70B模型能当零售业区域经理！小模型加速端侧落地，芯片不一定要GPU

模型小型化让一些端侧场景用了起来(qǐlái)。 “零售场景下，8B（B为十亿参数）模型能做人流预测、商品检验、导购；14B可以做一些简单报表分析；32B在报表出来(chūlái)后(hòu)还(hái)可以给图谱指引、数据预警；70B可以扮演区域经理、大区(dàqū)经理的角色。” 工控(gōngkòng)主板厂商吉方工控副总经理李晓涛在近日一场分享中表示。他告诉记者，近期有很多模型已能用于公司实际运营中，且性价比高(gāo)。 在大模型中，8B~70B参数并不(bù)算大。记者了解(liǎojiě)到，对模型小型化和性价比等的重视，让端侧场景的芯片方案与数据中心有(yǒu)一些不同。相比数据中心硬件投资(tóuzī)向GPU等加速芯片倾斜，端侧小模型对算力的要求不一定很高，在一些情况下，独立GPU不一定是必选项。 零售场景扩大(kuòdà)AI应用 记者了解到，作为端侧场景之一，零售场景过去几年一直(yìzhí)在尝试扩大AI应用。已经落地的AI应用中，最早实现的包括商品(shāngpǐn)自动识别，随后(suíhòu)扩展至AI自助防损等。 据商业软硬件厂商海石商用副总经理李昊旻介绍(jièshào)，零售(língshòu)场景AI落地源于芯片算力冗余，“三四年前，我们(wǒmen)就看到算力的应用前景，根源在于观察到CPU和GPU性能在零售场景开始(kāishǐ)出现冗余，单纯的算账(suànzhàng)和支付不需要太高的性能。（与此同时）AI场景开始显现出来。” 据李昊旻介绍，最早被提出并解决的是生鲜识别(shíbié)问题，由摄像头采集生鲜图像并由AI识别、算出SKU（最小(zuìxiǎo)存货单位）。如今，一些超市(chāoshì)的秤能自动识别生鲜，无须人工选择，其他应用还包括AI+通道识别方案、AI团餐识别方案，分别用于(yòngyú)识别超市收银(shōuyín)是否有异常扫码行为、提高自选菜餐厅的收银效率。 AI自主防损是一种更新的(de)应用。李昊旻表示，当前零售行业最需要解决的问题包括自助防损，有2%~3%的商品顾客未能成功完成扫描动作(dòngzuò)。防损算法、ToF传感器可(kě)用于判断收银(shōuyín)动作是否完成，有80%无意间造成的扫描异常会被识别。 商用终端设备和系统厂商中科英泰副总经理管建鹏向记者举例，某区域的龙头超市有(yǒu)4台自助收银机，系统识别异常并(bìng)提醒顾客后，80%的顾客会重新(chóngxīn)扫描(sǎomiáo)商品(shāngpǐn)，超市每日平均止损65次。若消费者不重新扫描，系统会通知超市防损员，人力介入后每日止损约1066元。 不过，零售业AI应用还有一些难题待(dài)解决，例如(lìrú)，李昊旻称，实现生鲜识别后，标准品识别在技术上还存在一定难度，业内还在研究。 业内认为大模型将(jiāng)带来助力。英特尔(yīngtèěr)中国网络与边缘技术产品总监王景佳向(xiàng)记者表示，以往AI应用基于计算机视觉、卷积神经网络技术，现在大模型技术除了可能带来新功能，还能帮助解决一些传统(chuántǒng)AI应用的难题，例如物品遮挡的情况下以往AI可能无法识别(shíbié)，现在识别效率有所提高。 “1.5B模型只能做简单问答，而且反应(fǎnyìng)不够快，容易出错(chūcuò)；7B、8B的模型可以做简单的文案生成和代码编写，会出现一些错误，但能慢慢修正；14B有很强的能力(nénglì)，可以总结、汇总；32B到70B已经达到(dádào)普通人无法达到的水平了。”李晓涛称。 今年4月，绝味食品与(yǔ)腾讯智慧零售联合发布了中国零售连锁AI垂直大模型(móxíng)和三个AI应用，可(kě)用于与顾客互动、智能排班、库存预测等。去年，天虹(tiānhóng)股份下属子公司则开发了百灵鸟AI大模型，可用于AI搜索推荐、AI导购等。 业内还在展望更多应用。“零售行业(hángyè)站在一个变革潮头。当走进便利店，你可能会发现便利店里的摄像头不(bù)再(bùzài)是简单的安防工具，而是成为体验、消费、情绪的传感器(chuángǎnqì)。当货架上的电子价签闪烁，你可能不知道它也在经历一场毫米级的、非常高难度的算力革命，可能正在打价格战。” 中国连锁经营(jīngyíng)协会副秘书长杨雯表示。 不同芯片(xīnpiàn)抢夺端侧市场 以零售业为例(wèilì)，从成本等方面考虑，业内认为参数较小的模型适合端侧(duāncè)应用。 李昊旻告诉记者，不太可能在每个门店都部署很大的大模型(móxíng)，无论是(wúlùnshì)从成本还是功耗考虑，都不可行。 端侧不运行大参数模型(móxíng)，就不一定要配备十分高端(gāoduān)且昂贵的显卡，一些消费级显卡、CPU也可以(kěyǐ)用。英特尔(yīngtèěr)中国零售行业高级技术经理夏耿告诉(gàosù)记者，合作伙伴在32B模型上的投入比较多，这是因为综合考虑部署成本和应用场景之后，发现32B模型在成本、效率和精准度之间有比较好的平衡。32B模型的运行可以采用4张(zhāng)A770显卡的方案，如果考虑冗余，该方案在商超中可以支持前端36到(dào)48台设备，整机成本在4万元~5万元之间。 李晓涛告诉记者，如果是14B模型用上(shàng)显卡，成本基本上(jīběnshàng)能做到万元(wànyuán)级别，该公司用英特尔CPU和显卡的方案，“我们内部评估认为，如果现在可以做到万元级别，并服务20个人的公司，这样客户就愿意(yuànyì)（购买）。” 李晓涛表示，门店级的普通员工(pǔtōngyuángōng)一年需要小10万元的成本，而使用智能体，相关成本可以做到万元级别。 在不用到独立显卡的情况下，夏耿(xiàgěng)表示，单张酷睿Ultra SoC可(kě)以支持14B大模型，单SoC每秒(měimiǎo)可产生12个token。此前英特尔的芯片已经(yǐjīng)进行了AI计算重构，去年发布的酷睿Ultra有NPU（神经网络计算单元(dānyuán)）结构，可做AI加速处理。李晓涛则告诉记者(jìzhě)，如果不用显卡，一些情况下CPU能直接运行7B、8B的模型。 业内还在展望端侧芯片算力继续(jìxù)提高。李昊旻表示，端侧设备需要部署足够多的AI功能，并降低对网络的依赖性，从算力(cóngsuànlì)支撑看，端侧AI算力会(huì)越来越大。 CPU制程(zhìchéng)演进已(yǐ)在(zài)推进。记者从英特尔了解到，Intel 18A制程已进入风险试产阶段，将于今年(nián)第四季度首度量产，Intel 14A则计划在2027年进行风险试产。夏耿表示，采用Intel 18A工艺的(de)Panther Lake处理器推出后，搭载Panther Lake的POS机将不仅能运行收银ERP系统和交互(jiāohù)界面，还能通过摄像头等传感器接入店铺数据，用AI算法分析客流，下一步(yībù)还能在POS机上(jīshàng)运行大模型，实现数字导购助手的功能。 从端(duān)侧(cóngduāncè)的(de)芯片组成看，市场研究机构IDC中国副总裁周震刚告诉记者，未来在端侧推理方面，CPU会(huì)有很大的进步，但端侧究竟是以CPU为主，还是以CPU加协处理器为主，例如CPU+GPU或其他处理器，现在还没有很好的定论，“毕竟终端情况复杂。PC端可能是英特尔和AMD主导(zhǔdǎo)，端侧手机、车载则比较复杂。” 即便都是(shì)CPU，在一些端侧AI场景(chǎngjǐng)中，CPU架构的组成也较为多元。以笔记本电脑为例，目前还是x86架构的CPU较为主流。集邦分析师黄淑芳表示(biǎoshì)，不同CPU制造商的AI发展脉络不同，预计发展最快的是微软+x86（英特尔和AMD）的阵营，传统CPU巨头的市场资源(zīyuán)较多，多数(duōshù)人则熟悉微软系统，预计该阵营AI渗透较快。Arm阵营（包括(bāokuò)苹果、高通等）短期还需接受市场考验，但有机会(jīhuì)快速成长。 “未来几年(nián)不同CPU制造商的市场占有(yǒu)率将会发生变化。AI兴起让大家对终端省电有所期待，比较期待Arm的功耗表现。随着(suízhe)Windows on Arm组合的生态越来越成熟、AI应用(yìngyòng)越来越丰富，2029年基于Arm架构的笔记本电脑预计将有接近40%的市场份额。”黄淑芳(shūfāng)表示。 (本文来自第一(dìyī)财经)