把大模型放进手机分几步？小米给出自己的答案！

有个脑筋急转弯说，把大象放进冰箱需要几步？

答：三步。

把冰箱门打开。

把大象放进去。

把冰箱门关上。

那么把大模型放进冰箱需要几步？

答：四步。

把冰箱门打开。

把大象取出来。

把大模型放进去。

把冰箱门关上。

那么把大模型放进手机需要几步？小米给出自己的答案！

我们知道AI大模型带来的变革影响无需多言，可以让每个人实现从不可能到可能。

你可以拥有一个专属的“私人医生”，提供健康咨询问答、辅助就诊前医疗决策；

你可以成为一个“烹饪大师”，为家人随时享受一份美食；

你可以随时出行，拥有一个“贴身翻译官”，与多国外语者进行流畅交谈；

你还可以变身“数字程序员”，根据自然语言描述的需求快速生成代码片段；

还可以成为“写作家”，通过AI大模型为你提供写作灵感、提升写作效率，让你的写作内容更精彩。

当然要实现这些智能体验，背后是大家熟知的AI三要素：算力、算法和数据。

当前谈到大模型，首先想到的是成百上千的GPU服务器组成的算力底座。但是也有产业人士在思考，如何通过轻量化、智能设备等单个算力来实现大模型带来的价值？

来源：小米

把大模型放进手机可不可行，很多业内人士提出质疑，认为运行大模型在手机上会面临多个挑战：

首先是算力挑战，手机的处理器（CPU）和图形处理器（GPU）的计算能力远远低于服务器级别的硬件。大模型通常需要大量的计算资源来进行预测和训练，以及超大内存来存储模型参数和中间计算结果。这样看来，手机的计算单元和内存单元的大小可能限制了大模型的运行。

其次是电池挑战，大模型的运行通常需要大量的计算资源和网络资源，手机那点电量如何支撑运算，如何通过稳定的网络连接实现对云服务进行训练和更新。即使在支撑，也是对手机电池的寿命造成大大影响。

第三是用户体验挑战，不仅模型的运行可能会占用大量的手机资源，会影响到其他应用的运行，同时大模型的效果是否能达到理想的效果也受到怀疑。

当然有挑战就有机遇，如果把大模型运行在手机上，那么在算力成本上、随时随地处理信息、无需考虑网络环境、交互体验等方面又能实现质的飞跃。因此在小米集团技术委员会AI实验室主任王斌看来，端侧大模型有其存在的必然性，也就是说把大模型跑在手机上其背后是用户需求再驱动。

基于这样的判断在8月份，小米也推出了自研13亿参数端侧大模型MiLM，真正实现了把大模型塞到放在手机里的。

王斌认为针对AI大模型领域的发展趋势和未来可能的形态来看，未来可能是一个混合体的状态，既有云端也有端侧，既有大模型，也有小模型。当前AI模型非常大，消耗的算力就会相应增加，这导致了模型的资源代价非常高。因此，未来的发展一定是大模型和小模型共存的状态，甚至还包括通用模型和专用模型的共存。

这样的混合状态将形成一个共同的生态，可以将用户体验做到极致。在这个混合状态中，有些任务适合在云端完成，有些任务则适合在端侧完成。为了实现这种共存状态，需要各种大小的模型去做不同的任务的策略。 因为除了通用能力之外，不同维度的小模型可能更适合于某一种任务。

以实时翻译为例，“比如说我们在做一些同传的时候，大家可以看到有一些产品其实它有一个延迟非常大的延迟，别人在讲上一句话的时候咱还不能翻译，等他讲到下一句话，这个才翻译出来，如果使用手机端的翻译功能，可以保证非常强的实时性，几乎可以做到同时翻译。” 王斌在《Whats next科技早知道》节目中分享到。

来源：小米官网

小米能第一时间推出端侧大模型，也是因为小米很早就布局AI领域的创新，早在2016年7月，AI视觉团队共有40多项算法落地手机和AloT设备，代表性算法包括HDR、超级夜景、万物追焦、文档OCR等。 到2017年9月，小米AI实验室涵盖视觉、语音、声学、NLP、机器学习、知识图谱、大模型等方向，每年向集团各业务输出300余项算法。2018年12月，AI 影像算法团队在小米与徕卡合作及多帧降噪、夜景、抓拍、人像等特性中提供30多项核心技术。通过技术创新荣获60余项专利。当2023年4月大模型团队成立，2023年8月，小米自研6B语言大模型MiLM-6B在权威中文评测榜单C-EVAL和CMMLU中位列同等参数规模大模型第一。

来源：小米官网

王斌还分享了小米端侧大模型的深层次原因，相对于Open AI、谷歌等AI能力非常强领头企业。小米的AI策略更加务实，一切从用户出发，考虑广大使用者的切实需求。在通用人工智能的发展过程中，小米可能会结合遥远的探索和务实的策略，以提高用户体验。 最后，作者补充说，通用人工智能的理解在专家和用户之间存在差异，对于学术界来说，通用人工智能的实现可能还很遥远，虽然现在的大模型已经出现了一些通用人工智能的曙光，但其挑战和难度仍然非常大。

我们看到，虽然当前大部分的大模型都运行在云端，然而，小米等手机厂商公司基于端侧的大模型也有其相对优势。一方面，这些公司拥有大量的设标准化的智能设备，这些设备的计算能力相对于过去已经有了指数级的提升。另一方面，大量调用云端算力会带来巨大的成本，同时还需要考虑到用户隐私和网络情况。因此，手机厂商会考虑将大部分能力移植到端侧，以提高用户体验并节省成本。 然而，这其中的挑战也非常大。大模型本身由于其庞大的规模，能体现出强大的通用能力。因此，如何在云端和端侧之间找到一个平衡，是一个需要解决的问题。

当然针对这些挑战，目前端侧大模型厂商在部署上也在采取了相关的策略，包括使用轻量级模型架构，实现了在设计时就考虑到了计算效率和模型大小。通过模型压缩技术，可以减小模型的大小，降低模型的计算需求，使其能够在手机上运行。

还可以结合分布式计算和边缘计算，将一部分计算任务放在边缘服务器上，以及将模型的计算任务分散到多个手机上，减轻单个设备的计算负担。

作为AI领域的实践者，要对AI的边界和其对产品和生活的改变有清晰的认识。当前AI在社会和工业界还未发挥出预想的能力，但是未来十年， AI是一个能够撬动整个社会变革的非常重要的力量。小米作为一个产品驱动的公司，产品迭代速度快，技术跟进也很快。AI对小米的帮助，不仅仅是锦上添花或者提高效率，而是作为基础设施，对整个公司的赋能是全面的。

“我可以很自信的说，我们在AI上的投入，以及我们在 AI上取得的一些成绩还是非常不错的，因为小米是一个对用户负责的公司，产品里面上了这是最好的技术，即使是我们自己的技术也要去和所有的第三方PK才能够真正进到我们的产品当中去。” 王斌最后表示。