多模态模型‌ 多模态大模型如何改变我们的生活？

默认分类7小时前发布 admin

1,994 0 0

2022年，的 3.5 横空出世，搅动了整个AI 行业。、LLM、VLM、大模型、多模态等概念蜂拥而至。让我们不禁感慨这世界技术更新之快。

【什么是大模型？】

“大模型”通常指具有数十亿到数千亿个参数的神经网络模型，需要大量的计算资源和数据来进行训练和运行。通过硬件计算能力的提升，以及训练数据量的增加，使得大模型可以完成更复杂的任务，为人们提供更多的服务。

以为例，到底能用来做什么？我们看看自己怎么说？

【大模型的主要应用市场有哪些呢？】

大模型其实可以用在各行各业，手机、PC、服务器和安防都是有很大的需求的。

AI 手机能做什么？
    去年8月，华为HarmonyOS 4系统接入盘古大模型，随后小米训练出轻量级语言大模型，参数规模为13亿和60亿两种。同年11月，vivoX100系列首次搭载vivo蓝心大模型。到2024年，AI手机百花齐放，OPPO Find X7系列、荣耀Magic 6系列、vivo的X100列等都支持了大模型。从高端旗舰到中端机型，各家都开始布局AI手机。
    Gartner 对生成式 AI 智能手机的定义是指配备硬件和软件功能的智能手机，能够在智能手机上无缝集成和高效执行 GenAI 驱动的功能和应用程序。这些智能手机能够本地运行基础或微调人工智能模型，生成新的衍生内容、策略、设计和方法版本。这方面的例子包括谷歌的 Gemini Nano、百度的文心 ERNIE 和 OpenAI 的 GPT-4。
    根据Canalys，满足以下三大标准即可被确认为AI手机：

1）大模型方面，智能手机能够在端侧运行LLM（如谷歌的、三星的Gauss等）和其他生成式AI模型（如等）；

2）硬件方面，智能手机的SoC芯片中包含能够加速AI运行的专用单元（如高通的、联发科的APU和谷歌的TPU等）；

3）运行效果方面，端侧LLM的推理能力高于成人的阅读速度即/s（基于LLaMA-27B,或同等水平），同时端侧AI生成图像的时间要小于2秒（基于.5，20步，512*512分辨率，或同等水平）

    在OPPO联合调研机构IDC共同发布的《AI手机白皮书》中，OPPO分享了其定义的AI手机的四大能力特征：高效利用计算资源、数据感知更敏锐、强大的自学习能力以及丰富的创作能力：

而Apple对AI 手机的定义如下：

综上所述，可以看到，大家认为的AI手机如下：

AI PC能做什么？

    Gartner 对 AI PC 的定义是指配备专用人工智能加速器或内核、神经处理单元（NPU）、加速处理单元（APU）或张量处理单元（TPU）的个人电脑，旨在优化和加速设备上的人工智能任务。
    微软和英特尔联合制定的 AI PC 定义：须配备 NPU、CPU 和 GPU，并支持微软的 Copilot，且键盘上直接配有 Copilot 物理按键（该键取代了键盘右侧第二个 Windows 键）。这意味着已经发布的 那些缺少 Copilot 键的 Meteor Lake 和锐龙笔记本电脑都不符合微软的官方标准。

多模态模型‌ 多模态大模型如何改变我们的生活？

    由于人工智能模型种类繁多，英特尔表示运行大语言模型时内存容量将成为一个关键制约因素，某些工作负载可能需要 16GB 内存，甚至可能需要 32GB 内存。自然地，这就需要更高的成本，尤其是在笔记本电脑中，但微软尚未定义最低内存要求。
    而处理器方面，高通去年年底推出的 Snapdragon X Elite 平台，算力可以达到 45 TOPS，符合 AI PC 要求；AMD 即将推出的 Ryzen 8000 系列（Strix Point），预估也符合 AI PC；而英特尔去年 12 月推出的 Meteor Lake，其 CPU+GPU+NPU 算力仅 34 TOPS，并不符合微软要求，预估今年推出的 Lunar Lake 会超过 40 TOPS。
    值得注意的是，未来高通、英特尔和 AMD 竞逐 AI PC 过程，也将牵动 x86 及 Arm 两大 CPU 阵营在 Edge AI 市场的竞争。戴尔、惠普、联想、华硕、宏碁等主要 OEM 厂商在 2024 年将陆续开发搭载高通 CPU 的机型，试图瓜分 AI PC 蛋糕，会给 X86 阵营造成一定威胁。
    至于安防行业，由于传统CNN普及最高的市场，多模态大模型的出现 势必会增加安防行业的智能化普及率。传统CNN+多模态大模型的结合，将会帮安防行业实现更多的新功能，从而实现一些传统CNN无法实现的功能。

【大模型市场的出货量】

    那AI Smartphone和AI PC是否会带动整个市场的需求呢？从Canalys的出货量预估来看，AI Smartphone和AI PC 无法对Smarphone和PC的整体出货量带来更多的增长，但AI smartphone和AI PC在smartphone和PC市场中的占比，还是会增长非常快的。

来源：

【为什么要在端侧普及大模型？】

很多受限于技术的发展，很多模型都是跑在服务器上的。很多AI 应用都是将数据从端侧传至服务器，服务器处理后，再将相关的数据传回至端侧。但这就会产生几个问题：

【如何在端侧普及大模型？】

    若想在端侧普及大模型，重中之重就是需要降低端侧SoC的成本和功耗。
    如果想在端侧普及大模型，就有几个注意事项：

    而贾扬清也表示目前大模型的发展跟前些年的CNN模型一模一样，先变大再变小变高效。
    其实大模型和小模型各有各的作用，先通过大模型训练出需要实现的功能，然后将大模型精简，精简成更高效的小模型，这样才能使这个模型更加普及，更加广泛的被应用。
    当然目前的LLM也不是全是优点。主要有以下问题：

多模态模型‌ 多模态大模型如何改变我们的生活？

零基础如何学习大模型 AI

领取方式在文末

为什么要学习大模型？

学习大模型课程的重要性在于它能够极大地促进个人在人工智能领域的专业发展。大模型技术，如自然语言处理和图像识别，正在推动着人工智能的新发展阶段。通过学习大模型课程，可以掌握设计和实现基于大模型的应用系统所需的基本原理和技术，从而提升自己在数据处理、分析和决策制定方面的能力。此外，大模型技术在多个行业中的应用日益增加，掌握这一技术将有助于提高就业竞争力，并为未来的创新创业提供坚实的基础。

大模型典型应用场景

①AI+教育：智能教学助手和自动评分系统使个性化教育成为可能。通过AI分析学生的学习数据，提供量身定制的学习方案，提高学习效果。

②AI+医疗：智能诊断系统和个性化医疗方案让医疗服务更加精准高效。AI可以分析医学影像，辅助医生进行早期诊断，同时根据患者数据制定个性化治疗方案。

③AI+金融：智能投顾和风险管理系统帮助投资者做出更明智的决策，并实时监控金融市场，识别潜在风险。

④AI+制造：智能制造和自动化工厂提高了生产效率和质量。通过AI技术，工厂可以实现设备预测性维护，减少停机时间。

⑤AI+零售：智能推荐系统和库存管理优化了用户体验和运营成本。AI可以分析用户行为，提供个性化商品推荐，同时优化库存，减少浪费。

⑥AI+交通：自动驾驶和智能交通管理提升了交通安全和效率。AI技术可以实现车辆自动驾驶，并优化交通信号控制，减少拥堵。

这些案例表明，学习大模型课程不仅能够提升个人技能，还能为企业带来实际效益，推动行业创新发展。

学习资料领取

如果你对大模型感兴趣，可以看看我整合并且整理成了一份AI大模型资料包，需要的小伙伴文末免费领取哦，无偿分享！！！

vx扫描下方二维码即可

加上后会一个个给大家发