AI手機(jī)，蘋果又走在了國(guó)產(chǎn)廠商前面？

來源|解碼Decode(ID：kankeji001)

今年的蘋果WWDC結(jié)束之后，盡管媒體的評(píng)價(jià)都是“沒有驚喜”，但作為頭號(hào)黑粉的羅永浩卻異常安靜，上一條“懟人”的微博還是今年一月怒斥榮耀抄襲。

反倒是馬斯克連發(fā)了7條推文 ，狂噴蘋果全面接入OpenAI的ChatGPT，他甚至到庫(kù)克的帖子下貼臉開大，說如果庫(kù)克不阻止這種令人毛骨悚然的植入型軟件，他將禁止蘋果設(shè)備進(jìn)入其公司，并貢獻(xiàn)了一張被科技圈廣為流傳的表情包。

雖然外界也好奇馬斯克為何如此暴躁，但主要的關(guān)注點(diǎn)還是在“沒有驚喜”的Apple Intelligence（蘋果智能）上。著名果鏈分析師郭明錤一邊給蘋果敲警鐘，一邊不忘提醒消費(fèi)者，稱AI可能會(huì)是蘋果區(qū)隔高低端機(jī)種的新標(biāo)簽。

WWDC發(fā)布會(huì)后，蘋果股價(jià)做了一圈過山車，先是發(fā)布當(dāng)天應(yīng)聲跌了2%，第二天又神奇般大漲7%。

從不滿到追捧，資本市場(chǎng)的態(tài)度在24小時(shí)內(nèi)發(fā)生了驚天反轉(zhuǎn)，是投資人誤會(huì)了庫(kù)克嗎？倒是原本樂見其成的國(guó)產(chǎn)廠商，仍在不遺余力制造蘋果落后的話題。

倒也不是國(guó)產(chǎn)廠商蹭熱度，主要在AI手機(jī)這件事上，之所以蘋果會(huì)被評(píng)價(jià)“沒有驚喜”，是因?yàn)橛幸徊糠窒M(fèi)者已經(jīng)用上了國(guó)產(chǎn)AI手機(jī)。換言之，WWDC上蘋果拿出來的那些東西，國(guó)產(chǎn)廠商都已經(jīng)教育一遍市場(chǎng)了。

那么問題來了，這一次蘋果還能走在國(guó)產(chǎn)廠商前面嗎？

1

AI手機(jī)行至第二階段

在討論先后的問題前，先來說說AI手機(jī)到哪個(gè)階段了。

廣泛層面上，AI手機(jī)被分為App化、功能化和原生化三個(gè)階段。簡(jiǎn)單來說，去年年初各種類chatGPT的App出現(xiàn)就是第一階段，而隨著OPPO、三星等廠商推出AI手機(jī)，第二階段也已到來。

這一階段的AI手機(jī)，如今年1月發(fā)布的OPPO Find X7 和三星Galaxy S24，帶有典型的AI功能化特征：支持通話摘要、AIGC消除以及AI語音助手等。

而且在AI手機(jī)的整體思路上，各家都趨于一致：將大模型的能力內(nèi)化到操作系統(tǒng)中，不再以顯眼的AI應(yīng)用呈現(xiàn)，而是進(jìn)一步落地到具體手機(jī)使用場(chǎng)景，最終目的是讓AI功能看似不存在卻又無處不在。

具體功能集中在以下幾類：

1 輸入法。將生成式AI集成到鍵盤軟件，提供風(fēng)格建議和智能重寫等功能。如三星Galaxy AI允許用戶以不同的風(fēng)格和情緒改寫句子，同時(shí)還提供拼寫和語法改正。

2 實(shí)時(shí)翻譯和轉(zhuǎn)錄。如三星Galaxy S24和華碩Zenfone 11 Ultra可利用設(shè)備端AI功能，實(shí)現(xiàn)通話實(shí)時(shí)翻譯。此外，S24的實(shí)時(shí)翻譯功能提供電話的實(shí)時(shí)轉(zhuǎn)錄，在屏幕上顯示文本以方便參考，Zenfone的AI Transcript可自動(dòng)將語音轉(zhuǎn)換為書面文本。

3 圖像內(nèi)容生成和編輯。如小米14和小米14Ultra引入了“AI人像”功能，允許用戶在手機(jī)上使用圖庫(kù)里自己的照片來做訓(xùn)練，訓(xùn)練完成后用戶只需輸入文本提示，即可在幾乎任何設(shè)置中生成逼真的AI自拍。OPPO Find X7 Ultra可實(shí)現(xiàn)AIGC橡皮擦功能，允許在離線狀態(tài)下，從照片中刪除不需要的物體或人物。

4 通過LLM實(shí)現(xiàn)AI驅(qū)動(dòng)的個(gè)性化功能。三星Galaxy S24可根據(jù)提示生成類似人類的文本能力，也可協(xié)助編寫郵件或文檔。OPPO Find X7 Ultra提供了上下文感知的多回合對(duì)話，也提供了虛擬助手。

5 生成式AI界面工具。榮耀的任意門功能允許用戶在應(yīng)用程序之間拖放文本或圖像等元素，AI預(yù)測(cè)用戶意圖并建議相關(guān)的應(yīng)用程序來共享內(nèi)容。

按照上述功能來看，蘋果之所以被評(píng)價(jià)“沒有驚喜”，也是因?yàn)樗闹饕δ茳c(diǎn)一樣落在了文本類、圖片類、語音轉(zhuǎn)錄、語義搜索和語音助手上。換言之，強(qiáng)如蘋果也仍停留在AI手機(jī)的第二階段。

不過，蘋果似乎故意弄了一套障眼法，沒有在發(fā)布會(huì)上公布自研大模型，加之“沒有驚喜”的Apple Intelligence，導(dǎo)致股價(jià)短暫震蕩。但在發(fā)布會(huì)后，蘋果又在一篇低調(diào)發(fā)表的技術(shù)博客中暗搓搓的介紹，端側(cè)模型和云模型都是自己開發(fā)的。

其中，端側(cè)模型是一個(gè)30億參數(shù)（3B）的小模型，云上模型具體參數(shù)蘋果沒有公布。3B級(jí)小模型和主流幾個(gè)7B級(jí)模型能力上蘋果都能基本勝出，而其云端模型則直接打到了GPT-4 Turbo級(jí)。

并且，也有分析認(rèn)為，即便蘋果實(shí)現(xiàn)的AI功能并不突出，但因?yàn)樗贏I功能落地方面能做的更好，所以仍舊具有一定優(yōu)勢(shì)。

以文生圖功能為例，一般用戶使用手機(jī)并沒有生圖需求，但是蘋果將此功能落到真正需求上：如顏表情GenEmoji、聊天message中配圖、iPad文檔處理草圖變精圖等，AI介入將這些功能變得真實(shí)有用，帶動(dòng)用戶需求。

而這還不是蘋果最大的野心。

2

從功能化到原生化

去年12月，騰訊發(fā)表了一篇題為《AppAgent: Multimodal Agents as Smartphone Users》的論文，直譯過來是“作為智能手機(jī)用戶的多模式代理”。里面介紹了一種新穎的基于LLM的多模態(tài)Agent框架，旨在操作智能手機(jī)應(yīng)用程序。

簡(jiǎn)單點(diǎn)說就是騰訊設(shè)計(jì)了一個(gè)框架，能使智能體模仿人類的點(diǎn)擊、滑動(dòng)等交互操作，從而達(dá)到控制手機(jī)的目的。關(guān)鍵是，這種方法無需訪問系統(tǒng)后端，也就是說它在不同App中有高度的適用性。

騰訊為AppAgent設(shè)定了三個(gè)核心功能：

1) 自主探索學(xué)習(xí)：智能體可以獨(dú)立地探索應(yīng)用程序，無需外部指導(dǎo)。

2) 觀察人類演示學(xué)習(xí)：智能體通過觀察用戶的操作演示來學(xué)習(xí)任務(wù)執(zhí)行。

3) 知識(shí)庫(kù)構(gòu)建：智能體通過上述學(xué)習(xí)過程積累經(jīng)驗(yàn)，構(gòu)建知識(shí)庫(kù)，用于跨應(yīng)用執(zhí)行復(fù)雜任務(wù)。

理論意義上，AppAgent是一個(gè)幫你操作所有App的應(yīng)用。類似于蘋果在發(fā)布會(huì)上的演示，用戶告訴Siri想去接機(jī)，Siri可調(diào)取郵件里的航班信息、查找最新航班資訊、調(diào)用地圖App形成路線，最終生成一份完整的建議。

將多模態(tài)能力用戶UI界面，通過理解UI來執(zhí)行智能體指令，或是AI手機(jī)從功能化邁向原生化的一個(gè)重要轉(zhuǎn)折標(biāo)志。蘋果發(fā)布的Ferret UI大模型，就意圖在操作系統(tǒng)層學(xué)習(xí)用戶使用習(xí)慣、并有望替代用戶執(zhí)行操作。

基于對(duì)UI的理解，配合端側(cè)智能體的任務(wù)規(guī)劃和分配能力，AI手機(jī)具備了可實(shí)現(xiàn)如下重大跨越的潛力：用戶使用自然語言下達(dá)指令，AI手機(jī)理解意圖并將其拆分為具體工作流，然后從UI層面模擬用戶操作以執(zhí)行指令。最終實(shí)現(xiàn)跨App的操作與復(fù)雜任務(wù)執(zhí)行。如此一個(gè)AI原生的手機(jī)操作系統(tǒng)的主要架構(gòu)就完成了。

舉例來說，當(dāng)用戶以自然語言向AI手機(jī)輸入指令“幫我買一張明天下午2點(diǎn)去北京的靠窗的火車票”，手機(jī)智能體先接受語音、做語義分析和意圖理解，然后進(jìn)行任務(wù)拆分，拆分為：打開12306 App、選擇搜索車票、選擇地址“北京”、選擇“明天下午2點(diǎn)”、選擇“靠窗”、選擇“乘客姓名”、點(diǎn)擊“購(gòu)買”；并通過UI類模型，解讀App上不同的UI界面，并模擬用戶點(diǎn)擊操作，實(shí)現(xiàn)整個(gè)流程。

這一系列操作是不是與蘋果在發(fā)布會(huì)上的演示很像，只不過蘋果現(xiàn)階段沒有使用智能體的稱呼，而是稱之為理解用戶情境，實(shí)現(xiàn)跨App操作。

類似的產(chǎn)品在今年MWC展上也出現(xiàn)了。Brain.ai的展示的基于App-less交互模式的概念手機(jī)T-Phone，用戶只需在對(duì)話框中輸入需求，即可得到快速響應(yīng)。T-Phone的核心概念是拋棄傳統(tǒng)的圍繞App設(shè)計(jì)的手機(jī)，轉(zhuǎn)而通過AI使用上下文預(yù)測(cè)來生成界面，幫助用戶完成任務(wù)。

國(guó)內(nèi)廠商中，榮耀在魔法OS上推出的任意門功能也是AI手機(jī)原生化的雛形。它允許用戶在應(yīng)用程序之間拖放文本或圖像等元素，雖然被羅永浩怒懟抄襲，但其核心能力是“AI預(yù)測(cè)用戶意圖并建議相關(guān)的App來共享內(nèi)容”。榮耀當(dāng)時(shí)宣稱，在推出時(shí)預(yù)計(jì)支持全球約100個(gè)最常用的應(yīng)用程序。

無論蘋果、騰訊、榮耀或者Brain.ai，這些公司希望最終達(dá)成的目標(biāo)是：

用戶只需要輸入想要獲得的服務(wù)（通過語音、文字等形式），手機(jī)會(huì)直接跳轉(zhuǎn)到服務(wù)頁(yè)面，或是由AI智能體直接完成用戶所需要的服務(wù)。

但基于AI智能體的多元、自然交互體驗(yàn)，必須要有足夠的甚至所有的功能和服務(wù)支撐。在此基礎(chǔ)上，AI智能體的交互才能從傳統(tǒng)GUI（Graphical User Interface）發(fā)展成VUI（Voice User Interface），最終升級(jí)為全新Agent（App-less）UI，意味著用戶與手機(jī)的交互將發(fā)生在AI智能體和用戶之間，弱化APP的存在感。

所以這一演進(jìn)預(yù)計(jì)不會(huì)一蹴而就，未來很長(zhǎng)一段時(shí)間內(nèi)，AI智能體與App會(huì)同時(shí)活躍在AI手機(jī)里。而且不僅手機(jī)廠商，頭部App也可能圍繞自己的業(yè)務(wù)生態(tài)打造專用AI智能體，例證就是騰訊發(fā)表的那篇論文。

3

尾聲

再回到文初我們提出的問題，在AI手機(jī)這件事上，蘋果是否還能領(lǐng)先。從表面看，蘋果似乎沒有突破已有AI手機(jī)特征，但有三點(diǎn)是非常值得關(guān)注的。

第一，蘋果利用Siri實(shí)現(xiàn)的跨App操作，已經(jīng)非常接近AI手機(jī)原生化階段的智能體了，目前國(guó)產(chǎn)品牌在這方面仍然落后；

第二，在第二階段的演進(jìn)上，蘋果仍保留著技術(shù)優(yōu)勢(shì)。比如在解決大模型手機(jī)內(nèi)存瓶頸的問題上，蘋果和國(guó)產(chǎn)品牌就選擇了不同的技術(shù)路線。

蘋果的思路是通過內(nèi)存優(yōu)化來解決小內(nèi)存運(yùn)營(yíng)大模型的問題，其構(gòu)建了一個(gè)以閃存為基礎(chǔ)的推理成本模型，并使用窗口化（Windowing）以及行列捆綁（Row-Column Bundling）兩項(xiàng)關(guān)鍵技術(shù)，來最小化數(shù)據(jù)傳輸并最大化閃存吞吐量。

簡(jiǎn)單來說，蘋果做到了讓8G內(nèi)存的iPhone 15 Pro跑通3B參數(shù)模型，而同樣是8G內(nèi)存的Pixel 8和8a，今年5月才跑通1.8B的Gemnini Nano。

相較之下，國(guó)產(chǎn)廠商之所能在12G內(nèi)存機(jī)型上跑通7B參數(shù)大模型，是因?yàn)檫x擇了壓縮路線。

如vivo和OPPO都已在端側(cè)跑通7B參數(shù)大模型，不過核心能力來自聯(lián)發(fā)科，借助后者的混合精度INT4量化技術(shù)和NeuroPilot Compression技術(shù)，能將130億參數(shù)LLM所需的內(nèi)存空間，從13GB減少到5GB。

榮耀在今年4月也宣布，基于自家平臺(tái)級(jí)AI壓縮技術(shù)，7B模型能在12GB內(nèi)存設(shè)備上快速啟動(dòng)。

總之，在AI手機(jī)這件事上的競(jìng)爭(zhēng)，已經(jīng)不再是有沒有大模型了，而是如何以更低成本提供更好服務(wù)。

第三，就是蘋果宣布開放AI SDK，這可能是被很多人忽略的一個(gè)重磅信息。

未來開發(fā)者可調(diào)用蘋果手機(jī)的AI SDK，基于用戶情境理解，完善第三方App的AI功能。作為目前用戶手機(jī)的主要使用場(chǎng)景，未來第三方應(yīng)用搭載AI能力后，AI手機(jī)的使用體驗(yàn)將得到增強(qiáng)。

但對(duì)于國(guó)產(chǎn)廠商來說，這可能是一件比較難的工作。所以，國(guó)產(chǎn)廠商的問題就變成了，雖然在想法和布局上領(lǐng)先了蘋果，但在技術(shù)和生態(tài)層面依舊要追趕，而這恰恰是蘋果難以被超越的護(hù)城河。

參考資料

[1] AppAgent：Multimodal Agents as Smartphone Users，騰訊團(tuán)隊(duì)

[2] 為什么有華為麒麟9000s，還需要聯(lián)發(fā)科9300S？極客視界

[3] 蘋果發(fā)布多模態(tài)模型Ferret-UI，部分手機(jī)UI任務(wù)超越GPT-4V，雷峰網(wǎng)leiphone

[4] 馬斯克全面禁用蘋果設(shè)備，隱私泄露賊喊捉賊？太平洋科技

[5] 股價(jià)暴漲7%！我們深挖了兩份低調(diào)公布的資料后，發(fā)現(xiàn)了蘋果AI的秘密，騰訊科技

[6] AI端側(cè)深度報(bào)告之AI手機(jī)，中銀國(guó)際

[7] 蘋果2024 WWDC點(diǎn)評(píng)，中銀國(guó)際

編者按：本文轉(zhuǎn)載自微信公眾號(hào)：解碼Decode(ID：kankeji001)