TCL 孙力：大模型将成为 C 端、B 端智能应用的“隐形推手”

随着 ChatGPT 的一夜爆火，人工智能似乎找到了最为合适的应用出口，同时，它也让用户和产业，看到了大模型人工智能所具备的应用潜力。传统印象里，人工智能、云服务、大数据，都是阿里达摩院、百度、字节跳动等企业经常挂在嘴边的技术名词。

但很多人不知道的是，作为智能终端产业头部成员的 TCL 实业也在人工智能赛道拥有着深厚的布局，早在 2017 年德国 IFA 展会上，TCL 就发布了 3 款搭载人工智能小 T 的新品。

随后的 2019 年，TCL 实业不仅确立了 AI × IoT 的发展路径，同时也成立了鸿鹄实验室（EagleLab），专注于 AI、IoT 和云服务等技术研发和产品化创新应用，对内服务范围覆盖 TCL 智能终端业务群全产业，同时也为全球用户提供 AI × IoT 全场景智能解决方案。

据 TCL 实业 CTO 孙力介绍："2019 年以后，TCL 实业在持续发力 AI × IoT 的战略，借助人工智能技术的不断进步，我认为现在已经进入 AIoT2.0 时代，与 1.0 时代相比，它的最大变化在于实现了真正的主动智能，即设备知道你想要什么服务。"

具体来说，从 1.0 到 2.0 时代的推进，需要从几个方面入手，首先是对瘦设备的意图理解，所谓 " 瘦设备 "，就是指交互频次不高、涉及数据较少的设备，比如空调、洗衣机等等。过去只要联网实现远程操控，那么它就进入了 AIoT 的体验，但现在需要让这些设备开始能够理解用户意图，这也是人工智能的应用潜力所在。

其次，则是加深对用户意图的理解、交互方式的效率提升。孙力提到：" 过去的传统交互界面都是依靠外设或者触控交互，以前经常开玩笑说 Excel 或者 PPT 里面的功能非常强大，但普通人最多用到 5% 的功能，受限是在哪呢？因为操作界面就这么大，对功能挖掘和探索的学习成本很高。"

进入大模型时代后，得益于它对用户意图的理解，就能实现更直接、快速的交互方式。最后，则是从被动智能向主动智能的转化，无论系统运行在产品里还是云端，都要做到能够主动帮用户寻找解决方案、匹配合适的插件或者硬件并主动提供服务。

" 更进一步的说，AIoT2.0 还要能够提供用户预期结果的闭环，因为光理解意图并不能解决用户的实际问题，而主动服务也无法满足所有的毛细需求，那么在用户提出新的需求时，在 1.0 时代，机器会直接说‘我干不了’，而在 2.0 时代，基于大模型释放出的潜力，人工智能是可以做到基于已有的硬件、方案，组成生态闭环的能力。" 孙力表示。

谈及大家最关心的应用问题，在前沿领域，TCL 实业已经和研究机构开展合作，从应用层面拓展更多可落地的应用。从目前来看，大模型主要还是语音识别和 AIGC 内容生成方面的场景，此外，还有智能制造和企业管理等诸多领域可供探索，例如 TCL 广泛涉及的工业制造场景，TCL 正在思考如何布局智能制造领域的专家系统。

孙力举例说到：" 大模型人工智能可以帮助工程师进行知识的查询，一些故障的定位、指导、决策，可以提高故障排查和解决的效率，降低设备的异常风险。其他公司管理层面的应用，比如内部运营，包括营销、HR 和财务方面也可以提供智能的小助手。因为在 AI 协同工作的趋势下，未来每个领域、每个工作都会用上大模型辅助。"

可以想见的是，借助愈发强大的人工智能，未来的应用绝不只是 AI 画图那么简单，大模型甚至可以在营销方面生成海报、文案，在企业内部可以机器人助手辅助行政、财务等等，提升流程的查询、生成报表等等这样的效率提升的场景。

而在与普通用户息息相关的消费电子以及家电产品的落地上，TCL 实业在电视方面已经拥有大量的语音使用者，每天都在大量的使用语音助手搜电影、音乐、健身等应用。随着智能语音进化到 ChatGPT 同等的体验，将对闲聊、多轮对话、搜索内容，推荐个性化内容等方面，带来新一轮的体验革新。

据孙力介绍，未来大模型将支持更多模态，就像人一样，除了耳朵还有眼睛，这样一来，未来的文本、图像、视频的理解能力都会跨模态，形成更加细致、人性化的交互、智能体验。

当人工智能的应用越来越多、越来越广泛，" 算力 " 将会成为不得不考虑的问题，在孙力看来，未来涉及人工智能领域的算力部署，也会根据场景和产品所变化，对于像智能穿戴设备这样主打便携属性的产品来说，在量子计算成熟之前，内置 GPU 恐怕很难胜任大规模的人工智能应用，因此云计算成为了最合适的技术路径。

而对企业层面的应用来说，解决的手段会更多样一些，比如同样可以通过跟云厂商的生态合作来完成算力部署，只不过针对企业内部的专家系统或者涉及私密信息的应用，可能还是需要本地构建算力体系，此时就需要搭建自己的 GPU、NPU、TPU 算力中心来解决这些问题。

" 具体到 TCL 实业来说，我们内部有几百人的算法团队在做关于语音、推荐搜索、计算机视觉，包括智能制造等方面的算法，并且已经拥有了集群的 GPU 算力。如果未来需要私有化部署大模型，特别是在训练阶段需要大量算力的话，结合 TCL 实业全球化的研发能力以及外部合作伙伴，也不会存在资金或者芯片方面的供给问题。" 孙力表示。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com