AI PC和AI手機出現(xiàn)的來龍去脈。

相信大家現(xiàn)在每天經(jīng)常可以在報章媒體上看到“AI PC”、“AI 手機” 這兩個詞吧？特別是財經(jīng)新聞，這幾個月時不時就可以看見哪一只股票又因是AI PC 概念股上揚之類。有的報道中甚至表示2024 年是“AI PC 元年”。

你會不會好奇，這些大廠或者是報章雜志整天在喊的AI PC、AI 手機， 到底是什么？他們跟一般的PC、手機，又差在哪邊？這篇文章就是要用最通俗的方式告訴你，AI PC、AI 手機，他們?yōu)槭裁磿霈F(xiàn)的來龍去脈，以及未來可能的發(fā)展方向。

顧名思義AI PC、AI 手機就是可以運行人工智能的PC 跟手機。但沒有這么簡單，不然現(xiàn)在就算是一臺配備普通中低端手機，不都可以通過app 或瀏覽器，用上ChatGPT、Bard 或是DALL-E、Midjourney 等AI 了嗎？

現(xiàn)在大家在喊的AI PC、AI 手機，最簡單的定義就是“不用連網(wǎng)，就可以在本機端運算AI 模型的PC/手機”。

相信就有的讀者會問了：“跑AI 模型？那不是有GPU/顯卡就可以跑了嗎？”理論上沒錯，其實有一張不錯的消費級顯卡，就很夠拿來跑許多一般中小型AI 模型了。

不過，這是不考慮一臺電腦效能功耗比的狀況下所得出的結(jié)論?，F(xiàn)在大廠們喊的AI PC、AI 手機，其實就是裝了NPU（神經(jīng)網(wǎng)絡(luò)處理器）的PC/手機。

這里跟不太熟的讀者們稍微科普一下：我們現(xiàn)在所熟悉的AI 模型，像是前面提到ChatGPT 或是DALL-E，背后通通都是“神經(jīng)網(wǎng)絡(luò)模型”所寫出來的，這是一種模仿人腦的系統(tǒng)，人腦中我們是使用神經(jīng)元接收、發(fā)送訊息，而在神經(jīng)網(wǎng)絡(luò)中，是使用數(shù)學(xué)上的模型來模仿這種行為。

NPU 就是專門拿來算神經(jīng)網(wǎng)絡(luò)模型的芯片，單一“塊”NPU 跟一塊GPU 的算力，當(dāng)然是GPU 強，但單一“塊”NPU 的成本、能耗又小又便宜，拿來跑AI模型的話可以好好分擔(dān)GPU 的工作量。

簡言之，就是Intel、AMD、高通以及聯(lián)發(fā)科這些大廠看準了未來AI 模型會走進每個人的電腦與手機里，紛紛推出了“CPU+GPU+NPU”的架構(gòu)，反正多多益善，何樂不為？但為什么會是“現(xiàn)在”2023-2024 之際，這些大廠才推出這種三層運算架構(gòu)的產(chǎn)品呢？

一言以蔽之：大型語言模型（LLM）。更精確的說，是Meta（Facebook）在消費市場上開了這扇大門。在ChatGPT 掀起生成式AI 的狂潮之后， 眾多科技大廠（特別是網(wǎng)絡(luò)跟軟件這端） 開始猛起直追， 紛紛加大投入大型語言模型研究。在這些大廠之中，Meta 比較特別，走了一條開源的路，把它的LLM“LLaMA”讓各機構(gòu)提出申請，以非商業(yè)授權(quán)使用。

不過說來也很崎嶇，LLaMA 沒幾天就意外外流，讓有意的使用者都能下載到使用，再過幾天事情快速發(fā)酵，陸續(xù)有人把容量比較小的LLaMA 裝在Mac、Google 手機Pixel，甚至還裝在Raspberry Pi 4 上，大家瞬間了解到就算技術(shù)上還有很多待突破的地方，但要把LLM 裝在終端裝置上，是可行的。也是從這一刻起，Meta 主動意識到大有可為，在隨后7 月發(fā)布新版Llama 2 第一時間就宣布已跟高通攜手，要把Llama 2 積極帶進智能手機、 PC 等終端裝置。

再說通俗一點：這波AI PC、AI 手機風(fēng)潮，是被Meta、高通有意帶動起來的。高通去年也憑借這股底氣，用Snapdragon X Elite 正式向蘋果、AMD、Intel 下戰(zhàn)帖，不然像AMD，也是早早就有Ryzen AI 擺在那邊。

不然NPU 說白了也不是全新玩意，像是蘋果很早就開始在用了，早在什么時候呢？早在2017 A11 Bionic，那還是iPhone 8 就有非圖形專用的神經(jīng)處理單位。然后蘋果不管是在手機、電腦，只要是自己研發(fā)的芯片，每年都越塞越多顆NPU，理論上來說他們才是AI PC、AI 手機的鼻祖。至于非消費者端的部分，Google 就更早了，早在2015 年Google 就開始偷偷把自己設(shè)計的TPU 用在數(shù)據(jù)中心。

那到底AI PC、AI 手機會是真主流，還是只是又一場泡沫？這是一個很難現(xiàn)在就用yes 或no 二分法回答的問題，其一是因為這個問題，其實已經(jīng)在2018 年“計算攝影”（也就是AI 優(yōu)化手機照相）時被問過一次了，事后證明NPU 確實被越來越多開發(fā)者重視，但消費端反而還沒那么（在表面）重視NPU 的表現(xiàn)。

但筆者認為，不妨從幾條軸線來觀察AI PC、AI 手機的發(fā)展：一是觀察LLM 的壓縮率跟硬體什么時候到達“甜蜜點”，像是手機存儲器的部分，普遍都需要24GB 以上才夠運行LLM（但現(xiàn)在的主流規(guī)格只有8~16GB）；軟件這邊去年已經(jīng)有非常多研究單位，在壓縮LLM 上有豐碩的成果（最著名的就是SpQR 法），就看雙方什么時候可以耦合。

二則是觀察開發(fā)框架的發(fā)展速度，像是蘋果最近就推出專為Apple Silicon 芯片進行優(yōu)化的深度學(xué)習(xí)框架“MLX”，經(jīng)開發(fā)者證實，MLX 在跑模型時已經(jīng)優(yōu)于自家的MPS，且跟用CUDA 的V100 PCIe 相比也不遜色。蘋果自家開發(fā)框架的表現(xiàn)相當(dāng)快速、優(yōu)異，至于一般PC 這里，就要看有沒有同樣出色的開發(fā)框架出現(xiàn)了。

審核編輯：劉清