文心大模型融入荣耀MagicOS!打造大模型“端云协同”创新样板

2024-03-26 11:59

本文主要是介绍文心大模型融入荣耀MagicOS!打造大模型“端云协同”创新样板,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2024年1月10日,在荣耀MagicOS 8.0发布会及开发者大会上,荣耀终端有限公司CEO赵明宣布了“百模生态计划”,并与百度集团执行副总裁、百度智能云事业群总裁沈抖共同宣布,百度智能云成为荣耀大模型生态战略合作伙伴。

沈抖在现场演讲中表示,“端云协同”是大模型到端侧应用的创新范式。端侧大模型更懂用户意图,云侧大模型擅长处理复杂问题,满足用户深层次需求,端侧、云侧能力互补、相互结合,将为用户带来卓越的体验。大模型将驱动移动应用二次爆发,不止现有的800万移动应用会基于大模型加速升级、重构,未来还将诞生更多全新的AI原生应用。

在这里插入图片描述
(百度集团执行副总裁、百度智能云事业群总裁沈抖)

文心大模型接入荣耀MagicOS百模生态计划

端云协同成大模型端侧应用新范式

大模型的竞争格局已逐渐从技术之争演变为应用落地和生态之争,让大模型进入千家万户才是真正价值所在。

在荣耀MagicOS8.0的发布会上,荣耀发布了“百模生态计划”,致力于携手合作伙伴共同打造端云协同的大模型服务“新生态”,荣耀将为百大模型提供入口,让云侧通用大模型和各种行业垂域大模型可以通过货架化方式融入到MagicOS中,端侧平台级AI大模型作为中控,理解用户意图,拆解编排任务,高效安全地连接云侧大模型,分发、融合、调度原子化服务,完成复杂任务闭环。

沈抖表示,“从2023年下半年开始,基础大模型的竞争就已经进入到优胜劣汰的阶段。今年再去卷基础大模型,已经没有意义。现在大家真正关心的,是怎么把大模型‘用起来’ 。大模型时代,真正给企业带来价值的,是使用大模型的深度和打磨AI原生应用的速度。

随着大模型落地不断深化,大模型到端侧应用成趋势。端侧应用是指大模型直接利用端侧芯片的算力生成结果。但动辄千百亿级参数的大模型所需的庞大算力、存储和能耗对端侧芯片提出了高要求,此外端侧用户对高性能、低时延、数据隐私等存在特别需求。因此,云侧部署的大模型加端侧应用的大模型是综合平衡性能、成本、功耗、隐私、速度之下的最佳选择。

百度智能云与荣耀一起在MagicOS上做了一次端、云协同的创新尝试。云侧通用大模型百度文心大模型赋能荣耀YOYO助理打造更专业的用户服务,带来本地化的文本创作、知识问答、生活建议等。此外,将云上的“文心大模型”与荣耀平台级端侧AI大模型“魔法大模型”相结合。

魔法大模型负责理解用户意图,在后台将用户的简单提示转化为更专业的提示,再由文心大模型提供知识问答、生活建议等专业服务。比如,当用户要求“帮我制定健康计划”时,魔法大模型会分析用户健康信息,自动生成具象化提示词,再调度文心大模型,生成更全面的个人定制健身计划。过程中,魔法大模型通过端侧防护网,滤掉敏感信息,并确保个人隐私不上云,守护安全。本次合作展现了终端厂商与云服务厂商的全新生态合作模式,也是荣耀与百度技术生态的完美契合。

沈抖表示,“端侧大模型更懂用户,可基于端侧对用户个人的学习深入理解用户意图,进而为用户带来个性化服务。云侧的基础大模型参数量更大,能力更广,能应对更复杂的问题。当用户在手机端提出一个需求,端侧模型能够准确理解其意图,并给出及时的、个性化的回应。用户如果需要了解更多,就会被引导到云侧的基础大模型,得到更深入、全面的解答。端侧、云侧能力互补、相互结合,为用户带来卓越的体验”。

在这里插入图片描述

800万移动应用将被大模型重构

2024年将是AI原生应用爆发元年

大模型也将为移动应用带来变革。

移动互联网时代有800多万移动应用,近几年移动应用的上架数量、下载量逐渐趋于平缓,但去年由大模型驱动的AI原生应用的兴起,拉开了新一轮增长势头。据统计,2023年生成式AI移动应用下载量翻了9倍,其中,AI聊天机器人增⻓了72倍。

在沈抖看来,大模型会是推动操作系统和移动应用进入下一个增长浪潮的关键力量,一定会带来移动应用的二次爆发。随着大模型使用门槛不断降低,不仅现有的800万移动应用会基于大模型加速升级、重构,未来还会有更多全新的“AI原生应用”诞生。

做重构应用的智能助手:
“Copilot for Building Copilots”

沈抖表示,做好一个AI原生应用,有两个关键步骤。

首先,做一个应用,找到合适的模型至关重要。文心大模型在理解、生成、推理和记忆等通用能力上很强,多数情况下,可以直接在千帆大模型平台调用它。在一些考虑个性化、行业知识和效率的场景,特定的专用模型会起到不可或缺的作用。未来,我们更多地会看到百度“文心大模型”这样的基础大模型和荣耀“魔法大模型”这样的平台级端侧AI大模型,还有一些基于大模型精调出来的专用模型搭配起来用,即“MoE”。专用模型融入了专业知识,更懂场景,它们负责处理特定领域的专业任务;基础大模型更智能,负责解决更全面、复杂的问题。

沈抖判断,未来会有数以百万计的专用模型。百度智能云千帆大模型平台上提供了一整套大模型开发的工具链,即千帆“ModelBuilder”,用户在上面就可以很经济、很简单地精调专用模型。目前千帆“ModelBuilder”已累计精调了10000个模型。

有了好的模型之后,下一步是开发AI原生应用。大模型正在重构移动应用的整个技术栈、数据流和业务流,这对AI原生应用的开发提出了新的挑战。百度智能云AI原生应用工作台千帆AppBuilder为开发者提供了更专业、更便捷的AI开发套件和资源环境,降低AI原生应用开发门槛。

沈抖判断,“2024年将会是中国AI原生应用爆发的元年。这些应用不仅仅是工具,它们会成为人们工作、生活上的智能助手,成为不可或缺的‘Copilot’。在这个过程中,千帆ModelBuilder和千帆AppBuilder会成为大家重构应用的‘智能助手’,也就是Copilot for Building Copilots,帮助大家为用户带来革命性的美好体验”。

据了解,百度智能云面向客户落地大模型的五类需求(异构算力、模型调用、模型精调、AI原生应用开发、选购AI原生应用),分别给出了业界最优的服务方案。

除模型和AI原生应用层面之外,百度智能云通过“百舸”异构计算平台为用户提供极致可靠和性价比的异构算力服务,目前“百舸”在大模型训练、推理各个纬度的评估指标上全部达到业界领先水平,能够在保障大模型训练、推理容错能力、稳定性的同时,助力客户大模型训、推效率飞升,加速业务智能化升级。

近期,百度智能云还宣布了,基于“云智一体”战略重构云计算服务,且已完成从底层基础设施—大模型开发与应用—AI原生应用开发的端到端升级重构。为促进AI原生应用生态的全面繁荣按下加速键。

“MagicOS是最具创新活力和影响力的移动应用生态之一,我相信,在大模型时代,它会为开发者提供更广阔的机会,为用户提供前所未有的智能体验,持续推动行业向前发展。百度智能云作为荣耀魔法大模型生态战略合作伙伴,会和荣耀一起,持续聚焦端、云大模型的深度融合,共同推动生态繁荣。”沈抖表示。

这篇关于文心大模型融入荣耀MagicOS!打造大模型“端云协同”创新样板的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/848441

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

深入探索协同过滤:从原理到推荐模块案例

文章目录 前言一、协同过滤1. 基于用户的协同过滤(UserCF)2. 基于物品的协同过滤(ItemCF)3. 相似度计算方法 二、相似度计算方法1. 欧氏距离2. 皮尔逊相关系数3. 杰卡德相似系数4. 余弦相似度 三、推荐模块案例1.基于文章的协同过滤推荐功能2.基于用户的协同过滤推荐功能 前言     在信息过载的时代,推荐系统成为连接用户与内容的桥梁。本文聚焦于

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

图神经网络模型介绍(1)

我们将图神经网络分为基于谱域的模型和基于空域的模型,并按照发展顺序详解每个类别中的重要模型。 1.1基于谱域的图神经网络         谱域上的图卷积在图学习迈向深度学习的发展历程中起到了关键的作用。本节主要介绍三个具有代表性的谱域图神经网络:谱图卷积网络、切比雪夫网络和图卷积网络。 (1)谱图卷积网络 卷积定理:函数卷积的傅里叶变换是函数傅里叶变换的乘积,即F{f*g}

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

AI Toolkit + H100 GPU,一小时内微调最新热门文生图模型 FLUX

上个月,FLUX 席卷了互联网,这并非没有原因。他们声称优于 DALLE 3、Ideogram 和 Stable Diffusion 3 等模型,而这一点已被证明是有依据的。随着越来越多的流行图像生成工具(如 Stable Diffusion Web UI Forge 和 ComyUI)开始支持这些模型,FLUX 在 Stable Diffusion 领域的扩展将会持续下去。 自 FLU

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者