：重塑智能经济新形态”。面壁智能开源生态负责人、OpenBMB开源社区布道负责人井晨哲表示，实现智能革命最核心的逻辑并不是把计算越做越高效。
“我们最近在手机、汽车、AIPC等各个领域落地了非常多应用案例。”井晨哲谈道，长久以来，行业普遍信奉大模型“参数量越大、效果越好”，这是AGI底层发展的主流思路，但井晨哲对此提出不同看法。
他以计算机发展史作类比，IBM早年曾提出全球仅需五台大型主机就能满足全部计算需求，大型机多用于导弹轨道预测等复杂运算，但智能时代的普及载体却是手机、个人PC等终端设备，背后核心是摩尔定律——每隔18个月，芯片单位面积计算密度翻倍。
“实现过去信息革命最核心的逻辑并不是把越做越大，而是把越做越高效，计算越做越高效，这对智能革命的到来具有启示意义。”井晨哲谈道，面壁智能提出“知识密度”新概念，定义为单位模型参数量所能实现的智能水平。团队统计全球开源、闭源大模型数据后发现稳定行业规律。
“我们发现其实每隔3.3个月，实现相同智能所需要的模型的参数量就会减半，这告诉我们模型的参数量对应的模型的计算机，对应模型对芯片计算的需求量。”井晨哲透露，在他看来，摩尔定律持续生效、同等智能所需参数量持续下降，两条趋势相向而行，让高性能AI大规模下沉至小型终端芯片成为可能。大型智算中心造价高、能耗巨大，而每个人手中的手机、电脑蕴藏海量闲置算力。
井晨哲总结称，端侧智能具备隐私性、实时性、可靠性三大不可替代优势。实时性层面，端侧模型无需依赖网络即可本地运行，“只要你有电，它就可以参与计算，不需要去联网来服务你，其实在任何情况下它都可以7×24小时为你提供服务，能不断地通过更多你的隐私数据来理解你真实的用户需求”。
产业链层面，他谈道，端侧智能形成完整闭环，应用层覆盖智能、智能手机、新型智能硬件、具身智能，底层依托边缘推理芯片、全模态模型、推理框架打造终端大脑，实现硬件感知、决策、执行一体化。目前面壁智能已在上述四大赛道落地相关应用。
官方微信
官方微博
