操作系统纷纷“入局”大模型，终端AI竞争升级

6月21日，华为开发者大会上，HarmonyOS NEXT（鸿蒙NEXT）操作系统正式发布，独立于iOS与安卓，实现大模型时代国产终端操作系统的重大升级。新一代鸿蒙操作系统首次融入盘古大模型5.0，在AI能力上提升明显，实现了系统级的原生智能。此前，苹果在WWDC大会发布的iOS18也集成了OpenAI的大模型能力，支持对大模型的跨应用、跨终端调用。

终端操作系统的AI升级将带来人机交互的全面革新，大模型将深入改变我们的日常生活。

主流操作系统厂商加速大模型布局

谷歌、苹果、华为相继发布了各自移动终端操作系统AI升级方案，通过系统层面的AI能力集成，为用户提供多模态交互、个性化、多样化的智能服务。

**1.**Android 15将融入谷歌Gemini大模型

Gemini代表了谷歌在生成式AI大模型领域的最新探索，并将其整合到安卓系统、搜索、Chrome和Gmail等所有自家产品中。在5月15日的谷歌I/O开发者大会上，为了满足不同场景的需求，谷歌发布了Gemini的新版本。其中，Gemini 1.5 Flash针对需要快速响应的高频、低延迟任务进行了优化。而Gemini 1.5 Pro则采用了MoE架构，拥有高达200万tokens的上下文长度，显著提升了模型处理大量数据的能力和效率。得益于Gemini的加持，Android系统将推出一系列新功能，包括更智能的照片搜索能力，能够识别不同的照片背景，甚至根据车牌号来搜索照片，以及回答有关照片内容的问题等，将为用户带来更加丰富和个性化的体验。

**2.**苹果推出iOS18集成Apple Intelligence

苹果在WWDC24上宣布与OpenAI建立合作伙伴关系，并整合ChatGPT技术推出Apple Intelligence。基于Apple芯片的超强算力，Apple Intelligence具备强大的自然语言理解能力与图像功能，可以通过对用户背景的理解，基于个人信息和上下文，分析用户屏幕上的内容，最相关的信息进行检索和分析，为用户提供最需要、最相关的信息，也可以处理和创建草图、插图、动画三种独特样式的图像。Apple Intelligence不是提供单一的AI功能，而是通过其强大的数据处理和情境感知能力，深度理解用户需求，并将多个功能整合成一个完整的系统，实现跨应用的智能协作。

**3.**华为发布独立于安卓的AI原生HarmonyOS NEXT系统

HarmonyOS NEXT操作系统首次将先进的AI能力融入其核心，实现了操作系统与AI技术的深度融合。小艺智能体作为系统的AI助手，经过升级后能够执行更加复杂的操作。在盘古大模型5.0的支持下，小艺智能体不仅具备了更好的场景感知、意图识别和用户理解能力，还能够提供更加精准的个性化服务。小艺智能体能够进行文本理解、图像识别、文档分析以及多模态信息融合等高级任务，展现出华为在AI技术应用和行业服务领域的强大实力和创新能力。

图：三家主流移动终端操作系统AI能力对比

终端操作系统集成大模型趋势判断

智能终端的进化史，实质上是其操作系统不断升级的历程，操作系统能力的提升，极大的促进了智能终端的发展。从允许用户自行下载应用的塞班系统，到苹果手机iOS智能系统的重大感知颠覆，再到智能语音助手在操作系统层面的集成，都是从操作系统层面抓住了用户需求。大模型时代，智能手机操作系统集成生成式人工智能，将极大提升用户体验，真正在操作系统层面实现各个零散应用的联动，将在以下几个方面推动智能终端的发展：

**1.**提升APP开发与运行效率

华为发布的HarmonyOS NEXT通过将系统级AI能力融入操作系统中，极大地提升了开发效率。开发者可以通过系统提供的接口与组件直接调用系统AI能力，无需从零开始编写和训练AI模型，能够快速实现如AIGC图像生成、声音修复、图像识别等功能，这些原本需要高度专业知识和资源密集型的任务现在变得触手可及。让开发者可以更专注于用户体验的设计，而不必深陷底层AI算法的实现细节，从而加快了应用的迭代速度和市场响应能力。由于系统级AI能力是在操作系统层面进行优化和集成的，相较应用自行开发的AI功能，可以更高效地利用硬件资源，提供更优的性能表现。系统级的优化还意味着更好的资源管理和功耗控制，为终端用户带来更流畅、更稳定的使用体验。

**2.**重塑人机交互模式

传统智能手机操作系统的逻辑是用户提出需求，系统进行响应，需要用户自己在应用中进行搜索和操作来执行特定任务。智能手机操作系统的AI化将实现系统判断用户意图与需求，为用户主动提供个性化的服务。智能操作系统终端可以使用面部、语音识别等技术，感知用户的情绪状态，并根据用户所在位置、以往使用习惯等信息，做出相应的情感支持。例如在感知到用户情绪低落时，播放些轻松音乐、讲些鼓励的话，或者推荐用户喜欢的美食等反应。

**3.**推进端侧算力提升

随着大模型在智能手机的应用，端侧算力持续提升。端侧算力具有低延迟性、高安全性的特点，且支持无网络使用，在移动设备的AI应用中具有重要作用。芯片厂商将进一步加强端侧计算能力，为大模型落地打牢地基。如第三代骁龙8是高通首个专为生成式AI打造的移动终端芯片，AI性能较前代提升98%。联发科发布的天玑9300芯片搭载专门支持端侧大模型的生成式AI引擎，生成式AI运算速度提升8倍。大模型时代，端侧算力将成为移动终端AI能力升级的重要保障。

**4.**推动电子产业升级

据IDC数据，2022及2023年全球智能手机、平板出货量连续下滑，市场需求不足。随着大模型在移动终端的落地，苹果、华为、小米等品牌智能手机将陆续搭载最新的大模型能力，且部分老旧机型难以支持AI应用带来的大规模计算压力，智能化应用有望推动消费者换机需求的提升。在此基础上，由上游硬件厂商、中游品牌商及代工厂商、下游大模型场景应用组成的消费电子产业链将迎来新一轮发展机会。预计在未来的2-3年内，AI终端加速渗透，换机潮将带来电子产业的持续升级迭代。

操作系统集成大模型背景下运营商发展建议

为应对大模型技术与智能手机操作系统深度融合的新形势，运营商需要在以下方面做好工作。

**1.**加强网络服务与保障

运营商应加大网络基础设施建设，保障网络的质量和覆盖范围。不仅需要通过智能网络管理，实现负载均衡和故障自动切换，确保现有用户在使用AI操作系统时的连续性和稳定性。还应加强如5G-A、6G等新一代通信技术研究探索，以满足不断增长的大模型应用对网络带宽和延迟的要求。

2.重视边缘计算节点建设

随着AI应用的云端一体化发展，边缘计算成为关键技术之一。应重视边缘计算节点的建设，将数据处理和存储能力部署在更接近用户的地理位置，从而减少数据传输的延迟，提高响应速度，优化用户体验。此外，边缘计算还能为运营商带来新的商业模式和服务创新，如本地化的内容分发和个性化服务。

**3.**应对人工智能带来的安全风险

大模型技术的应用降低了AI技术的门槛，同时也增加了安全风险。需要加强对移动终端的安全管理，建立全面的安全监控体系，以识别和防范潜在的安全威胁。这包括但不限于数据泄露、隐私侵犯、恶意软件攻击等。同时，运营商应与政府、安全机构和其他行业伙伴合作，共同构建一个安全的网络环境。

**4.**促进电子制造产业链深度协同

终端AI的发展为电子制造业带来了新的增长点。运营商应积极参与到产业链的协同创新中，与设备制造商、软件开发商、内容提供商等建立紧密的合作关系。通过共享资源、技术和市场信息，共同推动智能制造、软件开发等关键领域的进步。此外，运营商还可以通过投资研发、建立创新实验室等方式，加速新技术的商业化进程。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】