AI-PC专家交流纪要–20231119

嘉宾：AIPC专家时间：2023年11月19日核心观点： 1、AIPC硬件侧影响不太大，目前国内的芯片能够支撑，主要还是软件侧，大语言模型的发展。 2、AIPC未来的方向是云化 3、AIPC销量不受AI手机影响，使用群体不一样一、专家介绍AIPC相关情况 2023年GPT从3.5进化到了4.0，目前为止人工智能的发展渗透式的改变每个人生活。目前，ChatGPT尚且处在以文本格式输出内容的阶段，很难去生成电影或视频类，是不具备端到端的生产技术内容的，需要把它放到某些平台上去做。 嘉宾：AIPC专家时间：2023年11月19日核心观点： 1、AIPC硬件侧影响不太大，目前国内的芯片能够支撑，主要还是软件侧，大语言模型的发展。 2、AIPC未来的方向是云化 3、AIPC销量不受AI手机影响，使用群体不一样一、专家介绍AIPC相关情况 2023年GPT从3.5进化到了4.0，目前为止人工智能的发展渗透式的改变每个人生活。目前，ChatGPT尚且处在以文本格式输出内容的阶段，很难去生成电影或视频类，是不具备端到端的生产技术内容的，需要把它放到某些平台上去做。AIGC是AIgeneratedcontent，相对更加的多元化，包含了很多文本、音频、图像、视频的生成，目前需要做的是把这几者之间的生成的能力去做多模态的应用。 AI字面意义是人工智能，对技术算法是具有智能的特性的。比如说会有一些弱的人工智能的场景，擅长单个场景的程序化的处理，意味着可以做一些可替代的、低成本、低难度的重复性的工作；还有一些强人工智能，可以在多个场景之间去进行功能处理和自我学习，如自然语言理解。针对AI能力，会去做一些GC的应用，是针对信息去进行创造性生产。首先是文本，文本类其实是目前用的最多的，如用PPT去做演讲稿的生成，或者说材料的搜索，都能很好的带来一些文字上的内容。第二个是音频，音频的从业者去做音频内容的加工创作。第三个是图像，图像分静态跟动态。目前业界还是静态的图像较多，一家对于做动态图像做得不错的国外公司，对于动态图像的理解可能是连环漫画、连环动画的形式。对于静态图像来说，其实从日常工作中或者日常的需求中，对于图片处理和及时图片的制作，还是有些需求。 关于PC，其实是在大语言模型下的非常热门的，能够应用LLM语言特性的一个领域。整体的应用领域如下，首先计算生物学可以去用LLM语言去做序列建模跟蛋白语言的模型的理解，然后编程就是做自动代码补全，或者低代码生成的模型。然后其他的创作的工作，包括知识的工作，可以利用LLM去生成长文本、剧本，体现编写能力。所具有的优点可能是之前的这些通过槽位生成的语言里所不具备的，会有更流畅、更为人性化的语言，更具有创造力，而且生成文本中会带着情绪，但是目前挑战在于会限制了整个创作作品的长度等。另外一个是知识问答，知识问答目前在科研、金融等知识领域的有应用，优点在专业的知识的问答池子里表现不错，会有比较专业的文档，去进行标注、语言理解，通过问答的形式反馈给提问者。缺点是可能定量的推理是比较弱的，信息是比较过时的，需要实时的更新知识库，比如三个月更新一下知识库。 另外，通用的领域如法律、医学，包括推理。推理更偏向于数学推理，并不是接到案件之后的逻辑推理，像数学推理和因果推理，这些部分算法上推理的任务是优于人类的，但是组合推理任务表现的是比较差。比如特定场景下的数学题或者实验案例，会告诉你在这个场景下结果是怎样的，这部分算法的推理上是优于人类，但是复杂推理、组合推理这一块，比如说今天通过监控，发现钱包被偷了，然后调一下过去72小时的监控能不能找到大概的范围在哪？这个任务能力就会比较差。 前面的领域，某种程度上或者说某些方面上会有比较不错的应用。但是对于AIPC来说，聊天机器人应该是非常重要的一环。聊天机器人的场景特性是通过某些对话问答的形式，然后来帮解决特定的问题，例如主要内容是ChatGPT的模型的应用于开放域，然后比如进行私域知识的标注。主要体现在售 前和售后。聊天机器人对于国内的AI厂商、PC厂商的意义是两点：整体的收益是一个是cost，一个是saving。对于cost的理解可以和saving挂钩，即聊天机器人在售后领域可以代替一部分人工客服的工作，这些人工客服的成本就等于被c省掉了。聊天机器人可以一次性被部署在多个时空的，即可以同时部署在对客户的渠道上。人工客服只能一对一或一对二，但是聊天机器人就可以一对1万、一对10万。第二个是它整体的revenue也会比较高，可以当做智能导购的概念，可以针对于产品的特性、优点，结合用户的需求点，做精准的推荐。 关于**资本投资的一些公司，目前是大部分都会将大模型集成在产品中，分享几个行业：首先热度比较高的，计算机行业的代码的自动补全，其实像southgrab、rapandG-hub这些代码然后包括数据科学的问题，都是可以被代码自动补全的。第二个是其实基于AI优先的原则去重新构想了整个工作流程。比如说单个任务的这些处理是AI优先的原则，只是涉及到复杂流程处理，包括说场景复杂化的处理的话是人工优先。所以目前是基于AI优先的原则去重新构架了整个工作流程。比较出名的是视觉艺术，比如Midjourney，可以自动的生成图片，能给需要的动态文案。另外像营销方面，销售联络中心、法律会计、pilot都有。聊天机器人其实目前市场也有成熟的企业产品的，本身就是一项对话能力，需要把ChatGPT或者微软Coplilot能力和知识都集成到企业端来进行赋能。不管是从企业客服也好，或者再到普通的员工之间的广泛应用，聊天机器人最后都会有意义、有价值的点。 第一个文本翻译，大语言模型比较简单的、最实际的应用之一就是翻译书面的文本，比如说用户可以向AI助手去输入一个当前语言的文本或当前使用范围的文本，然后可以要求翻译成另外一种语言。大语言模型可以根据不同语境、文本内容进行自适应反应，就可以更好地处理复杂的语言表达。同时，大语言模型不仅可以应用于传统的文本翻译，更多的以后的场景是在于语音翻译，包括实时翻译。第二个是AIGC，大语言模型的另外一个比较越来越常见的、更贴合日常工作生活的用途，是文本内容的创造。因为这些语言模型都可以按照用户想法去生成演讲稿、博客、长 篇短篇的文章，甚至生成故事摘要、脚本、调查问卷、社交媒体的帖子等一系列的书面内容。用户提供的想法越详细，其实模型输出的内容的质量其实就是越高的。但是如果其实很多用户出来这个东西比较粗糙，或者说想有一些精细化的方向，可以不使用大语言模型去生成这个内容，可以借助他们来帮助用户去进行构思。第三个是搜索内容，日常都用得到的。第四个是聊天机器人，目前已经有一些案例了，之前的麦肯锡的研究，国外有大概五六千名的客服人员的电商领域的公司，用了生成式AI之后，整体的聊天机器人给到的问题的解决率每个小时能提高14%，然后处理问题的时间大概能减少9%。对公司的用户来说，既缩小了获取人工支持以及问题解决的时间，对于企业来说，就会使这些重复性的知识变成了一个比较自动化的任务，减少企业的运营的成本。另外是市场调研之类，生成式的AI能够对大型数据进行总结、推理。企业进行市场调研分析，包括了解产品、服务、市场竞争对手的这个客户的这些有用工具，那其实大语言模型可以在中去做比较好的数据的收集分析工作，可以处理用户的文本输入，和用户的这些结合起来的数据集。不仅能给你结论，还可以做数据趋势的书面总结。二、交流与问答环节Q：前段时间联想AIPC产品发布会在产品设计方面，包括软硬件，有没有什么显著变化？ A：AIPC方向的，首先是要做大语言模型为底，然后把这个能力赋能到硬件上去，然后才能去对外进行产品形态售卖。 Q：AIPC在硬件上会增加一些什么样的芯片、模组呢？A：单纯的从芯片的角度，把某一个特别牛的芯片放在指定的硬件的这个设备里面去，并不能发挥这个硬件AI方面的属性。只是说这个硬件，是 多少纳米的，然后能提供多少的算力，但这个算力究竟用在什么样的这个场合下？适合用在什么样的系统中，其实更多的是软件去生成的，包括整个系统去控制。硬件只能保证说这个池子里有足够的鱼，然后够你吃，但是具体你想吃什么样的鱼，或者说用户想钓上什么样的鱼，这个并不能由硬件本身来决策的。 Q：本身肯定是软硬件都要配合，想了解在以大模型为基础下，硬件侧是否有看到芯片上的变化？A：目前国内的芯片已经从14纳米再往更精准、更高算力的方向去做，不管是国内哪个厂商也好说，未来的这个应用场景的芯片是够用的，只是说要精细到什么程度，觉得不是太大的问题。更考虑的是落地场景的问题，说到底不需要太多芯片也可以，因为数据、处理任务的能力并不在手机里或电脑里，这些数据和处理能力全都在系统里，就是都在云上。芯片不会成为阻碍人工智能发展的因素，只是在大语言模型训练或者标注的过程中会受到算力的影响，但是应用场景实际落地的时候不会受到芯片的影响。 Q：请问作为高端产品AIPC预期市场占领率，以及人工智能新时代下全球电脑行业的布局？A：所有的PC，都会去标配类似于私人管家的东西。可以理解为每个手机，不管是安卓还是苹果，都会有一个Siri，只要用微软系统里的都会有一个Copilot去做私人助理。这个私人助理的形式会帮忙处理各种各样的私人事务，帮安排各种各样的日程，会集合在整体的个人系统里面去。包括像小米一直在做的万物互联，其实这个系统整体也可以做互联。比如说有一个台式的PC，有一个笔记本TPC，有一个tablet，有一个手机，有一个手表，我这五个设备怎么能去完整的合并成一个服务链？其实这个也是助理需要去做的事情，就是它多端互通的话，对于整体的PC是有这样的影响。 Q：请问AIPC上云的话，AIPC做简单终端就可以了吗？A：刚刚讲的所有一系列的场景，其实都是比较好的方向。但是对于目前来说其实是比较美好的畅想，需要各种各样的前置的条件。只能说目前ChatGPT、Copilot提供了基础的能力，比如说是大语言模型的语言理解力以及语言输出的数据的能力。但是中间怎么把它应用到整体的这个终端上去，或者把它怎么应用到整体的服务的末端上去，是需要很大量的开发，包括这个中间的工作要做的。如果需要用这个大语言模型的能力，首先需要把这个能力集成到目前的这些系统应用上。然后需要把这些数据都打通，比如说怎么去拿到用户的数据，怎么把用户的数据注入怎么注入到模型里边去？第三个是对于这些数据、语言、文本怎么去标注？因为每个公司对于模型的预设是不太一样的，比如说我们公司更关注PC行业，那其他人可能更关注于其他行业，或者说更精细化的对于某些行业的模型会有不同的微调。其实微调的过程就是对数据标注的过程，中间数据标注会是一个大量且繁杂的工作。当然并不像说OpenAI，它自己本身开发大原模型的时候那么繁杂，因为有ChatGPT做底的，但是中间对于专业领域的知识部署到私人的服务器上，这一部分的工作是要做的。还需要去对这些标注去做打标和控制，这些全部都搭建完之后，才能够把这些东西全部都集成，或者赋能到你的硬件上或产品上去。所以场景比较多，然后各个行业目前对AI的热度也很高，怎么能够快速的基础能力转化成真正能产生价值、能产生效益的产品上去。 最近一个月已经有非常大的两次的技术的革新了。一个是ChatGPT4最新的版本，干掉了很多toC这些创业者，就是toCAI的这些创业者，有很多小的AI公司，它着重于toC这些场景其实是被拆分。昨天发布的Copilot，干掉了一部分的ToB的这些AI部分的创业者，协同办公提效的一些工具。之前有一些ToB的行业内的创业者在做，但是昨天Copilot的那个发布会一出来，基于微软平台的优势， 包括Windows系统加上office的这个优势，不需要做太多的成本上的变动，只需要把模型搞好，就可以干掉很多的ToB端的AI创业者。 Q：请问未来PC或平板厂商是否偏向与大模型厂商发布定制化硬件？A：有这个机会，对于厂商来说，或者对于有自己品牌的硬件的厂商来说。就是集成某些大语言模型的技术一定是私下的商业行为，除非说语言技术就