把3B端侧大模型装进手机，vivo还发布了适配手机的智能体丨最前线

作者丨邱晓芬

编辑丨苏建勋

10月10日，2024 vivo开发者大会（ODC）在深圳国际会展中心举办。此次，vivo秀出了他们在大模型上的全新进展。

最近两年的vivo开发者大会上，AI一直占据了最大的篇幅——vivo AI全球研究院院长周围向36氪在内的媒体表示，投入AI的6年来，vivo在AI方面的投入，累计超过230亿元。

在去年开发者大会上，vivo发布了自研十亿、百亿、千亿三个参数量级、由5款语言大模型组成的蓝心大模型矩阵。如果说，去年vivo在大模型上更追求“大而全”，经过一年的沉淀，vivo今年在AI上的战略，更追求AI落地、以及与实际场景的结合。

蓝心大模型矩阵

端侧大模型与手机场景天然匹配，是这次开发者大会AI部分的重点。此次，vivo发布了30亿参数量级的蓝心端侧大模型(下称“蓝心3B”)——而此前，手机厂商基本上在卷6B、7B参数量的模型。 

周围表示，过去行业对于大模型量级有着尺寸上限的执着追求。不过，过度追求端侧大参数并无意义，在手机有限的空间里，反而挤占内存和电量，也起不到什么作用。而vivo团队发现，3B的模型才是最适合手机端侧应用的参数量。

根据介绍，在对话写作、摘要总结、信息抽取等能力上，“蓝心3B”几乎可比肩行业7B-9B模型。vivo方面给出了一系列参数对比——相比蓝心7B，蓝心3B性能提升了300%、功耗优化达46%、内存占用仅1.4GB。

不过，vivo的“蓝心大模型矩阵”不仅仅只有端侧大模型，vivo此次也公布了他们其他类型的大模型（语音、图像、多模态）的升级。

比如，vivo如今全新的语言大模型，是基于千亿级的云端大模型，此次vivo重点优化了意图理解和任务规划能力，相比去年，整体能力提升30%；

vivo全新的蓝心语音大模型，则强化了准确理解自然语义，模拟人声的能力；

vivo的蓝心图像大模型，今年则着重强化了东方美学和中国特色；

蓝心多模态大模型，则升级了其视觉感知理解能力。

周围表示，目前云端大模型在手机上的调用，成本已经下降至“不到一分钱一次”。

降本，不仅仅源于云端成本下降，也由于vivo持续推进大规模端侧普及，“今年我们有十几个、数十个功能都端侧化了，以后可能闲聊、识别、决策、执行全部都端侧化了”。

截至目前，vivo的AI能力已覆盖全球60多个国家和地区，服务超过5亿手机用户，大模型token输出量超过了3万亿个。

不过，种种大模型升级，打好了底层技术设施，而要让用户感知到，还需要进一步产品化。在此次开发者大会上， vivo基于蓝心大模型技术，在手机上探索落地了“PhoneGPT”手机智能体。

PhoneGPT

从演示中，这一智能体重构了用户与手机的交互方式。比如，基于vivo的语音交互“蓝心小V”，用户可以对屏幕界面进行识别操作，直接接管音频进行自主对话，以完成用户交代的任务，例如帮助用户去订餐厅、订咖啡等等。

AI在手机上的实现，离不开强大操作系统的支撑，vivo也在以蓝心大模型为基础技术底座，探索AI与OS的深度融合。此次开发者大会上，vivo推出新一代操作系统“原系统5”（OriginOS 5）。

周围表示，操作系统的重构包括，重构完整的交互、数字服务体验。

在交互体验上，基于“原系统 5”，用户可以用一按一复制、一按一拖拽，满足用户的多任务需求。此外，系统还支持全新的语音，比如苗家、壮族的方言等等。

在重构数字服务体验方面，在蓝心多模态大模型技术的加持下，vivo全新推出小V圈搜功能。

据vivo方面介绍，在既有的文本搜索基础上，通过图像识别与圈选交互的结合，精准搜索对象，提供更便捷的“一圈即搜”。

原系统5还全新升级了“原子岛”功能，除通知功能外，“蓝心小V”的意图识别能力，可以分析、判断用户当前的需求，主动为用户提供后项服务。

end