北京
手里拿着锤子，周围就都是钉子，一锤一个准。
自己是钉子，能不能赶紧变成个锤子？
文｜JeffHill
几年前，AR圈子里一直流行“AR眼镜距离「iPhone时刻」还要多久”的高谈阔论，以及什么才是AR眼镜的Killer App。这些Topic现在已经没什么人谈了，话题中心全转移到了AI。
今天基于Transformer架构的通用基础大模型，相比几年前用专门架构进行图像识别、语音识别、文本生成的小参数体量AI，两者就像是猴子跟智人的区别，而且仅仅三年就完成了这种夸张的演化。从AR圈跨界到AI圈，只有躬身入局才能体验到那种应接不暇的震撼，以及被震撼后的久久沉默。
大语言模型，不就是把文字、语音、图像、视频变成很多维度的数学向量，以一种标准化切分的Token为起点，然后靠着大模型那一大堆被训练出来的参数，来激活、计算、预测下一个Token。大模型的参数其实就是y=kx+b 这种初中生都能懂的线性方程的参数，无数个线性方程的堆叠和激活参数进行计算这种简单伎俩，AI运行时无法探究底层变化的黑箱，居然神奇地写出很专业且风格各异的文章，输出几百页最前沿最复杂的数学推导攻破千禧年难题，攻破编程天花板中的的算子开发，以及很多...
大模型本质就是一大堆参数，就像你虽然是一个智人，但本质上也不过是一大堆神经元的塑造、激活和感官信息处理的过程载体。
更祛魅的是，我们正经历的大模型，好像正在完成一场宇宙大爆炸，它的诀窍好像就是Scaling，「参数空间」的不断膨胀。首先是预训练的参数，从百亿跨越到了万亿级乃至今天的10万亿级，预训练不断Scaling。然后是魔改注意力机制，越来越多层乃至具备“类Attention机制“的残差连接。还有强化学习后训练Scaling，运行时思维链Test-Time Scaling，同一组参数多轮循环的Loop 面向思维「深度」的Scaling，以及成千上万独立有Tool Use的Agent 数量进行并行探索的Scaling。支持大模型的算力、内存带宽和能源可以无限扩展，人之所以为人的智慧，那区区几十寒暑能吸收的知识、探索、强化学习，人类那可怜的一点信息带宽和上下文能力，被机器超越，已经真的没什么悬念。
毫无疑问，AI 就是那个追求多年的Killer App。AIUI，以MUSE为代表的「真端到端」接管一切的Personal Agent，那种安全运行在云端的沙箱电脑，可能才是AI眼镜的核心竞争力。而眼镜只需要做好三个事情——全彩高透自然视物的AR显示，连接云端Agent的网络，和Always-on的多模态的输入（传感器）。最多再加上一个眼镜本身集成的端侧模型和端侧Agent。
AI和眼镜，可能就是iOS系统和iPhone硬件本身的关系，但iOS重要还是iPhone本身重要，先有鸡后有蛋，谁才是成功的关键，很难分得清。
AI眼镜厂商，能不能同时自研LLM / AI Agent 和做好眼镜，或者说，谁有能力做iOS和iPhone的垂直整合？目前看只有Meta。其他家，难道只能像过去那样，用着巨头的Android系统，成为安卓机海中的一员，然后幻想自己能成为三星、华为、小米、OV？
很大可能，未来所有的AI眼镜厂商，都要面临这个灵魂拷问。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
