人眼中的“大廠玩具”。

第三類，“雙英體系”：Intel（AMD）CPU+NVIDIA（AMD）GPU，對(duì)應(yīng)PC VR產(chǎn)品。海外Valve Index(主流大眾定位）、Varjo（高端高性能定位）；國(guó)產(chǎn)HTC（主流大眾定位）、小派Pimax（高端高性能定位）。

優(yōu)點(diǎn)是算力最強(qiáng)，可以跑動(dòng)較大模型；生態(tài)開(kāi)放，可以覆蓋幾乎所有的場(chǎng)景。缺點(diǎn)是集成度差，只能做分體式PC VR，曾一度被“高通體系”一體機(jī)壓制。

不過(guò)，在AIGC場(chǎng)景下，手握“算力優(yōu)勢(shì)”的“雙英體系”有望成為最早突破AI硬件的黑馬選手。

04 結(jié)語(yǔ)

工具是思維的反映，思維同樣是工具的反映。

長(zhǎng)期以來(lái)，人類渴望從屏幕中徹底解放出來(lái)，如今AI增加了人類世界的“智慧”，卻找不到一個(gè)盛放智慧的容器。

Humane將AI Pin定義為人們的“第二大腦”，通過(guò)硬件和人、環(huán)境的創(chuàng)新交互，來(lái)獲得類似智能手機(jī)的體驗(yàn)。

這個(gè)定義適用于任何成熟的AI硬件，卻不適用于“半成品”AI Pin。

AI手機(jī)、AI PC，AI加持的空間計(jì)算設(shè)備，還是“成熟版”的AI Pin.....雖然我們不知道下一代AI設(shè)備最終由誰(shuí)定義，但可以肯定的是一個(gè)生機(jī)勃勃的AI硬件新時(shí)代正在到來(lái)。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com