今年很多话题都绕不开人工智能,已经成为日常生活一部分的智能手机更是如此。
许多家厂商已经发布了搭载生成式AI的智能手机,可以通过本地算力支撑一些生成式AI模型的使用。
不过,对于“生成式AI手机”的定义,业内长期没有定论,MediaTek近期举办的天玑开发者大会2024(MDDC 2024)上,深入研讨了生成式AI技术为移动生态带来的变革与全新机遇,同时联合业界生态伙伴发布《生成式AI手机产业白皮书》,共同定义生成式AI手机。
《生成式AI手机产业白皮书》提出“生成式AI手机”的概念:生成式AI手机是利用大规模、预训练的生成式AI模型,实现多模态内容生成、情境感知,并具备不断增强的类人能力。生成式AI手机开启了智能手机发展的新周期,长远看,智能手机将会发展为移动智能体。
白皮书认为,生成式AI手机需要具备这些特征:
《生成式AI手机产业白皮书》详细地阐述了生成式AI与智能手机深度融合的趋势,深入探讨了生成式AI手机生态中芯片厂商、手机厂商、大模型厂商、开发者的AI战略,以及生成式AI手机的软硬件科技全景,并给出了Counterpoint对生成式AI手机发展的预测。受益于强大的移动计算平台,丰富的不同体量的模型矩阵,完整的配套工具链,以及产业各方积极的应用探索,生成式AI手机将在未来几年保持高速成长,生成式AI手机的存量规模将在2027年突破10亿大关,帮助实现生成式AI技术的普惠。
与此同时,MediaTek延续天玑旗舰的突破精神,还在会上发布了天玑9300+旗舰5G生成式AI移动芯片,以先进的全大核架构设计和生成式AI引擎带来更优异的旗舰体验。
MediaTek天玑9300+ 采用全大核CPU架构,八核CPU包含4个 Cortex-X4 超大核,最高频率可达3.4 GHz,以及 4 个主频为 2.0GHz 的 Cortex-A720 大核,为高端手机用户和游戏玩家提供卓越体验。此外,天玑9300+ 拥有强大的生成式AI能力,率先在端侧支持AI推测解码加速技术,同时支持天玑AI LoRA Fusion 2.0技术,提供更高效和个性化的生成式AI体验。此外,天玑9300+支持前沿主流的生成式AI大模型,可为用户提供文字、图像、音乐等端侧生成式 AI 多模态创新体验。同时,还支持AI框架ExecuTorch,可加速端侧生成式AI应用的开发进程。
天玑9300+搭载星速引擎自适应技术,显著降低游戏在高画质运行时的功耗表现,让满帧畅玩更持久。MediaTek星速引擎网络质量监测系统可实时监控游戏网络的连接质量,支持游戏更高效运用Wi-Fi、蜂窝网络并发技术,为在线游戏提供持久流畅的网络连接体验。
自 “天玑”品牌诞生以来,MediaTek持续通过大力投资技术与开放合作,构建了蓬勃向上的天玑移动生态。今天,先进的生成式AI正在改变移动产业,MediaTek始终坚信科技能够改善人类生活,并致力于以技术创新驱动产业共融、共创、共赢,将携手更多生态伙伴构建基于生成式AI应用的新时代。
会上,MediaTek联动天玑平台合作伙伴,共启“天玑AI先锋计划”;分享了生成式AI端侧部署的解决方案“天玑AI开发套件”以及全场景的创新应用。大会还展示了基于MediaTek星速引擎技术所构建的丰富游戏生态和先进体验。MediaTek天玑9300+旗舰5G生成式AI移动芯片也在大会上公布,以卓越的全大核架构设计和生成式AI能力,助力终端设备旗舰体验再升级。
MediaTek董事、总经理暨营运长陈冠州表示:“生成式AI彻底革新了终端应用的使用价值,智能终端是生成式AI普及的关键载体。MediaTek凭借在边缘计算领域的深厚功底和丰富经验,每年赋能20亿智能终端设备,在人机交互、生产力、娱乐体验等方面带来了前所未有的创新。通过天玑平台的优势,以及‘天玑AI先锋计划’,MediaTek将融合产业生态伙伴的力量,高效地赋能开发者,加速建构从云端到终端的AI新生态,推动生成式AI技术在智能终端上的应用普及,让更多用户享受到全新的高端生成式AI体验,加速万物AI时代的到来。”
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。