混合式AI解鎖生成式AI的未來

本文敘述混合型是AI的未來第一部分：透過裝置上AI與混合式AI實現(xiàn)生成式AI的擴展。 隨著生成式人工智能（AI）的采用速度出現(xiàn)破紀錄的成長、以及運算需求增加，混合處理的重要性更不可同日而語。然而，如同傳統(tǒng)運算從大型主機和精簡型計算機發(fā)展到當前的云端和邊緣裝置混合一樣，AI處理也必須在云端和裝置間進行妥善的分配，才能擴展并充分發(fā)揮潛力。

混合的AI架構不是只在云端進行處理，而是在云端和邊緣裝置之間分配并協(xié)調AI工作負載。云端和邊緣裝置—智能型手機、汽車、個人計算機和物聯(lián)網裝置—共同合作，能提供更強大、高效和充分優(yōu)化的AI功能。

主要的動機是節(jié)省成本。以每一筆搜尋的成本為例，相較于傳統(tǒng)的搜尋方法，使用以生成式AI為基礎的搜尋成本估計會增加10倍—而這還只是生成式AI的眾多應用之一。

混合式AI將使生成式AI開發(fā)人員和供貨商能夠利用邊緣裝置中的運算能力來降低成本。此外，混合的AI架構（或僅在裝置上運行AI）在全球范圍提供效能、個人化、隱私和安全方面額外的優(yōu)勢。

這些架構可以有不同的卸除選項，根據模型和查詢復雜性等要素在云端和裝置間分配處理工作。例如，如果模型大小、提示（prompt）和生成長度小于特定閾值，并提供可接受的精確度，便能完全在裝置上運行推理。如果任務較為復雜，模型可以跨云端和裝置之間運行。

混合式AI甚至能讓裝置和云端同時運行模型—裝置運行模型的輕量版，而云端同時處理完整模型的多個代碼（token），并在需要時修正裝置答案。

 
圖二 : 在以裝置為中心的混合AI架構中，云端僅用于卸除裝置無法充分執(zhí)行的 AI 任務。

藉由邊緣裝置擴展生成式AI
隨著強大的生成式AI模型變得越來越小，裝置上的處理能力不斷提升，混合式AI的潛力也更進一步的成長。具有超過10億個參數(shù)的AI模型已經能在效能和精確度水平與云端相近的手機上運行；而在不久的將來，有100億個參數(shù)以上的模型預計也將能在裝置上運行。
混合的AI作法幾乎適用于所有生成式AI應用和裝置類型，包括手機、筆記本電腦、延展實境頭戴式裝置、汽車和物聯(lián)網。對于全球生成式AI的擴展以及滿足企業(yè)和消費者需求而言，這樣的作法相當關鍵。我們堅信，混合型就是AI的未來。

（本文作者為高通技術公司產品管理資深副總裁Ziad Asghar、高通技術公司工程部門副總裁Jilei Hou）