苹果找了一条新思路。
能装进口袋的AppleGPT，它可能比你想象得更早成为现实。
据科技媒体MacRumors报道，苹果公司的AI研究人员在近期发布的一篇研究论文里，提到一种创新的闪存技术，该技术可能是为了探索“在有限的内存中运行大语言模型”（论文地址：2312.11514.pdf (arxiv.org)）。
把AI大模型装进手机里，并不是什么稀奇的事情。自今年下半年起，国内手机厂商们纷纷透露自家大模型的消息，并表示未来的旗舰机型都会接入大模型。
不仅是手机，汽车、PC、平板甚至是学习机，都尝试将大模型嵌入其中。而这些大模型的规模也，从十亿级到百亿级，甚至千亿级。
不过发布会的演示虽多，实际测试下来真正惊艳的其实并不多。
例如一些所谓的手机大模型产品，无论是回答问题、生成一段文本或是图画，体验感都远远不及网页侧的GPT产品。
手机AI大模型，难在硬件早在ChatGPT诞生前，智能手机上的语音助手们，其实就已经拥有人机交互、实时语音交流等能力。例如Siri、小爱、小艺等产品，它们在用户与进行对话后，即可完成一些简单操作指令。
可只要问题稍微复杂一点，这些语音助手就会变成“人工智障”，无法理解用户的真实意图。
此外，这些语音助手的功能很单一，无论是专注做语音功能，还是打造成一款全能性的应用，使用反馈都很一般。
随着大模型产品的成熟，AI的效率得到进化，原本“不聪明”的语音助手们终于有望像ChatGPT回答复杂的问题，大大提高智能手机的可玩性——这本是手机厂商们急于落地AI大模型技术的初衷。
而从实际体验来看，手机大模型应用的体验感并没有想象中惊艳，各种功能都不及网页侧。
我们以小米大模型为例，在演讲中，雷军表示，小米的突破方向是轻量化和本地部署，也就是所谓“端侧大模型”。
而想要运行起来，还少不了本地处理器。
在小米发布自研大模型之前，高通推出了新一代移动平台骁龙8 Gen 3。该处理器除了提升各方面性能以外，最重要的是引入了全新的Hexagon NPU处理器，将AI总算力推到了73TOPS，支持终端侧AI及生成式AI性能。
按高通表示，新处理器在终端设备上首次实现了运行100亿参数的模型，并且针对70亿参数LLM每秒能够生成20个token——这意味着目前的各种主流LLM都可以在手机端正常运行。
但实际情况是，小米AI大模型MiLM推出了6B（64亿）参数，1.3B（13亿）参数两个版本，只有更小巧的1.3B参数版本被塞进手机。
在采访国内大模型初创公司智子引擎时，他们提出过一个思路——针对芯片硬件侧，不管是大模型的训练和推理，除了要考虑算力的问题外，还要关注数据处理的存储量的问题。
像 ChatGPT 和Claude 这样基于LLM的聊天机器人，其实非常耗费数据和内存，通常需要大量内存才能运行，这对于 iPhone 等内存容量有限的设备来说是一个挑战。
而在AI 模型不断膨胀的同时，内存厂商的增长却当前的需求，造成了“内存墙”问题。
因此在苹果AI研究人员的论文里，作者别出心裁地提出针对闪存进行改进，从而绕过限制，从而移动设备支持运行超出自身内存规模的模型。
至于解决方法，一个是Windowing （窗口化），通过重用先前激活的神经元来战略性地减少数据传输，
第二个是Row-Column Bundling（行列捆绑），根据闪存的顺序数据访问强度量身定制，增加了从闪存读取的数据块的大小。
由于这项技术还停留在论文层面，我们只能从轮数据上得到反馈。
数据显示，测试LLM的推理速度在Apple M1 Max CPU上提高了4-5倍，在GPU上提高了20-25倍，效果还是非常明显。
最后，论文作者总结到：“这一突破对于在资源有限的环境中部署先进的LLM尤为重要，扩大了它们的适用性和可访问性。
对于消费者来说，在解决了内存问题后，就花费更少体验更强的AI应用，手机厂商们也不用为模型参数犯愁。
当然，手机AI大模型面临的难题不仅是内存，还有老生常谈的“功耗问题”，这一点也是未来手机处理器厂商需要重点考虑的问题。
改做小模型，可行吗？在解决硬件问题之前，还有一些手机厂商采用云端大模型接入的方式。
虽然这种云端协同的方式可以让手机接入更大参数的大模型，但用户每一次使用应用时都会产生费用，而当国内所有用户使用大模型应用的话，一年下来也是一笔不少的开支。
因此在这两种路径外，一些AI公司开始探索起小模型（SLM）的潜力。
例如微软，目前在生成式AI战略上出现了180度大转变，推出多款小模型。
就在本月，微软发布了27亿参数规模的小语言模型Phi-2，经研究人员测试，该模型在参数规模小于130亿的模型中，展示了最先进性能。
以高质量的“小数据”挑战“大模型”，这是小模型的特点之一。除此以外，因为参数规模足够小，Phi-2可以在笔记本电脑、手机等移动设备上运行。
随着越来越多的厂商开始探索在手机等移动设备上部署大模型，微软的小模型产品可以用凭借更加出色的性能抢先占领移动市场。
除了微软以外，一些初创AI公司也选择从小模型入局。
例如号称欧洲版OpenAI的Mistral AI，他们推出的开源模型Mistral 7B，就是一款非常有特点的小模型，仅仅用7B模型就达到了大部分大模型的水平。
而他们其实更看到B端企业客户的需求，在保护企业的私有数据不被泄露和利用提前下，让小模型成为更实用的企业版方案，这也非常符合欧洲当地企业的特点。
不过总的来说，小模型与大模型算是两种不同类型的产品，都有各自的价值，不存在取代关系。
或许在未来的移动设备上，大模型和小模型都能有所作为。但就目前来看，“手机AI大模型”还要很多难题亟待解决。
