AI 手机的技术展望

最新推荐文章于 2024-09-12 18:02:47 发布

tiger119

最新推荐文章于 2024-09-12 18:02:47 发布

阅读量1.3k

点赞数 20

文章标签：人工智能智能手机 AIGC agi 交互

本文链接：https://blog.csdn.net/tiger119/article/details/140969483

版权

某某领导问到我，AI手机这个产业发展如何？对于，地方科技园区，应该如何发展相关产业？我一时还真说不上来，于是，查了一下资料，大概应对了一下。

一：AI手机的定义

首先，AI手机是最近两年的说法，它的出现，应该以三星手机的发布为起点：

三星会重点宣传 Galaxy S24 系列的多语言实时翻译功能。这一功能就来自谷歌提供的 Gemini Ultra 模型。

去年三星手机发布会，第一次宣布AI手机。实际上仅仅是接了一下公网大模型，实时翻译了一下通话。

苹果在2024.06的开发者大会上宣布：GPT-4o 被集成到了 iOS 18 中，用于改善Siri的功能。

苹果作为手机第一品牌，在AI手机上反应较慢，最近才加入，首先肯定是要改造那个智障Siri，我看了一下，目前其实已经可以配置使用，但需要GPT4o API，这玩意儿我可用不起，太贵了。

所以，AI 手机的第一个定义来了：

AI 手机定义一：搭载了AI应用的手机。

注意：如果AI应用的服务方是公网服务，那手机端可能啥都不用改。

如果AI手机就是这样，那基本上的所有手机都能叫AI手机，无非接入个云端大模型，把原有APP改造一下，显得更智能了。这和之前的智能手真没啥不一样。显然，事情并没有那么简单。

我们来看一下之前智能手机想完成，但没有完成的任务：

场景一：小爱同学，XXXXXX。这是智能手机的语音助手，需要有唤起词，很傻。每次在车里要喊：小德，小德，我觉得我是最傻的。还有进入酒店房间要唤醒小爱同学。

所以，合理的方式，是让设备方自动识别知道我在发起命令了，比如：

气息识别——只需要将手机话筒放在嘴边，就可以自动触发与手机的对话和指令。

场景二：手机游戏，RPG主角的移动需要触屏滑动，并不方便。为什么不能手势，或者眼的视线来完成移动。所以，有如下方法：

眼动跟踪——可以实现30公分内高精度的眼动捕捉，根据眼动追踪可以智能完成移动。

场景三：手机有android，IOS，鸿蒙，这些系统间的数据共享，工作协同仍有很大障碍。而手机与平板，电脑，各种物联网设备的协同，也是困难。

目前并没有好的解决方案。

场景四：更多的情况，人在使用手机时，有些行为实际是可以预知的，人的情绪是可以判定的，人的自然语言需要更好的识别，通过摄像头的动作最好能作为指令，等等……

按照上面的场景，我们可以总结一下：

我们的手机需要能跨越操作系统（windows，android），万物互联，在不同设备系统间共享数据，协同工作，一致体验。

我们看荣耀手机在业界首次实现了气息识别能力（不需要提示词），眼动追踪功能，可以实现 30 公分内高精度的眼动捕捉，增强游戏的交互能力，提供相应的API。

我们希望手机能自动预测用户行为，识别用户情绪，理解用户自然语义，音频分析，提供跨应用APP的交互指引，或者完成服务的直达。

我们希望手机能提供智能代理提供智能助理，让它能帮助我们完成工作或事务。

AI 手机定义二：我们需要改造手机操作系统，让它跨系统/跨设备融合，提供更好的交互方式，提供智能助理，让它能有更好的体验，更智能。

二：AI手机的技术

2.1：手机芯片

这是Google最新手机的芯片，可以理解为一颗SoC，Google Tensor。

最关键的组件是 TPU：专用机器学习和AI任务设计的处理单元。提供高效的张量运算。

ISP：图像和视频处理，可显著提升拍照和录像的质量。

MTK 天玑 9300+ 5nm工艺

专用APU：专为AI任务优化，处理复杂的AI算法，如图像识别，语音识别等

高通骁龙8 Gen3 可以装入 100亿的大模型，4nm 工艺

集成了Qualcomm AI Engine：最新的AI处理器。

集成了18-bit 三 ISP：影像处理超强。

2.2：大模型

对于公有云的大模型，没什么可说的。可以用商用的，但是手机厂商为了控制成本，应该会提供一个自训的大模型（或者商业联盟）。上图是OPPO自研的大模型。

对于手机特定场景，可能会存在垂直领域的专用模型，比如：OPPO的 Turbo 大模型，这一般是行业模型，基于通用大模型微调而成。微调的核心是行业数据。

对于手机端一定也会部署模型，这应该也是为了成本和安全。对于海量的手机用户，如果依赖于云端运算，那算力要求太高，并且成本高。一些特定场景，完全可以做tiny模型，比如：OPPO的Tiny轻量模型。

2.3：AI OS

对于AI os ，关键是 LLM Kernel，主要是封装对于LLM Model的调用（Prompt调用），以及上下文管理（因为LLM的token的输入宽是有限的），工具管理（用于Agent的调用），这个类似于 LangChain开源框架的处理。并且要注意，智能代理系统：包括一些典型应用的代理，帮助开发者快速去开发相关应用。

我们拿VIVO的 BlueOS为例：

它深度与AI集成：
- 系统层和内核层都集成了专门的AI处理单元和算法，确保系统能够高效处理各种AI任务。
- 提供了AI大模型和计算加速平台，使得AI应用能够快速响应和处理复杂任务。
丰富的AI应用和服务：
- 提供多种AI原生应用和个性化服务，满足用户的多样化需求。
- 第三方应用可以调用系统的AI能力，扩展了AI功能的应用场景。
高效的开发支持：
- 完备的开发工具链和API接口，支持开发者快速开发和集成AI功能。
- 蓝河Studio和SDK等工具，提供了一站式的开发和测试环境。
智能化的用户体验：
- 通过AI技术，提供智能助手、语音识别、翻译等个性化功能，提升用户体验。
- AI感知和大模型的应用，使得系统能够主动学习和适应用户行为，提供更智能的服务。

2.4：AI Agent

说到智能体，我们可以用OPPO的 1+N战略为例。

核心智能体（1）：

智能中枢：作为整个生态系统的核心，超级智能体集成了强大的AI能力，负责协调和管理各个子智能体的工作。
智能决策：能够进行复杂的智能决策，整合来自不同子智能体的数据和信息，为用户提供个性化和智能化的服务。
学习和适应：通过持续的学习和适应，超级智能体可以不断优化和提升自己的智能水平，满足用户的多样化需求。

子智能体（N）：

智能体1、智能体2、智能体3...：每个子智能体负责特定的功能和任务，例如智能家居控制、健康监测、语音助手、图像识别等。
模块化设计：各个子智能体以模块化的方式设计，可以根据不同应用场景进行灵活配置和扩展。
协同工作：子智能体之间通过超级智能体进行协同工作，确保各项任务高效完成，提供无缝的用户体验。

开发平台：

开放生态：OPPO AI Pro智能体开发平台为开发者提供了开放的开发环境，支持第三方开发者创建和集成新的智能体，丰富整个生态系统的功能。
工具和支持：平台提供了丰富的开发工具、SDK、API接口和技术支持，帮助开发者快速开发、测试和部署智能体。
创新驱动：通过吸引开发者和合作伙伴参与，推动技术创新和应用创新，持续提升生态系统的智能水平和用户体验。

OPPO的AI手机平台通过增强创作能力、自学习能力、真实世界感知能力和算力高效利用能力，驱动了智慧OS和智慧平台的全栈革新。同时，通过构建原生服务生态、智能终端生态、大模型生态和算力生态，重构了智能手机的生态系统。这一战略不仅提升了用户体验和设备性能，还推动了智能手机向更高智能化和个性化的方向发展。