数字经济

近两年，智能手机市场一直处于下行通道。来自多家机构发布的数据均显示，即便是去年四季度有所回暖，整年的数据仍旧是负增长。在换机周期已经增至51个月的当下，手机市场需要一个新的变量，去刺激一下这沉闷的行业。目前来看，AI是所有手机厂商公认的答案。 春节过后，多家国产手机品牌宣布“All in AI”，其中魅族显得更为激进，直言“停止传统’智能手机’新项目”，全面拥抱AI。未来的方向和别的手机厂商也有所不同，不是围绕手机做+AI，而是围绕AI去做新的平台、新的硬件。 2月29日，魅族借着魅族 21 PRO 的发布，进一步透露了“All in AI”战略规划的详细内容。值得一提的是，相比较AI手机的叫法，魅族将21 PRO定义为“开放式AI终端”，从这一定位也能看出魅族在AI时代的突围逻辑和方向。 “AI终端爆发的时间点我个人觉得应该在明年和后年”，在星纪魅族集团董事长兼CEO沈子瑜看来，经过两年的团队磨合、资源配置、产品布局以及相关技术的充分预研，魅族目前已具备向AI领域全面转型的能力。“魅族AI Device将改变硬件的形态，让用户感受到我们终端是不一样的，这才是价值所在。” 传统智能手机时代的“句号”，重回国内中高端前五目标不变 2023年，在星纪魅族集团成立之际，沈子瑜曾对钛媒体App透露，“三年重回全国中高端市场前五的位置并占据一席之地。”同时，对于魅族的产品线，沈子瑜也定下了基调，未来会专注在中高端市场进行深耕。 值得注意的是，作为魅族定义的传统智能手机时代的最后一款产品，在魅族21 PRO的发布会上，李楠和杨颜这两位元老“回归”，作为宣讲嘉宾，将很多魅友带回了那个闪耀的时代。 不过，消费市场，产品力才是核心。钛媒体App发现，作为一款旗舰机，魅族21 PRO在硬件上也是堆了不少料，但是在很多消费者看来，不同于友商着重发力的点，魅族更是在一些看似不起眼的地方下了大功夫。 对此，沈子瑜向钛媒体App解释道，“这就是魅族细节性的体现，在细节控制上友商和我们有较大的差距”。比如大面积超声波指纹识别，解锁面积从8mm*8mm提升至30mm*20mm，解锁面积比魅族20 PRO大出9倍，能带来更加便捷和舒适的交互体验，提升用户的使用效率。 作为回归后的品牌大使，李楠则给出了更高的评价，公开表示“魅族21 PRO就是一个价格更合理的苹果，或者是更有品味的小米，或者是系统更优雅，更强大，更接地气的三星”。 根据官方公开的数据，魅族21 PRO首销当天达成魅族20 PRO同期销量的166%，在京东以及天猫电商平台上，收获5000元价位段的销量和销售额双冠军。 交互体验是核心，要做AI时代的“树莓派” 作为传统智能手机时代的“句号”，魅族21 PRO还有一个新的定语—开放式AI终端。在魅族的定义中，魅族21 PRO是其踏入AI时代的开端，也是AI时代定位的体现。 “之所以21 PRO晚了四个月，就是因为我们要把FlymeOS AI的version做出来。” 其实，对于魅族转向AI的战略和态度，外界一直是比较吃惊。毕竟许多头部品牌的动作都相对保守，但魅族则显得很激进，甚至比当初从MP3转向智能手机时代更为激进。关于这一点，钛媒体App认为，主要核心还是两个，一是AI时代的变革不容迟疑，二是魅族要弯道超车，只能更彻底，而不是瞻前顾后。 IDC预计，2024年中国市场上搭载AI功能终端设备将超70%，AI终端占比将达55%。与此同时，2024年全球新一代AI手机的出货量将达到1.7亿部，约占智能手机整体出货量的15%。沈子瑜认为，AI终端爆发的时间点应该在明年和后年，未来十年AI终端也将会是用户的超级入口，整个交互体验需要有革命性创新。 根据魅族公布的“All in AI”战略来看，其核心包含三个方面：打造AI Device产品、重构Flyme系统和建设AI生态。其中，魅族AI Device包括产品形态AI原生设计、硬件算力AI全局调用等，重点在重构硬件的产品形态；Flyme系统将从底层重构系统及应用，从而让AI技术能够更深入地融入操作系统中；魅族还将重点建设AI生态，换句话说就是向OpenAI在内的众多国际顶级大模型团队全面开放魅族AI Device硬件。 AI浪潮下，交互方式正迎来根本性的变革，无论是硬件、系统还是生态未来围绕的都是交互。“我们终端公司解决的是人机交互体验，所以说交互体验决定了软件架构，决定了硬件和软件的系统包，以及决定了我们的服务接入”，沈子瑜说道。 交互的第一手是硬件，在他的设想中，AI Device的硬件形态是要一拿起来就让用户能够跟AI Agent去沟通，而不是去打开App。交流中，沈子瑜还透露，魅族 AI Device完全就会是硬件上的重构，从零开始，形态会发生变化。 确立了交互在AI时代的地位，Flyme自然就成为魅族AI化后的关键，这也是AI时代操作系统的基建能力。目前，AI能力已经在Flyme 10.5上有所展现，比如Flyme的Aicy语音助手等，更多的功能也在测试中。 作为魅族AI战略的决策者，沈子瑜也是进一步确认了Flyme的核心地位，“Flyme 一直是人机交互体验的领导者，现在Flyme要AI化，要把领先的体验和设计做出来，并且在AI上面做出我们的创新。” 为了打造AI系统新体验，除了魅族自身的投入肯定是不够的。开放合作是必做题，这也是魅族在宣布全面拥抱AI之前就想清楚的问题——做平台，定位开放式AI，做AI时代的“树莓派”，通过AI的能力把硬件的权限和能力赋予给服务商、用户。 在这个思路下，魅族将不仅对软件开发者开放，允许LLM向用户请求数据，并开放SOC边缘AI API等技术接口。还对所有大模型都提供了系统权限、Flyme API文档等支持，针对月活跃用户数最高的大模型应用团队还设立高达100万人民币的悬赏机制。 “因为是我们是硬件厂商，FlymeOS AI就是把硬件能力转化成软件能力给到HMI，叫操作系统化。同时，也要让第三方的AI Agent进来，就像你的助理，有的助理可能是文笔比较好，另外一个助理更擅长社交，每一个场景下都能够有最适合的那个助理。” 不过，钛媒体App认为，对于硬件厂商，如何把握开放权限的度是关键，主动权的把控会是一个不稳定因素，这需要和服务商去交涉，去谈判。毕竟，无论是传统智能手机时代，还是AI时代，用户是核心，平台和服务商之间的利益冲突不能损害用户的利益。 做减法和聚焦，还要做AI时代的“灯塔” 星纪魅族成立的这一年，中间有过多次调整。现如今，在AI战略下，魅族要做的是减法和聚焦，聚焦在以AI为核心的能力构建上。 按照规划，魅族将通过三年的生态布局和技术沉淀，逐步完成All in AI愿景。今年的重点是构建起AI时代操作系统的基建能力，并计划在今年美国黑色星期五期间，发布魅族首款AI Device产品。 沈子瑜表示，首款AI Device产品也是强调AI的交互能力，魅族要做的事是基于一个开放的底座，把整个生态的Agent接进来，这也意味着 FlymeOS AI化以后整个的工作量会比较大。“其实要做的就是把整个软件架构重构，交互体验也重构。” 不过，基于AI生态研发理念的转变并不是那么容易，AI Device和传统智能手机在屏幕、交互…

根据Canalys公布的最新数据，2023年第四季度，全球智能可穿戴设备（包括手环、智能手表）的出货量为4850万台，同比下跌3%，Canalys认为下滑主要受北美和西欧市场高通胀和需求疲软的影响。 而在全年出货量方面，结合Canalys此前公布的数据可计算得出，全球智能可穿戴腕上设备总出货量达到了1.845亿台，与2022年的1.828亿台相比，整体市场只是略有增长而已。 不过，作为一个市场规模已经达到452.55亿美元的成熟赛道，智能可穿戴设备的市场格局并没有像手机、PC那样固化。仅2023年，就能看到TOP5品牌中小米、华为、Fire Boltt的强势崛起，以及苹果、谷歌的市场衰退。 靠“低价”圈粉的小米与Fire Boltt 具体到品类分布上面，与2022年相比，智能手环的份额下降了3%、支持安装第三方应用的高端智能手表也遭遇了4%的份额下跌。 钛媒体App分析认为，从市场端的变化可以看出，当前用户对腕上智能设备的定位正逐步明确，功能性方面不再要求更强的扩展性，换句话说，就是不再指望智能手表能够代替手机。同时，由于智能手环屏幕尺寸、交互效率和功能覆盖的局限性，也开始吸引很多用户转向购买入门级或者中端的智能手表产品。 但大趋势的变化并不意味着智能手环彻底被用户所抛弃，比如Fire Boltt，可能很多国内用户压根没有听说过这一品牌，它是由Arnav Kishore、Aayushi Kishore于2015年创立的印度可穿戴产品品牌。 通过浏览其官网就能发现，产品线覆盖相当全面，在智能穿戴产品上，Fire Boltt将其分为了智能、女性、户外、轻奢等多个系列，并且也已经开始向外扩张覆盖TWS等新品类。从售价方面看，畅销款零售价格基本在10000卢比以内（约合人民币868元），通过享受分期等优惠，实际到手价格则在1500卢比左右（约合人民币130元）。 钛媒体App注意到，Fire Boltt畅销的几款产品都是屏幕尺寸稍微大一点的智能手环，功能基本只包括简单的运动监测、心率监测以及通知显示功能。如果将Fire Boltt的热销产品类比到大家更熟悉的小米身上，大概就相当于售价129元的Redmi手环2。 凭借低价优势，Fire Boltt在印度市场取得了27%的市场份额，并且单季度的市场占有率增幅达到了52%。同样是以性价比著称的小米，在印度市场的占有率则仅有1%。此外，也是靠着印度市场巨大的出货量，让Fire Boltt跻身智能穿戴品牌全球TOP5。 从Fire Boltt的成功也能看出，智能手环在当前的市场环境下依然有着属于自身的生存空间，尤其是对于像印度和南非这样智能穿戴产品处于加速渗透阶段并且对产品价格较为敏感的地区。 与Fire Boltt类似的是小米，尽管旗下也推出了售价1500元左右的智能手表产品，但市场主销和主推的依然是小米和Redmi的智能手环和基础款智能手表。Canalys的统计数据也说明了这一点，小米可穿戴产品的销售均价不到100美元，只比boAt、Noise这些单纯追求低价的品牌稍高。 钛媒体App分析认为，在如今的智能穿戴市场，“低价红利”仍然存在，除了上面提到的两个案例，同样以低价著称的传音就在非洲获得了42%的市场份额，增长率达到了夸张的331%。 下一步，智能手环和基础款的智能手表依然会是这几个品牌主要竞争的领地。从整体的市场格局来看，它们尽管有着出货量的优势，但对于苹果的市场领先地位并不会形成真正的威胁，尤其是当完成了初期的市场普及和市场教育后，没有足够多的中高端产品来承接用户体验升级的需求将会是影响持续扩张的隐患因素。 市场下滑、华为上桌，苹果还能“傲慢”多久？ 自2014年推出Apple Watch以来，凭借智能手机庞大的用户基数以及品牌影响力，苹果一直都占据着智能穿戴领域的头把交椅，并且前几代产品开辟的腕上智能交互、健康监测以及交互能力上的不断升级，也确实带动了行业的发展。 2021年，可以说是苹果Apple Watch的高光时刻，该年推出的Apple Watch Series 7直到3年后的今天依然是很多消费者购入Apple Watch时的最佳选择。但此时苹果的摆烂心态也开始被用户所感知，万年不变的模具、屏幕尺寸、羸弱的应用生态、高昂的价格再加上1天1充的鸡肋续航表现被越来越多用户吐槽。 2022年推出的Apple Watch Ultra虽然售价加倍，但在增加少量户外运动属性的同时，续航也仅仅提升到2天而已，并且与售价在同一区间的专业户外手表比如佳明的飞耐时、安夺系列相比，专业数据覆盖量、户外续航时长、配套软硬件生态都远远落后。 如果说Apple Watch的出现，让大家对戴在腕上的“智能终端”有了美好的憧憬并成为点燃市场的火星，那么如今Apple Watch最终沦为“手机配件”的现实，就是它衰落的原因。同样是手机配件，为什么要花一部中端智能手机的价格去买一块并不智能的智能手表呢？ 正因如此，苹果近两年的市场表现连连下跌，2023年第4季度，其市场下滑幅度达到了25%，在全球前五大市场中，苹果仅在美国和德国两个市场取得第一，并且同比下滑了24%和23%，其全球市场21%的销售份额，也使得第二、三名的小米和华为正不断缩小差距。 面对智能手表“不智能”的死穴，此时就有厂商开始思考，既然智能手表受限于屏幕尺寸、电池容量、性能释放等多种因素限制，没法最终进化为“腕上智能手机”，那只能挖掘作为穿戴产品的其他应用潜力，深挖“健康监测”便是其中一个方向。 实际上，苹果早在2018年就推出了全球首款支持ECG功能的智能手表Apple Watch Series 4，这款手表的ECG功能可以记录心电图，用于监测心率异常，这是智能穿戴设备在健康监测方面的一大进步。 只不过苹果对于身体健康监测的功能探索也就止步于此了，2019年，欧姆龙发布了一款支持在腕上测量血压的产品HeartGuide，不过这款产品并没有激起什么浪花，甚至很多人并不知道第一款腕上血压测量的产品是它。此外，华米也曾发布过使用光电传感器实现腕上血压测量的智能手表Amazfit GTR 3 Pro。 与这些或小众或依靠算法测量的产品相比，更为人熟知的首款支持腕上测量血压的产品则是华为于2021年底发布的WATCH D，通过在腕带上布置的微型气泵、气囊，使得它能够通过手腕测量血压，虽然产品的售价已经达到与Apple Watch相当的级别，但上市后依然获得了很高的关注度。 除了血压以外，血糖作为身体健康监测的另一个维度也开始受到厂商的关注。华为在旗下WATCH 4系列智能手表上推出了“高血糖风险评估研究”功能，不过该功能和直接测量血糖还是有一定的差异，其根据综合身体数据结合算法给出的评估结果，只是会生成高、中、低三类风险等级提示。 除了欧姆龙、华米、华为，OPPO旗下的智能手表也曾通过与颐健安血糖仪合作，实现了对连续血糖数据的评估。可以说，充分挖掘腕上设备在健康监测甚至作为医疗数据补充方面的应用潜力，已经成为各个厂商最有可能实现破局的方向。 也是凭借在健康属性上的加码，使得华为旗下的智能穿戴产品能够在定价上有更大的突破空间，华为2023年发布WATCH Ultimate系列，其定价已经与Apple Watch…

从2023年下半年开始，AI成为了消费电子行业的重要议题，各种产品如AI PC、AI手机、AI扫地机器人等纷纷涌现，似乎万物都在向AI化迈进。 作为行业领导者，苹果在这一年中展现出了相对低调和谨慎的态度。除了在最新的iOS系统中展示了一些「机器学习」的功能之外，苹果并没有过多地公开其在AI领域的进展。 然而，根据彭博社记者马克·古尔曼（Mark Gurman）的最新报道，苹果正在秘密研发AI眼镜和带有摄像头的AirPods。 图片来源：AI生成 事实上，自2024年起，越来越多的可穿戴智能设备开始进入人们的视线。例如，三星的Galaxy ring和AI Pin，尽管还未正式上市，但已经吸引了全球的关注。在CES上备受瞩目的Rabbit R1，其创始人吕骋也预测，未来的产品形态可能会是一个基于TWS形态的可穿戴智能设备。 所以，消费电子行业的下一个热点会是可穿戴智能设备吗？ 下一代终端设备，黎明不远？ 据彭博社马克·古尔曼爆料，苹果全新的智能眼镜将会比Apple Vision Pro更加便宜，产品形态类似Meta Ray-Bans智能眼镜，配有内置扬声器、摄像头、健康传感器和人工智能功能，用户可以在没有显示屏的情况下与之对话。 至于带有摄像头的AirPods，其在Apple的内部代号为B798。大小和现有AirPods几乎相同，加入了低功耗摄像头，可调用AI功能对用户的日常使用提供帮助。 身在XR行业的刘平告诉钛媒体App，如果苹果愿意，在现有Apple Vision Pro的基础上，砍掉对外显示眼部状态的显示屏就可以获得一个重量更轻、佩戴舒适度更好、价格也更便宜的眼镜产品。目前行业的相关供应链已经很是成熟，对于苹果这样的公司来说，做一个眼镜产品不是难事。 苹果的两款新品，一同指向了用于长时间佩戴、可以时刻保持在线的可穿戴智能设备，这种似乎并不新鲜，但也从未大红大紫的产品。 早在2012 年 ，Google I/O 大会上，Google Glass横空出世，被认为将会是定义未来十年科技走向的产品。 Google Glass可以显示天气、消息、电话等信息，也可以用来拍照、录视频、导航，或者唤起Google Assistant帮助你搜索内容。即便是在十年之后，这也不能说是落后的概念。 尽管Google Glass在技术上表现出其“先锋”的特点，但从实际应用中来看，它仍然存在一些显著的缺点：首先，尽管官方宣称其标准续航时间为6小时，但在实际使用中，特别是在频繁拍照和录像的情况下，其续航时间可能仅为2小时，而这正是Google为这款产品所强调的主要功能之一；其次，由于Google Glass配备了摄像头和麦克风，引发了隐私和社交隔阂问题，使得佩戴者周围的人可能会担心自己被未经许可地拍摄或录音，从而产生了警惕和不安的情绪。 受限于彼时的硬件算力、制程工艺、网络基础设施、社会接受程度，无论是Google Glass还是随后国内跟上的百度Eye，都没有取得成功。但时至今日，仍然有不少人记得这款产品，也算是帮助后来的一系列可穿戴智能设备在社会中建立了认知。 进入2024年，新形式的可穿戴智能设备在AI和算力的同步加持下，似乎开始了又一次的「攻势」。 图片来源：AI生成 在最近结束的MWC展会上，三星智能戒指Galaxy Ring首次公开展示。这款产品不仅具备健康追踪功能，如心率和睡眠监测，还会根据用户的身体状态给出评分。此外，Galaxy Ring还拥有与智能手机相似的非接触式支付功能。 三星方面透露，未来将通过其可穿戴设备，进行无创血糖监测和血压传感，而这将是一个巨大的进步。除了传感器需要突破外，三星方面也指出，可穿戴智能设备可以提供更深入的健康理解。 三星电子数字健康团队负责人Hon Pak表示，“想象一下，这个大型语言模型充当我的数字助理，同时查看我的医疗记录、生理数据、我与移动设备的互动情况。这将带来更多的洞察力和个性化的机会，人工智能助手可以在此期间提供帮助。” 除了苹果、三星这样的消费电子超级巨头外，很多厂商也嗅到了可穿戴智能设备的新机遇。 2023年11月，美国科技公司Humane发布了可穿戴智能设备——Ai Pin，以全新的人机交互理念和搭载GPT大模型等特点，快速在国外网络上获得广泛关注。 Ai Pin是一款无屏幕智能设备，完全依靠语音和手势来完成交互，以磁吸的形式佩戴在用户的衣服上，支持常规手机上的通话、音乐播放、拍照录像等功能。Ai Pin本体重量约34克，磁吸电池重量为20克，售价699美元，订阅费每月24美元，预计于2024年3月发货。 图片来源：Rabbit官方视频 2024年1月10日，前渡鸦科技创始人吕骋发布了Rabbit R1。这款产品具备交互式问答功能，在绑定Uber、Spotify等账号后，用户可以通过语音操作播放音乐、打车、订餐、规划旅行等。 Rabbit R1具备视觉识别功能，可以识别冰箱里的食物并为用户规划低热量晚餐。该产品利用自家的大型动作模型（LAM）学习并重复用户在PC端的操作。用户只需发出语音指令，Rabbit R1就能重复此前在PC端的功能。 虽然Rabbit R1并不是一款「可穿戴」设备，但从其设计理念上，一款「可移动」智能设备，也许就是可穿戴智能设备的试制品。吕骋在视频对话中曾表示，Rabbit R1是一款从软件角度出发而非硬件的产品。由于当前芯片和主板技术的限制，Rabbit R1的大小只能达到「半个iPhone Pro Max」的程度。 不过未来的Rabbit产品形态可能会更加小巧，可以集成在TWS耳机上，或者以智能手表的形式出现。「如果是一个像Airpods Max一样大的产品，我们早就能够做出来了」吕骋补充道。 钛媒体App根据Canalys此前公布的数据测算，全球智能可穿戴腕上设备总出货量达到了1.845亿台，相比2022年的1.828亿台，仍保持了增长态势。在全球消费电子普遍疲软的时间点上，可穿戴智能设备体现出足够的韧性。 算力与AI，产品背后的源动力 图片来源：AI生成 在越来越多在前台展示给公众的产品之外，可穿戴设备的迅速升温，离不开背后算力、人工智能和厂商用户学习能力的逐年提高。 目前，高通最新的可穿戴设备芯片是2022年发布的骁龙W5+，为可穿戴平台打造，采用4nm工艺，支持低功耗状态功能，即引入了深度睡眠和休眠这两个工作机制，让同样是300mAh电池的手表，在换装W5+后可以多使用15小时。钛媒体App从可穿戴智能设备厂商方面获悉，W5+的表现并不能让人满意。 曾在国内某大厂负责智能手表研发的李天告诉钛媒体App，在智能穿戴设备方面国内厂商其实不缺想法和方案，但往往会在芯片层面遇到天花板。 “国内厂商的高端智能产品用的基本都是高通的方案，虽然比不上苹果的芯片，但也是能买到的最好的选择。往往我们想做一个24小时standby的功能，最后到了产品层面，要不就是算力达不到要求，要不就是功耗过高影响续航，就只能放弃掉。考虑到无论是智能手表、智能手环、眼镜，都只有很小的空间容纳电池，因此导致产品的智能化水平一直维持在一个较低的水平。” 正因高通芯片的性能不佳，苹果和三星得以凭借在芯片领域长期积累的优势，在这场可穿戴智能设备的竞争中抢占先…

没声音，再好的戏也出不来。 图片来源：由无界AI生成 在提示框内输入“中世纪小号手”，打开音效开关键，点击生成视频，一个4秒的AI生成视频便跃然于屏幕上。人们不仅能看到一个身穿中世纪宫廷服饰乐手的画面，还能听到乐手吹小号的声音。 北京时间3月10日，硅谷一家AI初创公司Pika lab（以下简称Pika），推出自研视频生成模型的新功能，可同时生成画面和声音。此前，人们看到的所有AI生成的视频都没有声音。此功能尚未向公众开放，但足以让人见识到AI的进化之快。 今年2月16日，OpenAI发布文字生成视频的大模型Sora。根据简单几句提示，Sora便能准确“理解”文本，生成长达60秒的视频，引发全球关注。一些业内人士将Sora的问世称为视频生成领域的“ChatGPT 时刻”。当地时间3月8日，历经几个月的“宫斗”大戏后，OpenAI的创始人山姆·奥特曼重回董事会，继续推进公司实现通用人工智能（AGI）的使命。 Sora的横空出世到底意味着什么，我们距离AGI还有多远，AI的下一步将走向何方？  “大力出奇迹”的再次验证 发布Sora之前，OpenAI并未向外界透露入局文生视频的想法。直到今年年初，全球文字生成视频赛道的焦点，仍集中在Pika、Runway、Stability AI等初创企业身上。 去年11月底，Pika初代文生视频产品发布，用户输入关键词“马斯克穿着太空服，3D动画”，卡通版的马斯克随即出现，在他身后，美国太空探索技术公司（SpaceX）的火箭升入空中，视频只有三四秒，清晰度和流畅度已远超其他产品。彼时，Pika联合创始人孟晨琳接受采访时分析说，“为什么GPT没有用于视频，可能因为他们的资源、人力都集中到了文本模型上。” 两个多月后，Sora惊艳亮相。其技术负责人最新展示的视频中，输入“穿越博物馆的飞行之旅，沿途欣赏众多绘画、雕塑以及各式各样的美丽艺术作品”，AI便生成60秒的长视频，人们跟随镜头，从空中俯冲至博物馆内，在多个画廊、房间穿梭，还会从雕塑边擦身而过。 新加坡南洋理工大学计算机学院助理教授刘子纬对《中国新闻周刊》说，OpenAI入局文生视频赛道，并不令人意外。OpenAI始终标榜要实现通用AGI。“朝着AGI发展，AI不仅要‘读万卷书’，还要看到世界上的种种物理现象。OpenAI一定会在文本、图像、音频、视频等多模态领域发展。视频是发展多模态最重要的一步，包含了世界运转的基本规律。” Sora生成的视频效果仍令刘子纬感到震撼。刘子纬3年前便开始研究AI视频生成。相较文字和图片，AI视频生成的技术难度最大，对视频数据的分辨率、内容流畅度、一致性要求高，算力需求大。Sora之前，市面上的同类型产品，大多生成的视频清晰度不高，还会出现画面闪烁、人物变形的情况。Sora生成的视频能保持很好的三维一致性。生成的内容，比如水、云的运动，小鸟在林中飞翔等，主体与环境的交互能一定程度上展现物理世界的真实性。 OpenAI在其官网发布的Sora的技术报告中，强调了Diffusion Transformer（基于Transformer架构的扩散模型，以下简称DiT）的重要性，这是由两种模型合成的新模型。两种模型的“合璧”是Sora得以成为爆款的关键。Diffusion（扩散模型）是一种有效的内容生成模型，此前在图片生成领域已展现出强大能力，能生成逼真且高质量的图片。Transformer是GPT这类大语言模型的基础架构。ChatGPT能对答如流，便是因为这一架构能通过预测下一个token（文本的最小单元）出现的概率，更好捕捉上下文信息，生成更符合逻辑的文本。 清华大学智能产业研究院首席研究员聂再清对《中国新闻周刊》解释称，OpenAI进行视频数据训练的一大“秘籍”，就是将不同尺寸、分辨率的视频拆分成patch（视觉补丁，相当于token），然后直接输入模型学习。OpenAI官方介绍，Sora可以采样宽屏1920x1080p、垂直屏1080x1920p及介于两者间的所有视频。此外，OpenAI还为训练的视频集中生成字幕，可以提高文本保真度及视频的整体质量。 但业内共识是，DiT模型是个公开的秘密，底层技术上，Sora并没有创新。早在2022年年底，DiT就被提出。当时，美国加利福尼亚大学伯克利分校博士生威廉·皮布尔斯和纽约大学计算机学院助理教授谢赛宁联合发表论文，在文生图领域，创造性地将Transformer与Diffusion融合，一度引发学界轰动。刘子纬向《中国新闻周刊》介绍，去年起，国际上已有团队在探索利用DiT架构训练文生视频模型，包括其所在团队。“这是很自然的选择。” Sora官网发布的部分由文字生成的视频（截图） 彼时，文生视频模型有多条技术路径，但受限于算力和数据，DiT路径尚未走通，学术团队和创业公司难以全力投入。OpenAI选择了一条少有人走的路。在刘子纬看来，“Sora背后，与其说是模型的突破，不如说是OpenAI大模型系统设计的胜利”。大模型系统设计，涵盖训练数据的细节，OpenAI在算力、人才组织架构上的积累等。这些因素最为关键，但OpenAI在公开信息中几乎只字未提。 Sora复制了ChatGPT的成功经验，再次验证了“大力出奇迹”的暴力美学，以及OpenAI“遇事不决，扩大模型”核心价值观的可行性。在清华大学计算机系副教授、人工智能初创公司壁智能联合创始人刘知远看来，Sora像是AI视频生成的“GPT-3时刻”，它证明数据的价值，高质量、大规模的数据能训练出一个文生视频模型。 中国科学院深圳先进技术研究院数字所研究员董超长期研究底层机器视觉，目前，正与团队研发多模态模型。他向《中国新闻周刊》强调，选取哪些数据、如何筛选、如何标注，直接影响模型生成的效果。想要大模型生成高质量的视频，要求训练数据分辨率高，场景细节丰富，人、物、景占比协调等，如果一些场景转场太快，也要被剔除。 Pika联合创始人孟晨琳也提到，一些电影中有很多漂亮的视频，但如果大部分都是人站着说话，动作单一，也不是训练大模型的优质数据。此外，版权问题，也会影响企业收集到足够多高质量的视频。 在董超看来，数据背后，人才团队极为重要，“大模型的训练绝不是看上去那么简单，没有经验根本调不通，通常要团队里最优秀的人来做这件事。国外许多科技公司的顶尖AI人才，都会在一线亲自处理数据，写代码”。 据OpenAI官网介绍，Sora的核心团队共15人。公开资料显示，团队的成立时间尚未超过1年，三位研发负责人中，两人都是2023年从加利福尼亚大学伯克利分校博士毕业，其中一人便是前述DiT论文的作者之一威廉·皮布尔斯，另一位蒂姆·布鲁克斯曾在谷歌工作近两年，在伯克利读博期间，主要研究方向就是图片与视频生成。布鲁克斯和另外一位研发负责人阿迪亚·拉梅什都是OpenAI开发的文生图模型DALL-E 3的创造者。 从GPT-3、GPT-3.5再到GPT-4，OpenAI积累了丰富的大数据训练、生成与治理能力，这是支持Sora的“基础设施”。“Sora团队只有十几人，就说明，OpenAI给他们提供了重要的底层支持，组织架构、人才管理、基础设施，这才能让有想法的人，真正做出能影响世界的成果。”刘子纬对《中国新闻周刊》说…

相信你或多或少对GPT有一定的了解，但我赌你没听说过bGPT。bGPT的意思是byte GPT，即字节GPT。 图片来源：由无界AI生成 Meta 近日披露了两个新的 GPU 集群，将用于训练下一代生成式人工智能模型，包括即将推出的 Llama 3，以及 GenAI 和其他领域的人工智能研究与开发。新的集群在硬件、网络、存储、设计、性能和软件等方面进行了定制优化。 Meta 公布的两个 GPU 集群 GPU 总共拥有 49152 个GPU，每个集群都装配了H100 GPU，而 Meta 此前 AI 研究超级集群 (RSC) GPU 集群约有 16000 个 A100 GPU 。RSC 在 Llama 和 Llama 2 的开发以及计算机视觉、NLP、语音识别、图像生成、编程等人工智能模型的开发中发挥了重要作用。 PyTorch 创始人，Meta 工程师 Soumith Chintala 在 X 上分享了关于 Llama 3 的一些细节：使用了 RoCEv2 网络，基于T ectonic/Hammerspace 的 NFS/FUSE 网络存储，标准版本的 PyTorch，带有一些补丁的 NCCL：补丁和交换机优化使集群具有相当高的网络带宽实现，各种调试和队列监控工具，例如 NCCL 异步调试、内存行重新映射检测等。 Meta 表示将使用新的 GPU 集群来微调现有的人工智能系统，并训练更强大的新系统，包括 Llama 3。此外，Meta 还透露正在对 PyTorch 人工智能框架进行升级，为支持更大规模的 GPU 训练需求做准备。 在算力军备的路上越走越远 新的 GPU 集群是 Meta AGI 路线图的一部分，目标是到 2024 年底，基础设施建设将包括350,000 个 NVIDIA H100 GPU，计算能力相当于将近 600,000个 H100 GPU。作为对比，OpenAI 训练 GPT-4，用了大约 25000 个 A100 GPU。而训练 GPT-5 预估需要 30000 到 50000 A100。 要保持在 AI 领域的领先地位，意味着对基础设施的大量投资，对于 Meta 来说，军备还远未结束。根据市调机构 Omdia 发布的报告，Meta 在 2023 年买了超过 15 万块 NVIDIA GPU，与之相当的只有微软，而亚马逊、甲骨文、谷歌、腾讯等都只拿到了 5 万块左右。2024 年 Meta 预计将购买超过 35 万块英伟达 H100 GPU，H100 售价为 2.5 万至 3 万美元（不考虑溢价），如果 Meta 支付的是较低的价格区间，那么将支付给英伟达接近 90 亿美元。 在 Dot-com 泡沫时代，任何人都可以以相对较低的基础设施成本启动一个网站，个人开发者和初创企业能够借助普及的智能设备和移动网络，在不同成本的范围内推出产品和业务。而现在，似乎只有那些互联网巨头和明星创业公司才能构建 AI 模型。所有这些公司都从投资者那里拿钱，然后再把钱交给云计算公司和英伟达，这或许就是为什么英伟达的股价在如此短时间内超过 2 万亿美元的原因之一。 更多架构细节 关于这两个 GPU 集群的具体架构细节，虽然这两个集群的 GPU 数量相同，通过 400Gbps 端点相互连接，但采用了不同的架构设计。网络方面，其中一个集群采用了一个集群采用了具有融合以太网远程直接内存访问 (RDMA) (RoCE) 网络结构解决方案，另一个则使用了 Nvidia 的网络架构技术 Quantum2 InfiniBand。 采用 RoCE 的 GPU 集群是迄今为止使用商用以太网基础设施建立的最大的 H100 GPU 集群 这两个集群均采用 Meta 的开源 GPU 硬件平台 Grand Teton 构建，该平台专为支持大规模AI工作负载而设计。据称，Grand Teton 的主机到 GPU 带宽是前代 Zion-EX 平台的四倍，计算和数据网络带宽是两倍，功率需求也是两倍。 Meta 表示，这些集群整合了其最新的 Open Rack 电源和机架基础架构架构，旨在为数据中心设计提供更大的灵活性。根据工程师们的说法，Open Rack v3 允许电源架可安装在机架的任何位置，而不是固定在母线上，从而实现更灵活的配置。 存储在 AI 训练中起着重要作用，尤其是处理大量的图像、视频和文本数据的多模态训练任务。存储方面，Meta 新集群使用自主开发的”Tectonic”分布式闪存存储解决方案满足数据和检查点需求，并与 Hammerspace 合作部署并行网络文件系统，解决了数千个 GPU 数据和检查点的需求。提高开发体验。 优化整个系统（软件、网络等）后，大型集群性能恢复到理想的 90%+ 范围 性能方面，Meta 建立大规模AI集群的原则是同时最大化性能和易用性，通过优化内部作业调度器和网络路由策略，以及与 NVIDIA 集体通信库（NCCL）的改进，提高了大型集群的性能，实现了与小型集群相同的优秀性能。在实际测试过程中，Meta 比较了小型集群和大型集群的性能，以发现瓶颈所在。在上图表中，展示了大量 GPU 在预期的屋顶线性能消息大小下相互通信时的 AllGather 集体性能（以0-100的标准化带宽表示）。 大型集群的开箱即用性能最初很差且不一致。为了解决这个问题，Meta 对内部作业调度器如何根据网络拓扑感知调度作业进行了多项改进，这在减少网络上层流量方面带来了延迟上的好处。 Meta 官方博文中的一个小标题，网友：我懂你意思 Meta 还提到，公司将继续全力支持在人工智能硬件技术栈方面的开放创新，Meta 强调了对开放式计算和开源技术，新的集群均基于 Grand Teton、OpenRack 和 PyTorch 等平台构建而成。 离 Llama 3 更进一步 在 AI 领域，Meta 去年推出了大型语言模型 Llama 2、定制芯片 MTIA、文生图广告工具以及聊天机器人Meta AI 。 其中，Llama 2 的发布以及开源可商用是开源模型社区的里程碑，扎克伯格曾表示，虽然 Llama 2 不是行业领先的模型，但它是最好的开源模型，而 Llama 3 及以后的版本的目标是构建处于行业领先地位的模型。 根据 The Information 的报道，Meta 计划于 7 月发布 Llama 3，可能达到超 1400 亿参数，比Llama 2 模型的最高参数翻了一倍。据内部人士透露，Llama 3 相对于 GPT-4、Gemini 和 Llama 2，放宽对安全限制的设定，即所谓的“安全围栏”。这意味着在处理具有争议性的问题时，Llama 3 旨在提供更好的回答。Meta 的这一举措显然是希望至少能够提供有关用户查询的相关上下文，而不是简单地忽略或拒绝回答用户提出的问题。简而言之，目的是提升用户体验，通过提供更多信息，而不是简单地限制对话。 新的基础设施，更多的 GPU 储备，扎克伯格 All in AGI 似乎比投入元宇宙更靠谱，股价也迎来上涨，招聘 AI 人才时也可以底气更足地说自己是“GPU RICH”，看上去一切都走上了正轨。 只不过还是没躲过美国网友的无情（无脑…