根据市场调研&咨询公司 Counterpoint 的数据，2023 年第二季度（Q2），智能手机市场芯片从出货量维度看，高通在全球市场份额达到了 29%。由于旗舰产品第二代骁龙 8 大获成功，Q2 出货量环比增长 14.5%。由于高通近年来持续发力 AI 领域，销量的增长表明了市场对押注 AI 方向的认同。

高通从非智能手机时代到智能手机时代，一直在为手机研发芯片。以 ChatGPT 为代表的生成式 AI 走入公众视野后，一场无法避免的 AI 对手机的革命拉开大幕，作为手机 AI 应用的承载者——高通，成了这场变革里的重要玩家。

生成式 AI 将如何彻底改变人与手机的关系？

手机之于现代人而言，更像是一个“人造器官”而非工具。尤其在中国，手机集合了通讯、娱乐、支付、信息查询、政务、社保等等一系列功能。“出门忘带手机则寸步难行”这句颇有调侃意味的话，形容当下的中国尤为贴切。

诚然，近十年来智能手机的确取得了巨大的进步，比如 4G、5G 的普及让短视频成为手机生活的中心，各类基于手机的支付方式让手机真正成为“出门必备”。但手机功能的日渐丰富，也暴露出“创新的窘境”，因为手机在根本上并没有发生“人机交互方式”的革命。触屏、文字输入依然是主流，虽然近年来出现了语音交互，但效果并不让人满意。

生成式 AI 的出现，正在打破这一创新僵局。

不知道有多少手机用户在“网上冲浪”时，会感受到一种“麻烦”和“复杂”带来的无力感？当你在制订一个出行计划，就不得不在若干个手机 APP 之间切换，来回比对信息。“合适的航班”、“酒店的价格”、“景区的门票”、 “需要预约的餐厅”，当若干因素在时间和价格维度上开始耦合，手机就无能为力。或许这就是我们智能手机叫“smart phone”，而称人工智能为“Artificial Intelligence”，此智能为彼智能。那么，智能（smart）手机何时能成为真正的智能（Intelligence）手机呢？

在高通 CEO 安蒙（Cristiano Amon）看来，这种转变正在发生。安蒙是一位具有丰富技术背景的 CEO，曾经是一名电气工程师，而且是高通 4G 技术和 Snapdragon 芯片研发的关键人物，甚至对每个细节都非常了解。高通不仅为智能手机提供芯片等支持，还包括了部分笔记本电脑和 VR 头显设备等等各类智能终端，因此安蒙的观点相当具有洞见和前瞻性。

图｜高通公司 CEO 安蒙

生成式 AI 的出现让用户可以和 AI 使用自然语言进行交流。安蒙在媒体采访中提到了 ChatGPT：“例如，当用户进入 ChatGPT 输入查询，它会运行有数十亿参数的模型，由此而生成的每一个单词，也就是我们所说的 Token，都需要进行计算。比如说，我现在有了第一个单词，那么下一个单词可能是什么？ChatGPT 是一款了不起的产品，因为它，世界上的每个人开始了解生成式 AI。”

ChatGPT 的流行让生成式 AI 不再神秘，几乎成为了人人在 PC 电脑端可得的工具，但很少有人能意识到电脑端 AI 和移动端 AI 的区别，尤其是后者得天独厚的优势。进一步说，用安蒙的话阐述，“真正有趣的地方在于让生成式 AI 在智能手机本地运行，而不是云端”。

为何？

在移动端运行的 AI 比电脑更了解用户。用户的行为数据、位置数据，让 AI 能提供定制化服务，这些都是电脑不具备的，毕竟人们不会带着电脑到处去。此时，智能手机的使用方式将不再只是单一应用的操作和使用，而是由生成式 AI 完成与所有应用的协同工作。假设我们正在发短信。我说，“很高兴参加这次活动，我还遇到了另一个人。”如果之前我遇到这个人的时候和他拍了合影。那么，AI 就会在我提到这个人时给出提示，进入相册并识别出这张照片。

联想前文笔者列举的制定旅游行程的各种麻烦，目前理想的方式是告诉 AI 你的需求，它会进行全网搜索，给出航班、酒店、景区、餐厅的等等要素的合适搭配。

图｜完美的机器人：能够用母语交流，改变人机交互的方式（高通）

在安蒙的洞察中，还有一个关键信息——“本地”。为何是本地，而不是云端？或者说，不是 100% 的云端？这需要从在终端侧部署 AI 的逻辑说起。

在万物上云的时代，为何高通要强调“本地部署”？

终端侧，我们也叫“边缘侧”，指的是那些直接和用户产生交互的设备，比如手机、智能手表、智能家居、VR 头显等等。和终端侧相对的概念是云端，云端的优势是性能强大，而终端侧的特点是“复杂”，比如部署在汽车和手机上的 AI 应用看起来相似，开发起来有本质不同。

非常容易想到的一种部署方式，就是把所有终端侧 AI 应用的计算放到云端，减轻本地运算负担，甚至能降低本地芯片算力需求。这种设想是很好的，但不具备可信性。

首先，云计算带宽不足。在 AI 时代，计算量规模呈指数级别上升。ChatGPT 模型参数数量有近 2000 亿个，每次输入内容查询，调动的参数也会多达数十亿个，由此产生海量的数据，在一些特定场景，由于带宽限制，根本来不及处理。比如无人驾驶汽车，在高速公路上时，需要在毫秒级别内做出反应，即便云端算力足够，带宽也无法承载。

还有一个现实的例子更能说明这一点，波音 787 飞机每秒钟产生 5GB 数据，飞机和卫星之间的传输速度无法处理如此大的数据量。所以最好的搭配是本地+云端，AI 部署在本地，本地处理一部分需求（数据），再由云端处理另一部分，通力合作，满足用户需求。

当然，这并不是把 AI 在终端侧部署、计算的唯一原因。用户还在乎数据隐私问题，把个人数据放在云端，他们更倾向于放在本地。再就是稳定性，设想一下当回到自己家需要用人脸识别开门，但恰好遇到断网的时候。为了避免出现这种情况，一些 AI 应用必须也只能部署在本地。

图｜高通为 Meta Quest AR 头显等设备提供芯片（美联社）

因此，安蒙说“真正有趣的地方在于让生成式 AI 在智能手机本地运行，而不是云端”，其实表达了两个重要观点。一是移动端 AI 比云端 AI 具有更强的交互性，二是它需要本地和云端的结合。

生成式 AI 走入公众视野以来，高通在“终端侧部署 AI”的研发方面，取得了许多研发成果。2022 年 11 月 30 日 ChatGPT 发布，当大多数人还在后知后觉和不知不觉的时候，2023 年 2 月 23 日，高通成功在搭载了骁龙芯片的安卓手机上运行了 Stable Diffusion，这在全球是首次。这款应用也是后来家喻户晓的、自媒体人和设计师必备的“文字生成图片”神器。

这是了不起的一步，因为该应用模型具有 10 亿个参数，在此之前它只能在电脑端运行（其实是电脑端访问，云端运行）。

赋能上下游合作伙伴，推进 AI 在终端侧的部署是高通长期以来的策略，这种赋能不仅是硬件上的，也包括软件上的，甚至是针对 AI 源头开发者的。我们在上文提到，由于终端侧设备的多样性和复杂性，导致每一款应用针对每一类设备的部署都产生了“非标”的效应——类似开发一款定制化非标准件，以适应不同终端需求。

为了解决这一难题，避免重复开发，提升开发者效率从而让他们把更多精力放在更具创新性的工作上，2022 年 6 月，高通发布了 AI Stack。作为一款 AI 开发“全家桶”，该平台让 AI 开发者真正实现了“一次开发，多终端使用”。

良性的赋能，既要包括高端用户，也要覆盖普惠用户

高通在 AI 领域的优势并非短时间内建立，最早可以追溯到 2007 年。那时候，高通开始探索机器学习脉冲神经方法。10 年后，高通凭借一步一个脚印的扎实技术积累，于 2016 年推出了高通骁龙神经处理引擎工具包(Snapdragon Neural Processing Engine SDK)。

这让高通当年成为首家提供专为移动设备设计的深度学习工具包的 SoC 供应商。这一套开发工具允许原始设备制造商（OEM）在各种设备上，如智能手机、安全摄像头、汽车和无人机等搭载了骁龙 820 芯片的设备中，运行他们自己的神经网络模型，而无需连接到云端。这一创新使下游制造商能够个性化开发场景检测、文本识别、对象跟踪和回避、手势、人脸识别以及自然语言处理等功能。

每当提到 AI、芯片，都会让大众产生一种“高大上”的感觉。越来越快、越来越先进的芯片和越来越“无所不能”的 AI，是在距离普通人越来越远吗？一个合格的 AI 时代玩家，是不应该让普惠用户掉队的，它的产品应该能覆盖所有人。

推动 AI 大模型更广泛应用的第一步是确保更多人能够真正享受到 AI 的便利。继其首款专为生成式 AI 精心打造的旗舰移动平台第三代骁龙 8 之后，高通在 2023 年 11 月又紧跟着快速推出了第三代骁龙 7，将非旗舰移动平台上的卓越使用体验和 AI 支持带给更广泛的用户群体。这一举措明显可以将原本仅限于“旗舰专享”的终端侧 AI 服务推广，同时有望在实质上促使整个 AI 生态系统实现指数级增长。

这种指数级增长，将会打破手机行业目前的内卷状态。2023 年下半年，先是传出 OpenAI 将要进军硬件领域，开发基于 AI 的硬件设备。10 月份，搭载了谷歌 AI 模型的系列手机发布。各大手机厂商纷纷拥抱 AI 大模型，这无疑开辟出了一片蓝海。

高通 CEO 安蒙表示，“AI 发展势如破竹，这是我们所喜闻乐见的。为迎接这一刻的到来，我们早已准备多年。纵观智能手机领域，AI 的发展有望开启一轮全新的增长周期。”

生成式 AI 是一次千载难逢的机会。之于高通是，之于其他科技玩家也是，基于智能手机的新一轮创新浪潮已势不可挡，我们需要为此做好准备。生成式AI时代，一个合格的玩家应该做到什么？