今天小編分享的科學經驗：AI大模型之花，綻放在鴻蒙沃土，歡迎閱讀。
随着生成式 AI 日益火爆，大語言模型能力引發了越來越多對于智慧語音助手的期待。
我們相信，AI 大模型能力加持下的智慧語音助手一定會很快落地，這個預判不僅來自對 AI 大模型的觀察，更來自對鴻蒙的了解。鴻蒙一定會很快更新大模型能力，放眼業界似乎也只有鴻蒙能夠在短期實現這一點。
之所以這樣說，是因為讓大語言模型融入終端生态不僅是個算法問題，更需要讓 AI 模型能夠了解、指揮、互動作業系統生态中的海量能力。這不是短期内能夠做到的，而是需要從作業系統與基礎軟體層面，不斷去發展 AI，适應 AI，最終讓大語言模型、生成式 AI 代表的新 AI 能力，水到渠成、瓜熟蒂落般成為用戶體驗的一部分。
而華為恰恰是最早将 AI 能力帶到手機中的廠商，鴻蒙系統從最初就基于智能技術來打造和演進。可以說，AI 就是鴻蒙最濃墨重彩的基因之一。這種基因會不斷生長，滿足更多用戶對智能體驗的想象和期待。
8 月 2 日，華為常務董事、終端 BG CEO 餘承東在微博分享了一個視頻。内容是向用戶 " 劇透 " 了 HarmonyOS 作業系統的一項重磅功能：讓小藝來幫助用戶生成内容。
從微博中展示的小藝新能力來看，其已經具備了 AI 大模型與生成式 AI 的典型特征，創作的一則 HDC 邀請文辭恰當、邏輯通順，且能夠準确描繪出關鍵詞。
這也意味着，即将到來的鴻蒙 4，極有可能帶來業内首個植入系統的 AI 大模型語音助手。
這似乎是一段《紅樓》裡的木石前盟，無更無改，注定發生。鴻蒙與 AI，就花開在這個夏天。
AI 基因
鴻蒙一以貫之
早在 2017 年，華為就在手機端發力 AI 能力。此後多年當中，AI 攝影、AI 智慧助手等大量 AI 能力逐漸成為了華為的招牌。而很多朋友沒有注意到的是，今天廣為人知的鴻蒙特性，也是建立在 AI 技術底座上的。
軟體解耦、新一代物聯網技術與 AI，讓鴻蒙從誕生之初就具備了更加智能的多終端協同體驗。它通過軟總線、分布式技術，将多個物理上相互隔離的設備融合成一個 " 超級終端 "。而 " 超級終端 " 想要發揮作用，首先要解決兩個問題：一是作業系統需要理解用戶所在場景，二是用戶可以靈巧、便捷地完成多終端操作。這兩個目标，都需要大量依靠 AI 技術來實現。
在 2019 年正式發布的 HarmonyOS 系統中，就可以看到随處可見的 AI 算法與 AI 體驗。
随後，在鴻蒙的高速進化中，智能化能力也随之演進。2021 年 6 月，華為正式發布 HarmonyOS 2，帶來了統一控制中心、超級終端、萬能卡片全新體驗，大量用戶開始了解、習慣全新的鴻蒙特性。
2022 年 7 月，HarmonyOS 3 開啟更新，帶來了包括超級終端、萬能卡片、流暢性能、隐私安全等特性在内的六大更新，智能化體驗也得到了進一步提升。
提起鴻蒙生态中的 AI 能力，就不得不提到小藝。為了管理海量設備與服務，語音助手的中樞作用必不可少。因此，小藝基于其 AI 能力，就成為了鴻蒙生态所有設備的統一入口、服務精準推薦的統一助手。同時，通過 AI 彈性部署、優選觸點、協同服務等技術，小藝也在不斷提升自身的智能化體驗。
由此可見，鴻蒙生态不是突然要發力 AI，而是鴻蒙就發端于 AI，成長于 AI，并成為 AI 技術持續演進的沃土。深種在鴻蒙土壤中的 AI 靈根，在等它的花信年華。
大模型與小藝
水到渠成的緣分
在今天，智能語音助手已經無處不在，但它的體驗卻依舊有很多問題。比如說：
1.AI 對話依舊不流暢，尤其是多輪對話、中長期記憶對話體驗不佳，從而導致用戶缺乏持續打開語音助手，提出復雜需求的意願，久而久之降低了語音助手的使用價值。
2. 語音助手的自然語言理解能力不強，邏輯推理能力不足。產生了用戶必須用嚴格的詞匯和讀音才能準确進行語音互動，日常化、口語化的對話大量無法識别。這一點對于老人、孩子以及不了解 AI 語音互動的用戶來說非常不友好。
3. 語音助手僅夠喚起服務，不能夠生成内容。這就導致語音助手能夠帶給用戶的價值極大降低，難以培養用戶持續的語音互動習慣。
不難發現，大語言模型與生成式 AI 的能力，恰好可以填補語音助手的這些缺憾。但在此前，大模型的開發者普遍集中于 AI 廠商，距離消費終端的應用場景與軟硬體體系距離較遠。
如何才能彌補這個距離呢？答案是需要一個水到渠成，瓜熟蒂落的過程。
大模型走向終端場景，首先需要算法本身的能力。這方面，華為已經有了足夠的積累。7 月 6 日，來自華為雲的盤古氣象（Pangu-Weather）大模型登上《Nature》正刊。這項研究成功解決了現有 AI 氣象預報無法處理不均勻的 3D 氣象數據等關鍵問題，讓其成為了首個精度超過傳統數值預報方法的 AI 方法，并且預測速度提升了超過 10000 倍，可秒級完成對全球氣象的預測。
在多年的積累下，盤古系列大模型已經在多個領網域走到了全球前列。加上華為在 AI 開發平台、AI 開發框架領網域的積累，都讓大模型與鴻蒙結合變得更加順利、周全。
而在終端側，華為對 AI 技術進行了豐富的探索。比如說，我們此前已經看到了小藝的智慧搜圖功能。這一功能就結合 AI 多模态能力，通過對泛化語義的理解搭配模型小型化處理技術，率先在業界實現了手機自然語言搜圖。
從模型到工具，從軟體能力到開發者生态，鴻蒙都做好了準備，迎接 AI 大模型的到來。浪漫一點說，鴻蒙多年的 AI 耕作，可能就是在等待這個夏天。
鴻蒙 4 的 AI 約定
就在這天花開
大語言模型、對話式 AI 的可能性，就應該在終端語音助手的角色上綻放出來，而其花開處，可能只會在鴻蒙的花園裡。
從推測角度來看，鴻蒙 4 中我們可能就會看到深度融合了大語言模型的小藝。雖然我們現在對其具體能力還不得而知，但結合大模型的能力以及鴻蒙過往的表現，還是可以預判一下接下來會發生什麼。
在這裡，我們不妨一起來進行些暢想：
1. 像和真人對話一樣與小藝交流。
大模型帶來的強泛化，強魯棒特性，極大增強了 AI 的自然語言處理能力。說白了，就是讓 AI 可以更好理解語言，無論是諧音、比喻、指代都不成問題。這樣的能力毫無疑問将是接下來鴻蒙 4 的更新重點。我們接下來将會像和真人一樣與小藝交流，甚至忽略它語音助手的真實身份。
2. 看到，聽到，也能服務到。
基于小藝來喚醒服務閉環，是鴻蒙系統的一大特性。那麼基于大模型帶來的多模态理解能力，有理由相信接下來小藝會加強服務的觸達能力。讓小藝聽和看，都将成為鴻蒙 4 的服務入口。
3. 把簡單留給自己，把復雜留給小藝。
在大語音模型剛剛興起的時候，很多人都願意故意說一大段話，讓 AI 去逐層理解分析其中的意思。如果說在當時這只是遊戲，那麼在鴻蒙 4 中大模型的邏輯推理就會變成能力，更多更復雜的任務，将會由小藝在鴻蒙的世界中來執行。
4. 不僅是找東西，更會創造東西。
長久以來，語音助手扮演的角色都是尋找服務和信息的入口。但在大模型時代，語音助手可以不止找到，而是去生成和創造。接下來，或許我們将依靠小藝來完成辦公、生活、學習中的各種任務，幫我們創造各種内容。
不妨帶着這些暢想，一起去看看其中有幾個能夠在鴻蒙 4 當中實現。鴻蒙與 AI，這段木石盟注定要在這個夏天花開結果。
答案，就藏在接下來的 HDC 當中。當然，鴻蒙與 AI 的更多情緣還藏在未來，藏在萬千開發者的腦洞中，藏在無數用戶的期待裡。
>
