大模型在設(shè)計領(lǐng)域進展迅速

“大模型加速產(chǎn)業(yè)進入全新智能時代，正成為推動科技創(chuàng)新、產(chǎn)業(yè)升級、生產(chǎn)力躍遷的重要驅(qū)動力量。”騰訊設(shè)計杰出專家、騰訊混元產(chǎn)品負責(zé)人陳妍妍近日談到。在她看來，從大模型的能力來看，各行業(yè)對大模型有著三大共性需求，包括內(nèi)容生成與創(chuàng)意設(shè)計、信息提煉與專業(yè)輔助、任務(wù)調(diào)度與智能交互及情感陪伴等。她認為，設(shè)計行業(yè)的應(yīng)用就是大模型落地的一個代表性的領(lǐng)域。從文生圖、文生視頻到文生3D，多模態(tài)探索是騰訊混元大模型等國產(chǎn)大模型的重要發(fā)展方向。大模型在設(shè)計領(lǐng)域的應(yīng)用進展十分迅速。騰訊的混元大模型在設(shè)計領(lǐng)域就展示了其強大的能力。

在文生圖方面，騰訊的混元大模型尤其注重本土化，能夠在很多應(yīng)用場景中利用中國的歷史和文化元素，這在國際市場上具有獨特的優(yōu)勢。同時，騰訊的混元大模型已經(jīng)深度應(yīng)用于B端和C端，如創(chuàng)意廣告、人像風(fēng)格化等領(lǐng)域。在文生視頻方面，騰訊的混元大模型已經(jīng)能夠?qū)崿F(xiàn)將視頻拉長的功能，從之前的4秒擴展到現(xiàn)在的16秒，這展示了其在視頻生成和處理方面的能力。

此外，該模型還可以進行圖生視頻、視頻生視頻等應(yīng)用，為設(shè)計領(lǐng)域提供了更多的可能性。雖然文生3D在現(xiàn)階段的應(yīng)用還不夠廣泛，但騰訊已經(jīng)提前進行了一些研究。這種技術(shù)生成的模型具有可編輯性，可以導(dǎo)入到3D編輯工具中進行重新調(diào)整，這為未來的3D人物應(yīng)用提供了基礎(chǔ)。從技術(shù)升級與開放方面來看，騰訊的混元大模型不斷進行技術(shù)升級，目前已擴展至萬億級參數(shù)規(guī)模。為了推動技術(shù)的發(fā)展和應(yīng)用，騰訊計劃將文生圖能力進行開源，這將有助于降低技術(shù)門檻，促進更多的開發(fā)者和藝術(shù)家利用大模型進行設(shè)計創(chuàng)作。

大模型落地端側(cè)成布局重要方向

過去一年多時間，大模型技術(shù)快速發(fā)展，其在端側(cè)的應(yīng)用落地也進展迅速。如在智能語音助手方面，大模型可以集成到智能語音助手中，使其能夠更好地理解和處理自然語言。這使得用戶可以通過語音與設(shè)備進行更自然和便捷的交互。智能語音助手已經(jīng)成為手機、智能家居設(shè)備等端側(cè)設(shè)備的標配功能，為用戶提供了更加智能化的服務(wù)體驗。在圖像識別與處理當(dāng)面，端側(cè)設(shè)備可以利用大模型進行圖像識別和處理。

例如，在移動設(shè)備上進行實時的人臉識別、物體識別或圖像增強等操作。這種技術(shù)已經(jīng)廣泛應(yīng)用于手機相機、安防監(jiān)控、自動駕駛等領(lǐng)域，為用戶提供了更加便捷和高效的圖像處理體驗。基于大模型的個性化推薦系統(tǒng)也可以在端側(cè)應(yīng)用中實現(xiàn)。通過分析用戶的興趣和行為，系統(tǒng)可以為用戶推薦符合其喜好的內(nèi)容、商品或服務(wù)。這種技術(shù)在電商、社交、新聞等領(lǐng)域得到了廣泛應(yīng)用，提高了用戶滿意度和轉(zhuǎn)化率。大模型還可以用于實時語音翻譯或文本翻譯，使得用戶能夠在不同語言之間進行無縫交流。這種技術(shù)在跨國交流、在線教育、旅游等領(lǐng)域具有廣泛應(yīng)用前景，為用戶提供了更加便捷的溝通方式。在硬件和計算技術(shù)方面，為了支持大模型在端側(cè)的應(yīng)用，出現(xiàn)了許多新的解決方案。

例如，使用邊緣計算技術(shù)將計算任務(wù)從中心服務(wù)器下沉到設(shè)備的邊緣，使設(shè)備能夠更快速地處理數(shù)據(jù)和計算任務(wù)。這有助于減輕端側(cè)設(shè)備的計算負擔(dān)和能源消耗，提高響應(yīng)速度和用戶體驗。此外，還有一些研究工作致力于優(yōu)化大模型的訓(xùn)練和推理過程。例如，使用增量學(xué)習(xí)、遷移學(xué)習(xí)等技術(shù)對大模型進行微調(diào)，使其更適合特定任務(wù)和場景。這些技術(shù)能夠降低模型的復(fù)雜度和參數(shù)數(shù)量，提高模型的精度和效率，從而更好地適應(yīng)端側(cè)設(shè)備的性能限制。當(dāng)然，大模型在端側(cè)的應(yīng)用也面臨一些挑戰(zhàn)，如在性能和精度平衡方面，端側(cè)設(shè)備通常具有有限的計算資源和存儲空間，無法直接運行大模型。因此，需要對大模型進行壓縮、剪枝、量化等技術(shù)處理，以減小模型的大小和計算復(fù)雜度，使其適應(yīng)端側(cè)設(shè)備的性能要求。

然而，這些技術(shù)處理可能會降低大模型的性能和精度。如何在保持模型精度的同時降低其復(fù)雜度和大小，是端側(cè)應(yīng)用面臨的一個重要問題。還有，端側(cè)設(shè)備的電池容量有限，長時間的模型推理會消耗大量的能源，縮短設(shè)備的續(xù)航時間。如何在保證模型性能的同時降低能源消耗，是另一個需要解決的問題。另外，與云端模型不同，端側(cè)模型的部署和升級更為復(fù)雜。一旦模型出現(xiàn)問題，不像云端那樣可以通過簡單的部署和代碼更新來解決。端側(cè)模型的維護和升級成本相對較高，需要更多的技術(shù)支持和人力投入。

如何推進大模型落地應(yīng)用已經(jīng)成為當(dāng)下重點關(guān)注的話題，如今，無論是終端公司、算法公司，還是芯片公司等都在積極為大模型在終端側(cè)的落地應(yīng)用而努力。從上文可以看到，雖然仍然存在一些挑戰(zhàn)，不過不難看出，大模型在斷側(cè)的應(yīng)用前景十分廣闊，相信隨著技術(shù)的不斷發(fā)展和應(yīng)用場景的不斷拓展，大模型將在端側(cè)應(yīng)用中發(fā)揮越來越重要的作用，為人們帶來更加智能化、便捷化和個性化的服務(wù)。