生成式AI到底有多强大？
面对这个问题，可能不同人都会有不一样的看法。譬如作家、画师，或许就已经切实感受到了生成式AI对于自身的影响，而对于普通消费者来说，许多人可能只是模糊地觉得这是个挺“万能”的新技术，但对其真正的潜力则并无一个明确、可量化的认知。
就在最近举行的ChinaJoy AIGC大会期间，来自高通技术公司的副总裁兼产品、合作伙伴和技术市场全球负责人Mike Roberts，则给出了一份最新的观点。
根据他此次所展示的数据显示，生成式AI技术预计每年可带来2.6万亿到4.4万亿美元的经济效益，大约相当于2023年上海GDP的5倍。
生成式AI虽是未来，但也有不小的隐忧
但是在潜在收益巨大的同时，Mike Roberts还指出，如今生成式AI技术本身其实也有着不小的隐忧。
这些隐忧主要体现在生成式AI快速增长的需求，以及它目前尚不够先进的处理方式之间的矛盾上。根据预测显示，从2024年至2028年，生成式AI相关的token生成量将增长150 倍，云端推理需求将超过训练需求。而在当前的技术体系下，单次生成式AI搜索的推理成本大约是传统网络搜索的约10倍。
由此Mike Roberts也提出了警告，如果AIGC行业一直保持现有的处理方式，那么到了2023年，它所需消耗的电力将可能会达到全球总电能消耗的3.5%，相当于同期上海这样的城市一年用电量的35倍之多。
如何优化生成式AI的能效？高通提出了解决方案
很显然，我们无法拒绝生成式AI潜在的巨大经济效益，但也绝对不可能漠视它当下糟糕的能效比。那么，要如何才能让生成式AI更省电、更高效呢？
Mike Roberts指出，目前行业其实已经意识到了解决之道，那就是将部分生成式AI的工作负载从云端转移到低功耗的设备端，同时通过先进的互联网技术，实现云端和设备端更高的通信带宽和更低的延迟。最终这将帮助云端和设备端的算力实现协同工作，也就是实现“混合AI”的计算方式。根据预测显示，如果能将20%的工作负载从云上转至端侧，那么到了2028年，就能节约160亿美元左右的计算资源成本。
看到这里，可能有些朋友会产生疑问。为什么将生成式AI的计算负载从云端转到设备端，就能省电和节约成本呢，是因为设备端的计算架构更高效，还是别的原因呢？
一方面，从计算过程上来说，设备端生成式AI的最大好处，是它的信息处理流程短。数据从输入、机内处理到输出，免去了网络上传下载的过程（以及因此而来的能源消耗），同时也可以更好地保护用户隐私。
另一方面从计算方式上说，不同于云端生成式AI主要靠GPU集群进行单一架构的并行计算，高通作为早在15年前就已经开始发力移动端AI的先驱，如今更是在他们的骁龙平台上构建起了行业中少见、成熟的异构生成式AI计算体系。
在这一体系里，高通拥有行业内性能领先、专为生成式AI打造的神经网络处理器（NPU），与此同时，他们更拥有目前移动平台里极少见的自主架构Oryon CPU和Adreno GPU。与竞争对手所使用的公版方案相比，高通的“全自研”计算架构就意味着其CPU、GPU和NPU可以更好地进行性能与计算能力的互补，并在执行生成式AI任务时实现“异构协同”，共同加速设备的生成式AI速度，最终实现更高的能效比。
加速端侧AI落地，骁龙平台多维度进击
当然，无数行业的实践经历告诉我们，仅有先进的、自主的设计并不完全就意味着更好的最终效能。好在高通作为目前移动设备和移动生成式AI生态的领军企业，在端侧AI体验的最终落地方面提前做了不少“功课”。
比如在前段时间，高通刚刚联合微软以及诸多头部PC厂商，推出了20余款搭载骁龙X Elite和骁龙X Plus平台的产品。这些最新世代的“骁龙本”一方面优先得到了Windows 11 24H2系统的AI特性适配，支持包括实时翻译、实时转译、AI照片编辑、文本总结、写作辅助等丰富的AI功能。
另一方面，在高通与合作伙伴的共同努力下，最新的骁龙X系列PC平台的NPU也逐渐被越来越多的第三方软件接纳。在视频编辑、音乐制作，甚至3A游戏中，这一具备45TOPs算力的顶级PC NPU都可以发挥出它的加速作用。
与此同时，在更多消费者日常接触的智能手机上，来自骁龙移动平台所提供的端侧生成式AI能力，更是早已被终端厂商“玩出了花”。无论是三星Galaxy S24系列所提供的端侧通话实时翻译，还是OPPO Find X7 系列的端侧照片路人消除，亦或荣耀Magic6系列的端侧视频生成功能，都很生动地展示了骁龙移动平台如今在端侧生成式AI方面的强悍性能和功能灵活性。
不仅如此，根据Mike Roberts公布的相关信息显示，高通方面目前正在将自研Oryon CPU，以及更强大的端侧生成式AI性能引入未来的智能手机平台、车载平台，甚至是工业物联网设备。而借助高通AI软件栈这个统一的解决方案，所有不同用途、不同规格的骁龙平台都可以共享来自官方的高通AI模型增效工具包(AIMET)，从而大幅加快上述端侧异构生成式AI技术落地的速度，并为最终“混合AI”的降临做好准备。
友情提示
本站部分转载文章，皆来自互联网，仅供参考及分享，并不用于任何商业用途；版权归原作者所有，如涉及作品内容、版权和其他问题，请与本网联系，我们将在第一时间删除内容！
联系邮箱：1042463605@qq.com