为什么大模型到现在还没出现太多实际应用？问题可能出在硬件上。
近日，传闻中的“iPhone杀手”AI Pin终于发货了。不出意外地，它没能躲过“出道即*”的命运。
不说“慢、笨、错”这种常见“人工智障”问题。其中一条用户反馈直接让我笑拥了：“AI Pin的优点是可以与手做互动，但它也只能与手互动。因为激光只能投在掌心，不能投到桌子或墙上。”
更绝的是，因为AI Pin的投屏距离固定，用户可以领取“老花眼”体验卡。
具体操作：1、举起手臂，摊开手掌，进行上下左右移动，让AI Pin找到你的手掌；2、找准后，输入4位开机密码，平均耗时约5秒；3、投屏面积取决于你的手掌大小，一掌约7 行文本，每行约1～3 个单词。
使用提示！请保持身体与手掌相对静止，如果出现微弱晃动，需要重新开机；请将使用时间控制在3分钟以内，以免过热关机；请在室内使用，室外强光下会发生“投影消失术”。
就这，还要卖699美元，每月再收24美元订阅费？难怪外媒给出《史上*重磅发布的AI硬件，就是垃圾》这样直白的标题。
总之，本该是亮点的交互却成了*“槽点”，由Sam Altman投资，“苹果团队”开发的“世界*AI硬件产品”像是个骗子。
如果AI Pin靠不住，“下一代便携AI硬件”将由谁定义？
1、AI时代的“iPod”
在智能手机“一统天下”前，消费电子市场有过一段“群雄并起”的缤纷时光。
彼时，各类便携式单功能硬件百花齐放：MP3、MP4、游戏机、数码相机，甚至是学习机。消费者们也习惯“一个裤兜装手机；另一个裤兜装iPod”，直到iPhone将以上硬件变成了App。
如今，历史正在重演，一些轮番上台的“原生”硬件试图借助大模型的东风，将用户从智能手机中“解脱”出来。本质上，他们其实是在尝试借着AI对软件的升级改造，造出另一款令人上瘾的屏幕，用新的“坑”去覆盖旧的“坑”。
但是，什么样的交互方式，能替代用户对智能手机的依赖？
首先引起轰动的就是上述AI Pin，由Humane公司开发。没有手机、APP和屏幕，只有半个烟盒大小——重量34g的机身上搭载了骁龙处理器、内置GPT系列大模型，可以通过语音交互，也可以投影在手掌上交互。
在理想状态下，仅仅通过“听”和“看”，AI Pin就能理解用户需求，然后通过AI软件执行任务，宛如AI Agent。
但现实并不理想，根据AI Pin的*批用户反馈，糟糕的评价包括但不限于“*作用是看时间”“愚蠢的投影”.......在产品功能上也存在一大堆“槽点”，比如续航能力不佳、只会重复对方说的话、反应不灵敏总是出故障所以“错将玉米糖浆识别为违禁品”。
根据外媒报道，实测人员抓一把杏仁，问AI Pin“这把杏仁含有多少蛋白质”，得到的回答是“15g”，但实际上至少60颗杏仁才能包含15g蛋白质。
外媒评价，如果将AI Pin视为自己的“第二大脑”，那么有一半时间都感觉像是“脑死亡”，在很多问题上，它根本无法给到用户准确的答案。
此外，在实际使用场景中，AI Pin也显得有点“鸡肋”，试想一下，在光线明亮的环境下，谁会顶着强光去观看巴掌大小又凹凸不平的“人肉屏幕”呢？
随后亮相CES 2024的Rabbit R1虽然造型不够酷，但更靠谱。它搭载了一块2.88英寸的触摸屏，不需连接手机，没有内置 App，可以通过SIM卡或WIFI联网独立使用。而且售价仅为199美元，并在发售24小时内，卖出了10000台。
Rabbit R1的定位是AI Agent，其操作系统Rabbit OS基于LAM（大动作模型）开发。LAM能够让AI学会人类操作APP的方式，并通过与LLM结合，让AI代替人类与APP交互。
因此，Rabbit R1更像一个通用的“APP控制器”，用户不需要手机可以完成很多任务：叫车、放歌、订餐、订酒店，甚至在Midjourney生成图片。
Rabbit R1的早期投资人Vinod Khosla对其“跨APP工作”能力大为赞赏；微软CEO纳德拉更是赞不绝口：“这是继iPhone之后，最令我印象深刻的产品之一”。
但在实际体验中，这些赞美仿佛成了“卖家秀”，真实情况下的“买家秀”又是一回事，槽点之一便是Rabbit R1的反应能力，有的用户实测让它识别菜单，却足足等待数十秒，试想这样的场景如果发生在着急打车回家的寒冷夜晚，在寒风中伫立对着它说一句话要等半分钟，心里阴影面积会有多大。就好像在电影《夏洛特烦恼》中，你问老爷子“马冬梅在哪”，得出的回应是“马什么梅”一样的无力感。
前两者都是为了替代智能手机的“屏幕”，接下来这款受到马斯克“宠爱”的智能硬件更聪明，它不会想着替代手机，而是利用大模型给智能手机的功能添砖加瓦。
它就是近期在Kickstarter上*45万美金的桌面机器人LOOI。
LOOI采用“手机+机身”分体设计，内置ChatGPT功能，用以“唤醒”手机的灵魂。例如，当你比OK时，它会自动帮你拍照保存；当你大拇指朝下时，它会表达emo的表情和声音等等。
因为擅长“卖萌”，LOOI俘获了马斯克的心，但它*的作用好像也只有“卖萌”。虽然它可以成为一个自动追踪的摄像头支架，偶尔担当摄影师；也可以在你不想工作时和你玩简单的动作捕捉游戏。
但这些就像古早“宠物蛋”，提供的都是情绪价值。对了，目前最实用的功能是在你手机没电时，变身为无线充电器。
总之，概念归概念，无论是Sam Altman看好的AI Pin；OpenAI“*投资人”Vinod Khosla种草的Rabbit R1；或是最近马斯克转推的“AI宠物蛋”LOOI，更像是“真iPhone”加冕前的众多有趣小玩意儿。
问题一：软件重度依赖大模型。
AI Pin不连手机，意味着其核心价值取决于ChatGPT，Sam Altman本人正是Humane公司的*股东。
Rabbit R1虽然打着LAM旗号，但扔掉LLM后只能算“漂亮空匣子”；一旦涉及LLM，其产品体验又会大打折扣。
例如，当用户只使用LAM涉及的功能：请求播放一首歌；询问“橙子和橘子区别”，Rabbit R1响应速度在0.5秒以内（AI Pin在6秒左右）；而当用户想用LLM搜索最新信息，其响应速度就会慢至7—8秒，涉及视觉信息则会更慢。
LOOI需要连接手机，但它更像ChatGPT的手机附件，你甚至需要为了用它找到一部旧手机，或再买一部手机。要知道，上一届“宠物蛋”可是能独立存活的。
问题二：硬件“鸡肋”，门槛不高。
消费者要如何说服自己在手机之外，再额外携带另一个智能终端？
Rabbit CEO吕骋曾在采访中表示：Rabbit确实可以成为一款APP，但如果Rabbit只是个APP，就意味着苹果公司能接触到代码。此外，当Rabbit被放在和其他APP一样的平台上，会给自己带来不安：如果明天出现了一个更好的APP怎么办？
这段话很坦诚但经不得起推敲，毕竟没有“下一个更好的APP”，也可能出现“下一款更快的AI设备”。
实际上，Rabbit R1更像一个抓住巨头“空窗期”，在短期内走量的产品，且凭借199美元的良心价已经取得了商业成功。Statista数据显示，2024年1月发售的Rabbitr1，前五批已售出约50000 台。第六批现已开放预订，数量为50000件。相比之下，AI Pin标价699 美元，每月24美元的订阅费就显得“吃相”难看。据其创始人透露：订阅费是公司正向现金流的关键。
回到开头，Rabbit R1是AI时代的iPod，但如果iPhone率先变成“AI iPhone”，还需要“AI iPod”吗？
虽然这些基于大模型诞生的“原生”AI硬件槽点满满，但层出不穷的新硬件，说明很多人内心蠢蠢欲动，正摩拳擦掌地想要大干一场，抓住大模型风口，找出能*承载大模型的新介质。
这些硬件试图摆脱人与手机之间用“手指”划屏的交互方式，更青睐于将人机交互的模式从“触觉”转移成用“视觉”识别、用“听觉”倾听的方式，说白了，其实就是想要造一个像人的大脑，能看得懂、听得懂人类说话，至于能不能长得像人，就看人形机器人的发展程度了。
尽管这些硬件还有点“五感不全”的问题，但是随着技术的进步和提升，还可能不断产生其它令人眼前一亮的创新。
除了“摆脱”手机或者用外在的硬件承接手机，也有另一种创新路线，试图通过完善操作系统，打入手机内部，让手机变得更智能，各家都在尝试做“AI手机”，苹果甚至为此做了一套新的模型。
2、AI手机像“瓶装水”
如果说两周前，AI手机们还是争先恐后的“口号产品”，现在随着苹果最新论文发布，真正的“AI iPhone”将提上日程。
论文提出了一个名为Ferret-UI的多模态模型，能够“看懂”手机屏幕，并将自然语言翻译为界面操作点来执行各项任务。经测试，Ferret-UI在所有基本UI任务中均超过GPT-4V（OpenAI），在高级UI任务中超过Fuyu（Adept）和CogAgent（智谱AI）。
简单来说，当iPhone装载Ferret-UI，Siri（高智商版）就会实现，并像一个真正的AI Agent，代替你穿梭在各个APP之间。
是不是有点眼熟？没错，彼时Rabbit R1的核心功能将被完全覆盖，位置非常尴尬。但它还有用武之地，因为Ferret-UI在Android环境中表现欠佳，留下的还有广袤的Android市场，只是199美元的良心价恐怕还要再降了。
解决了大模型本地部署问题，AI手机的另一座大山就是将大模型塞进手机（非云端部署），其中内存升级迫在眉睫。
据中信证券统计：一个搭载100亿参数大模型的手机约需要14-16GB内存；搭载200亿参数大模型的手机约需要20-24G内存。
目前，高通发布的最新高端芯片骁龙8s Gen 3，支持在手机运行100亿参数的大模型。这意味着：当今年各大手机厂商宣布载入百亿大模型时，“中高配”16G内存将成为“丐版”。
另一个方案是“轻量化”大模型，包括模型裁剪、模型压缩，但如此一来其性能又必然缩水，不如直接探索小模型的潜力。
这方面的赢家还是苹果，其在2023年末发布的一篇论文打破了手机的“内存墙”。
论文提到，苹果通过Flash-LLM技术，成功地在内存有限的iPhone和其他苹果设备上部署了LLM。数据显示，设备能够支持运行的模型大小达到了自身DRAM（处理器）的2倍；LLM的推理速度在Apple M1 Max CPU上提高了4-5倍，在GPU上提高了20-25倍。
总之，有了充足的软硬件准备，苹果还未问世的“AI iPhone”很可能颠覆AI手机竞争格局。
至少从目前看来，三星等手机厂商狂推的AI手机实在不够“AI”。
有品牌装载70亿参数大模型，但具体能干什么呢？实时翻译、图像美化，会议记录.....这些你都可以从现有APP里找到影子，无非是更智能的有道翻译、讯飞听见和美图秀秀。
更“卡脖子”的是，因为没有自研芯片，端侧大模型参数的天花板要看高通的天花板，而这意味着各家厂商狂推的AI手机就像“瓶装水”，除了概念包装，其他区别不大。
诚然，手机作为人人离不开的“器官”，最可能先被AI改造。但下一代AI设备必须是移动计算时代的手机吗？有没有可能直接“升维”到空间计算设备？
3、空间计算设备是“真iPhone”？
在《哈利波特与魔法石》中，邓布利多轻点“老魔杖”，街边路灯即刻亮起。
这就是空间计算，一种虚实融合的“空间魔法”。如果我们将空间计算设备类比为“老魔杖”，一种将现实世界进行数字化改造的“圣器”；那么AI技术就是将一根平平无奇的“木棍”变成“老魔杖”的关键魔咒。
空间计算包含两个阶段：“空间感知”理解真实世界；“空间生成”生成虚拟世界。上届AI小模型已经解决了空间感知；这届AI大模型则专注于“老大难”空间生成。
一方面，高质量虚拟内容的生成，始终制约VR行业：内容生态匮乏——用户不买账——开发者变少——内容更匮乏。
另一方面，VR设备想实现更多功能，缺乏优质的训练数据集。
近期Meta CTO Andrew Bosworths谈到：“文本，我们有整个互联网作为资源。照片，Facebook和Instagram有庞大的图库。但对于3D对象，却没有一个大型、权威的数据库。我们正在努力试图改进这个模态下的一切内容，包括能够导出更多的3D内容。”
如今，Sora的视频生成能力有目共睹；同时，AIGC高质量3D内容也近在咫尺。
高通在《混合AI是AI未来》指出：Stable Diffusion将很快赋能内容创作者在3D物体上生成逼真的纹理。一年内，这些功能会在智能手机上实现，并延伸到XR终端。未来几年，首批文本生成3D和图像生成3D模型将实现边缘侧部署。
既然解法已经给出，AI与空间计算设备的结合将成为下一个兵家必争之地。
首先是软件厂商来“卷”硬件。近期，以“眼光超前”著称的Midjourney撬走了苹果Vision Pro硬件工程经理Ahmad Abbas，协助开发一个收集3D数据，管理3D模型的工具，并在未来推出VR头显。
而原本的硬件玩家则按本机算力体系，兵分三路。
*类，苹果M系列笔记本级别芯片，对应头显Vision Pro。根据最新消息，苹果M4芯片的生产已经收尾，该系列芯片专注于AI。如果再加持上述Ferret-UI模型和Flash-LLM技术，下一代Vision Pro则足以让人期待。
第二类，高通骁龙系列移动级别（手机）芯片，对应头显Meta Quest。它的功耗低，集成度高，可以做成真一体机（集成化电池），生态有开放潜力（Meta Quest体系尚未开放）。但基础算力在三类体系中“垫底”。其算力bug在“算力为王”的AIGC世界被格外凸显，甚至沦落为不少人眼中的“大厂玩具”。
第三类，“双英体系”：Intel（AMD）CPU+NVIDIA（AMD）GPU，对应PC VR产品。海外Valve Index(主流大众定位）、Varjo（高端高性能定位）；国产HTC（主流大众定位）、小派Pimax（高端高性能定位）。
优点是算力最强，可以跑动较大模型；生态开放，可以覆盖几乎所有的场景。缺点是集成度差，只能做分体式PC VR，曾一度被“高通体系”一体机压制。
不过，在AIGC场景下，手握“算力优势”的“双英体系”有望成为最早突破AI硬件的黑马选手。
4、结 语
工具是思维的反映，思维同样是工具的反映。
长期以来，人类渴望从屏幕中彻底解放出来，如今AI增加了人类世界的“智慧”，却找不到一个盛放智慧的容器。
Humane将AI Pin定义为人们的“第二大脑”，通过硬件和人、环境的创新交互，来获得类似智能手机的体验。
这个定义适用于任何成熟的AI硬件，却不适用于“半成品”AI Pin。
AI手机、AI PC，AI加持的空间计算设备，还是“成熟版”的AI Pin.....虽然我们不知道下一代AI设备最终由谁定义，但可以肯定的是一个生机勃勃的AI硬件新时代正在到来。
