苹果 AI 及国产大模型之争:悬念不再?

news2024/10/17 21:07:08

AI基本盘,牢牢把握在苹果手里

苹果终于公布了最新的AI进程。

一个月前,正如此前预期的那样,人工智能是今年 WWDC 发布会的焦点。全程105分钟的主题演讲,就有40多分钟用于介绍苹果的AI成果。

苹果似乎还有意玩了一把“谐音梗”,重新定义AI为“Apple Intelligence”。

但不管怎么说,此次苹果AI的亮相着实是为市场解答了不少疑惑。

此前,就有消息传出,苹果手机或许会因为接入系统的AI大模型不同,而出现国内市场和海外市场区分的两个版本。更有甚者,网上还有人称国内版本为“阉割版”。
在这里插入图片描述

真的是这样?答案或许并非如此。

01

AI基本盘,

牢牢把握在苹果手里

Apple Intelligence(苹果智能)简称AI,这样的说法对于苹果而言并非“谐音梗”,而是其对AI功能的理解和设计有着自己的一套逻辑。

在介绍Apple Intelligence时,库克就特别强调他们想要打造的,是超越「人工智能」(Artificial Intelligence)的「个人智能」(Personal Intelligence)。

什么意思?我们从过去苹果的常规设定中可以推断出,苹果AI大概率会和其自身的系统以及系统内的应用、生态高度协同,来充分满足苹果用户的智能需求。比如,对Siri、FaceTime、iMessage、Apple Pay、iCloud等苹果服务深度集成,以提供无缝的跨设备AI体验。

简单来说,苹果AI想要实现的是系统级应用的优势。

从目前的公布的信息我们可以看到一些应用雏形。像AI图像,苹果AI预期的不仅仅只是用提示词来生成图像,更是能基于用户的实际体验和个性化需求来创造与用户个人生活和兴趣紧密相关的图像内容。

类似现在苹果手机内的“照片回忆”功能,苹果试图在为用户提供简要的AI视频剪辑服务,但前提是开放用户的照片库,让苹果系统反复识别照片内容,才能剪辑出不同主题的视频内容。

苹果照片回忆功能

想要达到这样甚至是更好的服务和效果,苹果AI就必然要具备系统级的能力。由此,苹果AI背后的大模型就大概率将采用自研方案。

从苹果公布的大模型技术文档来看,其确实是在自研大模型。据介绍,苹果的设备端将采用一个30亿参数的小模型,负责本地计算和数据处理,同时保证对用户的个人习惯、个人数据进行学习训练,从而提供更贴心、个性化的服务。

而到了云端,苹果尚未公布其自研的云端大模型参数,但据说其性能与GPT-4 Turbo相当。再者,就是对ChatGPT等第三方大模型产品的接入,也是事实,但并非唯一。

据苹果负责软件工程的高级副总裁Craig Federighi表示:苹果计划以后让用户选择自己喜欢的大模型,其中包括谷歌的Gemini等。

此外,苹果还发布了OpenELM,这是一组小尺寸的开源AI模型,专为在设备上运行而设计。这些模型的参数范围从2.7亿到30亿,旨在提高移动设备上的AI任务处理能力。

很显然,苹果已经具备了构建内部闭环的AI系统的能力,AI的基本盘始终牢牢地掌握在苹果手中。像ChatGPT等第三方大模型产品只是一剂调味料罢了。

02

“阉割版”苹果,

子虚乌有

从目前的情势来看,无论是OpenAI的ChatGPT还是百度的文心一言,都不足以影响苹果AI的基础功能。这些第三方大模型产品的定位,对于苹果而言,更像是App Store里的App。

或许源于地区的不同,对App的使用权限有所区别,但这并不能定义苹果的版本功能。就好比我们不能因为无法上“X”(即推特)而说现在的苹果手机是“阉割版”,同样的,第三方大模型产品也是如此。

“X”也好,ChatGPT也罢,如果这些产品无法在国内使用,那本身是产品的问题,而非渠道的“锅”。更何况,苹果自研的大模型从端侧到云端,已经相当全面,提供了一个相对完整的AI体验。

就目前的思路而言,接下来更多影响用户体验的是苹果对端侧小模型的整合与应用。根据苹果提出的优先考虑用户体验的理念,其更强调AI模型的定制化,类似于MoE模型的稀疏激活机制,通过多种小模型的调动和组合,更快去解决用户使用过程中的日常任务。

众所周知,大模型的参数规模更大,所需要的计算资源、存储空间、网络速率也更高,如果硬件条件、网络条件跟不上,很容易就会出现高延迟、丢包等问题,无法带来很好的AI体验。而小模型具有体积小、计算资源需求低、训练效率高等特点,正适合在智能手机等终端上运行。

如今,大模型领域兴起的MoE架构,也正对应苹果对智能手机从端侧到云端部署模型的思路。端则小模型的高效率、高适配是必然的,而大模型不管是苹果自研,还是国内外的第三方厂商介入都只是提供一个进阶的个性化体验,并不影响主体。

当然,经「智能相对论」体验发现,当我们真的去使用大模型产品的时候,国产大模型实际上也没有那么拉胯。相反,源于本土算力、中文语义理解以及与中文互联网的高度融合,国产大模型对于本土用户而言更具优势。

一方面是语言和文化的理解,AI大模型的应用更接近于对话形式。在体验过程中,「智能相对论」发现,用户个人的表达是非常随意的,可以说并不那么规范,因此国产大模型在理解用户语义上有着更明显的优势,从而更准确的回应用户需求。

另一方面是数据资源的获取问题。AI大模型是不断进化,特别是在用户的使用过程中会不断获取新数据来进行训练、学习,最终呈现出一个更理想的状态。在这方面,国产大模型背靠庞大的中文互联网和用户群体,能最大化获取本土数据用于学习和精进,而OpenAI、Google都有所限制,很难接入。

简单来说,关注大模型不能只看其在实验室的表现,更要看其在市场和行业实际场景中的应用空间和发展前景。

因此,苹果AI在国内接入百度文心一言等本土大模型,并不是一件坏事。对于本土用户而言,基于苹果和百度的联合共创,将可以获得更符合本土需求的服务和体验。

或许,我们没必要盯着OpenAI这样一个本来就难以体验到的产品来纠结苹果AI的选择。

03

写在最后

总的来说,苹果AI的基本盘是自研大模型支撑的,这一点毋庸置疑。

此外,国产大模型的表现在本土应用中也不差,这可以在接下来的时间内拭目以待。

苹果AI的任务不是把OpenAI的ChatGPT引入中国,而是基于自家的系统和生态打造出一个更高效、便捷、强大的AI系统,来为自家的用户提供进阶服务。

因此,相关有关“阉割版”的争议、大模型的争议并没有那么重要。正如苹果所透露的,第三方大模型产品的接入不是唯一,苹果会想办法让用户来选择自己喜欢的大模型。

未来,我们期待苹果的承诺兑现,让用户拥有选择的权利。

最后如果您也对AI大模型感兴趣想学习却苦于没有方向👀
小编给自己收藏整理好的学习资料分享出来给大家💖

在这里插入图片描述

👉AI大模型学习路线汇总👈

大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)
在这里插入图片描述

第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;

第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

👉如何学习AI大模型?👈

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
在这里插入图片描述

一、全套AGI大模型学习路线

AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
在这里插入图片描述

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
在这里插入图片描述

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
在这里插入图片描述

四、AI大模型商业化落地方案

在这里插入图片描述

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。
在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2217310.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

人脸识别-特征算法

文章目录 一、LBPH算法1.基本原理2.实现步骤3.代码实现 二、Eigenfaces算法1.特点2.代码实习 三、FisherFaces算法1.算法原理2.算法特点3.代码实现 四、总结 人脸识别特征识别器是数字信息发展中的一种生物特征识别技术,其核心在于通过特定的算法和技术手段&#xf…

跟李沐学AI—pytorch版本锚框代码解析

网上大佬的解释 https://fkjkkll.github.io/2021/11/23/%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8BSSD/?highlight%E9%94%9A%E6%A1%86 w torch.cat((size_tensor * torch.sqrt(ratio_tensor[0]),sizes[0] * torch.sqrt(ratio_tensor[1:])))\* in_height / in_widthh torch.cat((…

当贝投影双十一战报揭晓:天猫投影品类销量稳居首位

相比往年,2024年双11提前了10天,于10月14日正式拉开帷幕。其中,作为国内智能投影头部品牌之一的当贝投影,首战告捷,迎来开门红,战绩相当喜人! 根据当贝投影官方数据显示,10月至今当贝…

基于SpringBoot的在线视频教育平台的设计与实现(论文+源码)_kaic

摘 要 随着科学技术的飞速发展,各行各业都在努力与现代先进技术接轨,通过科技手段提高自身的优势;对于在线视频教育平台当然也不能排除在外,随着网络技术的不断成熟,带动了在线视频教育平台,它彻底改变了过…

vue 2.0 使用 html2canvas + jspdf +ant-design-vue 1.x + echarts + 高德地图 导出数据报告

思路&#xff1a; 1. 因为html转为图片再加入到PDF中 会导致截断&#xff0c;因此前端自定义分页添加 类 &#xff08;page&#xff09; 2. 通过page生成图片 在加入PDF中<template><div id"pdf-content"><div class"page first-page">&…

Jmeter接口测试企业级项目实战day2

1.JMeter接口关联 含义&#xff1a;把上一个接口的响应内容&#xff0c;作为下一个接口的请求参数 思路&#xff1a;通过变量来传递数据 步骤&#xff1a; 1.创建&#xff1a;上一个接口&#xff0c;添加【后置处理器】&#xff1a;提取数据创建变量 2.使用&am…

项目分析:自然语言处理(语言情感分析)

在这个信息爆炸的时代&#xff0c;我们每天都在与海量的文本数据打交道。从社交媒体上的帖子、在线评论到新闻报道&#xff0c;文本信息无处不在。然而&#xff0c;这些文本不仅仅是文字的堆砌&#xff0c;它们背后蕴含着丰富的情感和观点。如何有效地理解和分析这些情感&#…

leetcode48:旋转矩阵

题目&#xff1a; 给定一个 n n 的二维矩阵 matrix 表示一个图像。请你将图像顺时针旋转 90 度。 你必须在 原地 旋转图像&#xff0c;这意味着你需要直接修改输入的二维矩阵。请不要 使用另一个矩阵来旋转图像。 示例 1&#xff1a; 输入&#xff1a;matrix [[1,2,3],[4,5…

昆仑虚 - NextJS 项目如何进行部署?

引言 NextJS 是一个构建于 NodeJS 之上的一个 Web 开发框架。它基于 React 特性进行了一些列的扩展!! 在社区中也很是火热, 前段时间 「昆仑虚」 也终于完成了项目的迁移(React > NexJS)!! 那么接下来就是项目部署, NextJS 相比常规的前端部署还是有所区别的: 常规的前端…

便捷实用的桌面时钟 让你随时掌握时间 美观且大气

便捷实用的桌面时钟 让你随时掌握时间 美观且大气。桌面时钟顾名思义就是可以放在桌面上的时钟&#xff0c;这是一款界面优美,功能实用,易于操作的桌面时钟工具芝麻时钟&#xff08;下载地址&#xff1a;https://clock.zhimasoft.cn/?bi&#xff09; 找个好看的桌面时钟&…

【R语言】随机森林+相关性热图组合图

数据概况文末有获取方式 随机森林部分 #调用R包 library(randomForest) library(rfPermute) library(ggplot2) library(psych) library(reshape2) library(patchwork) library(reshape2) library(RColorBrewer) ​ ​ #读取数据 df<-read.csv("F:\\EXCEL-元数据\\2020…

Spring Boot与JavaWeb协同:在线考试系统的实现“

1系统概述 1.1 研究背景 随着计算机技术的发展以及计算机网络的逐渐普及&#xff0c;互联网成为人们查找信息的重要场所&#xff0c;二十一世纪是信息的时代&#xff0c;所以信息的管理显得特别重要。因此&#xff0c;使用计算机来管理基于JavaWeb技术的在线考试系统设计与实现…

【02】Windows特殊权限-Trustedinstaller

知识点&#xff1a; “TrustedInstaller” 是 Windows 操作系统中的一个特殊账户&#xff0c;用于管理和保护重要的系统文件。它是 Windows 模块安装程序 (Windows Modules Installer) 的一部分&#xff0c;负责安装、修改和删除 Windows 更新和可选组件。默认情况下&#xff…

Power BI:链接数据库与动态数据展示案例

一、案例背景 在数据驱动的时代&#xff0c;如何高效、直观地展示和分析数据成为了企业决策和个人洞察的关键。Power BI作为一款强大的商业智能工具&#xff0c;凭借其强大的数据连接能力、丰富的可视化选项以及交互性和动态性&#xff0c;成为了众多企业和个人的首选。本文将…

C++/初识C++

目录 一、前言 二、正文 1C语言第一个程序&#xff1a; 1.1C的第一个程序&#xff1a; 2.命名空间 2.1 namespace的价值 2.2namespace的定义 2.3namespace的正常使用 3.C输出和输入 三、结言 一、前言 点来不及悼念C语言&#xff0c;接下来出场的是新的语言C。不同于C…

WebGL编程指南 - WebGL入门

初识绘图流程、缓冲区、着色器、attribute和uniform变量 先画一个蓝色的正方形 html代码&#xff1a; <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><meta http-equiv"X-UA-Compatible" content&…

iOS 18升级:避免常见陷阱,顺利完成升级

随着iOS 18的发布&#xff0c;许多用户都希望尽快体验到新系统带来的新功能和改进。然而&#xff0c;升级过程可能会因为准备工作不足或对步骤的不熟悉而变得复杂。本文旨在为用户提供一个清晰的升级指南&#xff0c;确保升级过程既平滑又安全。 升级前的准备工作 在开始升级之…

PCL 点云配准-ICP算法(精配准)

目录 一、概述 1.1原理 1.2实现步骤 1.3应用场景 二、代码实现 2.1关键函数 2.1.1 点云加载函数 2.1.2 ICP 配准函数 2.1.3 可视化函数 2.2完整代码 三、实现效果 PCL点云算法汇总及实战案例汇总的目录地址链接&#xff1a; PCL点云算法与项目实战案例汇总&#xf…

股票Tick数据如何获取做量化交易

【高频tick数据源】银河金融数据库 【tick高频回测策略】在利用股票Tick数据做量化交易时&#xff0c;一个关键的细节点是“实现高频交易中的市场冲击成本最小化”。细节点&#xff1a;市场冲击成本最小化策略 1. 策略原理市场冲击成本是指大额交易对市场价格造成的影响&#…

Linux驱动开发——设备树

文章目录 1 什么是设备树&#xff1f;2 DTS、DTB和DTC3 DTS语法3.1 dtsi头文件3.2 设备节点3.3 标准属性3.4 根节点compatible属性3.5 向节点追加或修改内容 4 创建小型模板设备树5 设备树在系统中的体现6 绑定信息文档7 设备树常用OF操作函数7.1 查找节点的OF函数7.2 查找父/子…