摘要: 11月7日,第九届中国国际进口博览会期间,普华永道AI主题日“模型供给侧的协同、共建与实践”圆桌对话在上海举行。北京面壁智能科技股份有限公司(以下简称“面壁智能”)商业化副总裁周树峰出席,围绕端侧智能的爆发原因、落地场景...
11 月 7 日,第九届中国国际进口博览会期间,普华永道 AI 主题日“模型供给侧的协同、共建与实践”圆桌对话在上海举行。北京面壁智能科技股份有限公司(以下简称“面壁智能”)商业化副总裁周树峰出席,围绕端侧智能的爆发原因、落地场景与量产路径分享了观点。
(面壁智能商业化副总裁周树峰出席圆桌对话) 以下,是周树峰在圆桌上分享的主要观点: 端侧智能在今年集中爆发,背后是模型和芯片的共同进步。2023 年面壁智能完成千亿参数大模型训练后,团队看到,继续扩大参数会同时受到算力和数据的制约;而算法与架构上的创新,可以在不增加参数的情况下把模型做高效、把智能提高。与此同时,芯片设计越来越重视 AI 计算,端侧算力明显提升。周树峰判断,端上能运行的模型,已经从过去的 3B 级稠密模型,升级到 35B 级的混合专家(MoE)模型。 智能座舱是端侧智能的典型应用场景。过去,座舱只能做疲劳检测等少数几项识别;如今,泛化能力更强的大模型能认出桥洞、隧道、收费站,发现儿童解开安全带、车内遗留物品等情况,不需要按钮和屏幕就能主动提供服务。这些能力要在车内本地完成:随车出厂的系统功能,必须可靠、稳定、响应快;舱内的感知和交互数据上传云侧有合规风险,个性化数据也更适合留在车里。周树峰判断,未来 6 到 12 个月,设备端有望出现能记住用户习惯的记忆系统,让终端成为真正了解用户的个人 AI。 开源让车企愿意尝试,量产上车则要靠深度适配。周树峰表示,面壁智能支持开源,没有开源,模型不会这么快走进各类设备;但开源模型不能直接装上车,需要把算法和芯片深度融合,让模型在车机上用更低的内存和功耗运行,还要为每个车型单独训练版本,满足不同车企的差异化需求。 在周树峰看来,端侧与云侧并非二选一。大多数任务并不需要调用最昂贵的模型,智能路由可以根据成本、效率和合规要求,把任务交给最合适的模型。面壁智能希望让 AI 更平权,也离用户更近,在每个人身边提供个性化、可靠、高效的智能服务。 中国商业网资讯门户;更多内容请关注中国商业网各频道、栏目资讯免责声明:凡本站注明 “来自:(非中国商业网)”的新闻稿件和图片作品,系本站转载自其它媒体,转载目的在于信息传递,并不代表本站赞同其观点和对其真实性负责 |
![]() 鲜花 |
![]() 握手 |
![]() 雷人 |
![]() 路过 |
![]() 鸡蛋 |
2021-09-02
2021-09-02
2021-09-02
2021-09-02
2021-09-02