作者|高飛
來源|科技行者
偶然間翻到PayPal創(chuàng)始人、《從0到1》作者,也是知名投資人彼得·蒂爾的一個演講,他說,“我認為所有的熱門趨勢都被高估了......如果你聽到'大數(shù)據(jù)'和'云計算'這兩個詞,你就需要盡快逃離”。當然,這段講話發(fā)生在10年前,所以他用大數(shù)據(jù)和云計算舉例子,如果放在今天,可以把兩個詞兒換成“人工智能”。
不過千萬不要誤解,彼得·蒂爾當時也不是說云計算沒有意義,而是認為從投資人的角度,如果大家都在說一項技術重要,那么再對它投資進場,可能已經(jīng)錯過了最佳時間。這個觀點,讓我想到了前不久和榮耀CEO趙明在深圳交流時的一些內(nèi)容。
因為IDC剛公布了今年一季度的國內(nèi)手機市場數(shù)據(jù)報告,榮耀以17.1%的份額占比又一次蟬聯(lián)了市場第一(說“又”是因為去年第四季度,和去年全年,榮耀拿下了國內(nèi)安卓手機市場第一)。所以,自然當時有人會拋這樣一個問題給趙明,榮耀是怎么做到第一的(特別是回想2020年11月正式從華為體系單飛的一刻,驚不驚喜,意不意外?),沒想到的是趙明說,既不驚喜,也不意外。這個略顯“凡爾賽”的回答,聽起來反而讓人意外。因為3年前,手機產(chǎn)業(yè)的宏觀情況并不好,獨立后榮耀的份額也跌到了3%左右。從這樣一個起點,到現(xiàn)在的第一,怎么看也值得驕傲。
但趙明接下來做了說明:“第一”只是個結果,是做了正確的事之后的結果。當年單飛的時候,榮耀確信自己的路線是正確的。所以,今天拿到這樣的結果,在預期范圍之內(nèi)。
01/今年不是榮耀的AI元年
那么,何謂榮耀眼中正確的事?
趙明表示,從企業(yè)經(jīng)營角度,有消費者的滿意度,健康的業(yè)務邏輯和核心能力的構建,而從一個消費電子公司最本質(zhì)的產(chǎn)品創(chuàng)新角度看,榮耀一直深耕的AI,或者更具體一點說,榮耀一直布局的端側AI,就是榮耀做的正確的事之一。
不過說到AI,回到開篇彼得·蒂爾的觀點,現(xiàn)在就是那個最典型的“熱門趨勢”。蘋果,這個看似一向不追潮流的公司,最近也接連發(fā)布了幾篇AI論文,對AI躍躍欲試。但大家也很容易按彼得·蒂爾的理論得出結論,此時蘋果不造車,再將研發(fā)資源分流到AI,其實已經(jīng)有點晚了。回想2011年,iPhone是首個把語音助手Siri引到智能手機的公司,但后來再無對外更新更多建樹,還是讓人略感唏噓。
所以,趙明接下來這番話也就情理之中了,“如果今年誰在2024年才說在發(fā)力AI元年,那布局就一定落后了。但對于榮耀而言,AI元年是2016年。那時,第一代榮耀Magic發(fā)布,我們就講開啟了手機智慧之門,這才是我們的AI元年”。
于是,我順手查了一下2016年榮耀Magic Live的宣傳,一段介紹文案是這樣說的:“榮耀Magic搭載Magic Live智慧系統(tǒng),能夠自動感知判斷,在用戶需要時,會主動為用戶提供服務,如同一個智慧助理在身邊”。看起來趙明所講“元年”并沒有夸張,畢竟將這樣的技術放在2024年,也不過時。
圖:2024年1月10日,榮耀正式發(fā)布自研操作系統(tǒng)MagicOS 8.0,榮耀終端有限公司CEO趙明表示,榮耀要用AI重新定義人機交互。
實際上今年1月份,榮耀發(fā)布MagicOS 8.0(基于Android操作系統(tǒng)的最新版本OS,引入了榮耀的平臺級AI能力),定義是“平臺級AI使能,基于意圖識別人機交互、以人為中心的智慧化全場景操作系統(tǒng)”。可以看到,從2016年到2024年,這家公司對端側AI的布局和堅持是一脈相承的。
02/第一性原理
不過,兩個有關企業(yè)家創(chuàng)新戰(zhàn)略的問題,也出現(xiàn)在我腦海里。第一個問題:2021年剛獨立時的榮耀并不強大,甚至能否生存下去都有問題,而榮耀當時將愿景定位為要和蘋果三星在全球競爭,除了有抱負有理想,戰(zhàn)略的可執(zhí)行性依據(jù)是什么?第二個問題更重要:8年前,榮耀是怎么選擇,并確定AI這個賽道的?趙明隨后給了我兩個答案,則讓我想到第一性原理。
接下來我具體闡述一下,我覺得榮耀的決策邏輯,對很多創(chuàng)新公司都會有啟發(fā):
第一個問題的答案:“在局部戰(zhàn)場形成優(yōu)勢兵力”。
要與蘋果三星競爭,確實從資源上看,榮耀離目標的賬面差距不小。用趙明的原話來說,“雖然蘋果不是以研發(fā)費用見長的公司,而榮耀的研發(fā)投入占總營收11.5%。但蘋果的規(guī)模更大,研發(fā)的預算量級肯定也比榮耀要多很多”。
所以,如果榮耀選擇和蘋果做同樣一件事情,正常來講,榮耀并無機會后來居上。所以,留給榮耀唯一的選擇就是,是否能看到別人沒看到的機會。如果看到了,然后在這個突破口集中資源,就可以在局部戰(zhàn)場,形成以多打少。如果從第一性原理理解——你不可能打敗一個比你強大的對手,除非你比他強大(在某一個合適的點就足夠了)。(一個巧合,我發(fā)現(xiàn)2016年12月,OpenAI發(fā)布了“Universe”,一個用于測量和訓練AI在游戲、網(wǎng)站和其他應用中通用智能的軟件平臺,當時也并沒有太多人關注)
那么這個突破口是什么,為什么是AI?也就關聯(lián)到第二個問題的答案:智能手機要“懂你”。
讓我們稍微再把時間往回調(diào)到2007年1月9日,地點定位于Macworld Conference& Expo2007大會,史蒂夫·喬布斯這一天在臺上說,我要介紹三款產(chǎn)品,一個iPod,一個移動電話,一個互聯(lián)網(wǎng)通信設備,不,其實是一臺,是iPhone智能手機。雖然從此之后,“智能手機”四個字就進入了所有人的視野,并掀起了轟轟烈烈的移動互聯(lián)網(wǎng)大潮。但不能否認的是,在喬布斯當時所說的三個產(chǎn)品里,沒有一個與智能強相關。
所以某種程度上,初代智能手機所擁有的紙面性能,其實與個人電腦并沒有太大差別(算力、應用程序、網(wǎng)絡),只是名字叫智能手機。比較而言,個人電腦可不叫個人智腦(直到今天,加裝了NPU和GPU的PC,才被描述為AI PC)。但是,榮耀認為,智能手機可以更智能,匹配它的名詞前綴——智能。
用趙明的話說,“既然是智能手機,智能就應該是這個設備的根本”,這也是一種基于第一性原理的思考,智能手機掌握最多的個人數(shù)據(jù),所以“手機應該是最懂我,最了解我,最知道我需求的設備,榮耀把它稱為第一認知,以人為中心的創(chuàng)新理念。
不過,畢竟現(xiàn)在是個大家都在講AI的時代,所以榮耀對AI還必然要有自己進一步的獨特理解。了解到榮耀一個最顯著和根本的差異點是,與友商借助云側第三方應用服務商的AI大模型來提供AI功能,打造AI應用的技術路徑不同,榮耀AI手機的發(fā)展方向在于以AI重構操作系統(tǒng),進而使能和重構所有的業(yè)務邏輯和應用服務。
圖:2024年3月18日,榮耀春季旗艦新品發(fā)布會上正式在國內(nèi)市場發(fā)布全新AI使能的全場景戰(zhàn)略。
趙明表示,榮耀的AI架構分為四層:
第一層:AI使能跨系統(tǒng)智慧互聯(lián)(讓不同的操作系統(tǒng)通過AI來做決策,實現(xiàn)手機、平板、PC等設備之間的無縫連接和數(shù)據(jù)共享);
第二層:AI重構操作系統(tǒng)(平臺級AI能力和業(yè)界首個基于意圖識別的人機交互系統(tǒng),讓手機越用越懂你、越用越好用,基于意圖識別的人機交互創(chuàng)新功能“任意門”即典型成果);
第三層:AI在端側的應用(比如摳圖、拍照渲染、消除、總結文檔),目前榮耀之外的幾乎所有廠家講的AI都是在這一層。
第四層:AI的端云協(xié)同(即將網(wǎng)絡AI大模型應用呈現(xiàn)在端側)。
趙明強調(diào),“在行業(yè)當中,在四層AI發(fā)力的只有榮耀,而且核心是在第一層、第二層和部分第三層。”而如果只是在第三層和第四層發(fā)力,趙明認為這只是手機AI(基于芯片和算力,手機搭載第三方AI應用),而不是AI手機(手機真懂你)。AI手機意味著用AI來重構和使能手機應用、操作系統(tǒng),以及消費者體驗和業(yè)務邏輯的方方面面,AI是根基,AI在手機上是無處不在的,這才能叫AI手機。
圖:在 2024 世界移動通信大會(MWC)上,榮耀CEO趙明與一眾行業(yè)領袖進行了一場以“在AI創(chuàng)新中以人為中心:為智能設備部署AI的關鍵考慮因素” 為主題的圓桌論壇。
03/其他各憑本事
“當然,智能手機已經(jīng)是一個集消費電子技術大成的設備,榮耀的創(chuàng)新故事里自然也不會只有AI。去年10月,我隨IT老友會去榮耀坪山智能制造產(chǎn)業(yè)園參觀,也看到很多關于榮耀研發(fā)制造的小細節(jié),這里我只講一個電池的例子作為代表。
趙明自己用的手機是一部折疊機,從外觀上看厚度其實和一般非折疊的智能手機相差無幾,其中一項很關鍵的技術支撐就是電池。因為只有電池做?。ㄍ瑫r性能不縮水),手機才能做薄。
我看到的一段技術說明是這樣說的,榮耀通過使用原位氣相沉積技術,實現(xiàn)了榮耀青海湖電池材料的合成,讓納米硅附著于像蜂窩一樣的多孔碳骨架上,使電池負極有效硅含量得到顯著提升,從而實現(xiàn)了電池性能的增強。
好吧,必須承認,我不是材料領域的專家,而且既然我們主要篇幅在說AI,所以我將這段資料丟給ChatGPT,得到了一個回復(AI干得還不錯):
1、原位氣相沉積技術
這是一種先進的材料合成技術,通常用于在已有材料表面沉積微粒,形成薄膜或涂層,它能夠在不破壞碳骨架結構的前提下,精確控制納米硅的分布和密度,這對提高電池性能至關重要。
2、多孔碳骨架
多孔碳骨架:這種結構類似于蜂窩,擁有很多空隙,可以提供足夠的空間來容納更多的硅顆粒。此外,多孔性還有助于緩解硅在充放電過程中因體積膨脹而帶來的應力,這是提高電池壽命的關鍵。
3、納米硅的使用
硅作為電池負極材料比傳統(tǒng)的石墨具有更高的理論電容,意味著硅可以存儲更多的鋰離子,從而提高電池的能量密度。但純硅負極容易在充放電過程中膨脹和收縮,導致電池性能下降。將納米硅均勻分布在多孔碳骨架上,可以有效控制這種體積變化,提高電池穩(wěn)定性。
其實我之所以引用這么一大段很硬核的科普資料,只想說明一點。智能手機發(fā)展到今天,如果要再想提升用戶體驗,除了AI等計算學科之外,已經(jīng)觸及到必須攻克物理化學等學科挑戰(zhàn)的底層技術問題(除了電池,還包括屏幕、電磁、通信、傳感器等等領域)。這樣,強大的硬件才能成為AI技術的強大載體。
但是大家知道,越底層的研發(fā),失敗率越高,風險越大,將研發(fā)落到這個領域,一需要投入,二需要下決心持續(xù)投入。而最重要的一點,則是預研技術方向的正確與否,這也是趙明在各種場合一再強調(diào)的:“打破蘋果一家獨大”,對榮耀而言并不是一個口號,而是在創(chuàng)新突破、對于未來的認知和洞見上(領先),大公司在這一點上不一定就一定比你好,否則這個世界上就沒有顛覆者,沒有挑戰(zhàn)者。
說到這里,我們或許可以再談一下華為。榮耀單飛之后,免不了被外界在各種場合、各個層次與華為比較。其實我覺得,其實榮耀和華為,并無更多需要比較的必要。但是如果一定要講類似之處,可能就是榮耀的文化和基因中,也和華為一樣,有技術上“打破砂鍋問到底”的基因。
所以,可能正是這個原因,華為回歸之后,榮耀的市場表現(xiàn),并未如有些人所擔心的那樣受到“首當其沖”的負面影響,反而像我們開篇所講,在2023年第三季度華為強勢回歸時,實現(xiàn)了市場第一的登頂,然后保持加碼向上勢頭,連續(xù)三個季度站在榜首。道理也簡單。畢竟,對于“創(chuàng)新者”,消費者其實永遠不會嫌太多?;诘谝恍栽硭伎嫉那罢邦A判,堅持技術布局長期主義的榮耀,正在被業(yè)界看好和看多——擔起更重的期待和期望,扮演業(yè)界創(chuàng)新領頭羊角色。
趙明在訪談中的一段回答則是更有激情的詮釋:一個強大的對手回來,讓這個產(chǎn)業(yè)充滿活力,從任何一個角度來講都不是壞事。如果總是期望著這個行業(yè)都是一群弱者,說明這個產(chǎn)業(yè)、這個行業(yè)出問題了。只有不斷地有強大的、有實力的廠家進入這個領域、投資這個領域,才能說明這個行業(yè)沒問題,只要行業(yè)沒問題,其他的各憑本事。
好文章,需要你的鼓勵
騰訊ARC實驗室推出AudioStory系統(tǒng),首次實現(xiàn)AI根據(jù)復雜指令創(chuàng)作完整長篇音頻故事。該系統(tǒng)結合大語言模型的敘事推理能力與音頻生成技術,通過交錯式推理生成、解耦橋接機制和漸進式訓練,能夠?qū)碗s指令分解為連續(xù)音頻場景并保持整體連貫性。在AudioStory-10K基準測試中表現(xiàn)優(yōu)異,為AI音頻創(chuàng)作開辟新方向。
Meta與特拉維夫大學聯(lián)合研發(fā)的VideoJAM技術,通過讓AI同時學習外觀和運動信息,顯著解決了當前視頻生成模型中動作不連貫、違反物理定律的核心問題。該技術僅需添加兩個線性層就能大幅提升運動質(zhì)量,在多項測試中超越包括Sora在內(nèi)的商業(yè)模型,為AI視頻生成的實用化應用奠定了重要基礎。
上海AI實驗室發(fā)布OmniAlign-V研究,首次系統(tǒng)性解決多模態(tài)大語言模型人性化對話問題。該研究創(chuàng)建了包含20萬高質(zhì)量樣本的訓練數(shù)據(jù)集和MM-AlignBench評測基準,通過創(chuàng)新的數(shù)據(jù)生成和質(zhì)量管控方法,讓AI在保持技術能力的同時顯著提升人性化交互水平,為AI價值觀對齊提供了可行技術路徑。
谷歌DeepMind團隊開發(fā)的GraphCast是一個革命性的AI天氣預測模型,能夠在不到一分鐘內(nèi)完成10天全球天氣預報,準確性超越傳統(tǒng)方法90%的指標。該模型采用圖神經(jīng)網(wǎng)絡技術,通過學習40年歷史數(shù)據(jù)掌握天氣變化規(guī)律,在極端天氣預測方面表現(xiàn)卓越,能耗僅為傳統(tǒng)方法的千分之一,為氣象學領域帶來了效率和精度的雙重突破。