7月2日晚，榮耀在深圳發(fā)布了最新一代的折疊屏旗艦——Magic V5，售價8999元起，將輕薄卷到新的高度，大電池、旗艦影像和芯片一個沒落下，8大“一語AI”特性和7大AI生態(tài)，號稱“地表最強”。

但在超輕薄、高配置和一系列AI能力的升級后，這次Magic V5發(fā)布會上還有一個沒有提到的“AI大殺器”。

（圖片來自榮耀）

在上海MWC舉辦期間，榮耀手機就釋放了Magic V5的最后一個賣點——AI。

他們完成了全球首個端側語音大模型部署，由Magic V5海外版首發(fā)。如此一來，用戶可以在沒有聯(lián)網(wǎng)的情況下，用語音和榮耀的AI助手自然交互，支持完全本地的可自動適配語言的實時翻譯，以及完全不聯(lián)網(wǎng)的AI語音交互。

（圖片來自微博）

智能手機AI大戰(zhàn)，誰都希望是站在前面的那一個。榮耀也不例外，MagicOS 9.0帶來了迭代后的30億參數(shù)端側大語言模型Nano ROM，比上一代的70億參數(shù)大語言模型，ROM占用減少1.8GB、RAM占用減少1.6GB，加載速度提升77%。

最新發(fā)布的Magic V5上，AI智能體又一次進化，支持8種一語AI功能，想要手機干什么，動動嘴巴就行。

之所以要說榮耀的端側平臺級大語言模型，因為這是完全在機內靠本地算力的大語言模型。畢竟，受限于手機性能和存儲/內存，多數(shù)AI功能的計算都必須聯(lián)網(wǎng)完成，來確保AI的穩(wěn)定性和最終效果，端云協(xié)同是目前AI手機最主流的方案，沒了網(wǎng)絡，AI“缺胳膊少腿”還真不是開玩笑的。榮耀實現(xiàn)了全球首個端側語音大模型的部署，也算是重大突破——可惜的是，這一功能將在海外市場首發(fā)，因此榮耀這次發(fā)布會并沒有提到相關的能力，但不妨礙我們去討論端側語音大模型的未來。

沒網(wǎng)也能用AI，榮耀在玩一種很新的東西

實際上，如今的AI手機，里面都配備了多個大大小小的端側模型。

以榮耀為例，其自研的“魔法大模型”家族里，包含了圖像大模型、大語言模型、多模態(tài)模型和語音大模型。不同的大模型有對應的專項能力，也具有多種參數(shù)規(guī)模，用于支持不同系列的智能終端。就像榮耀的“大王影像”，也是通過大模型來優(yōu)化圖片的，OPPO也在超遠焦段運用了AI大模型來提升數(shù)碼變焦的圖片質量。

但其中，大語言模型依賴龐大的參數(shù)規(guī)模，在手機上的端側部署，模型精度和生成速度難以兼顧，一般會采用端云協(xié)同的方式在手機上部署，OPPO的AndesGPT、華為的盤古大模型、小米第二代大語言模型MiLM2等主流廠商的大語言模型，都采用了端云協(xié)同的方式，保證精度、響應、安全性。

（圖片來自榮耀）

不同于大語言模型，語音大模型的參數(shù)規(guī)模遠低于大語言模型，一般來說，大語言模型的參數(shù)在千億級別，厲害一點的有萬億參數(shù)，而語音模型的參數(shù)量往往只有百萬和千萬級，體積和目前主流的手機App相當。

語音大模型和大語言模型雖然都涉及自然語言處理，但本質上是兩類聚焦不同任務的AI模型，前者的核心價值在于處理語音信號和文本轉換，以及優(yōu)化語音交互的流暢性。

從應用場景上，語音大模型和大語言模型屬于協(xié)作關系，前者分析用戶的語音信號，轉換為文字之后交給大語言模型理解并生成文字回饋，再通過語音大模型轉為語音反饋給用戶，這就是完整的“語音交互流程”。也就是說，如果手機沒有集成大參數(shù)的端側大模型，即便有端側語音大模型，也很難做到理想的離線語音交互、智能實時翻譯功能。

（圖片來自雷科技攝制）

業(yè)內做離線端側AI語音交互和離線實時本地翻譯的手機品牌，目前基本上只有榮耀一家，結合榮耀自家的YOYO智能體，甚至能夠支持離線狀態(tài)下的自動執(zhí)行，要不然也不拿“全球首個語音大模型端側部署”來宣傳。

離線AI交互是好主意，但不一定是好方向？

前面也提到，手機廠商為了平衡AI大模型的計算功耗、安全性和生成效果，大多數(shù)都會采用端側小模型+云端大模型協(xié)同工作的方案。這種方案對手機運算壓力小，也可以借助云端計算，讓大模型提供更精確的生成結果。

只是很多人都沒有想到無網(wǎng)絡等極端環(huán)境下使用AI功能，雷科技試過在戶外評測手機AI助手時，因為沒有連接網(wǎng)絡，手機的AI助手除了只會回應“請連接網(wǎng)絡”外，什么都干不了。

這么看，榮耀讓機圈看到了AI手機步入離線運算時代的希望，在一些沒有網(wǎng)絡或信號不佳的極端環(huán)境下，手機的AI功能也不至于“罷工”。另外，設備端大模型還有兩大優(yōu)勢就是安全和響應快。

我還是要先潑一盆冷水，從科技平權的角度來看，完全離線運行的AI功能，短期內都不太可能在低端的機器上見到。本地運算高度依賴硬件，智能手機的性能參差不齊，適配難度相當高，過分壓縮大模型規(guī)模也會導致生成精度嚴重損失，硬上語音大模型意義并不大。

（圖片來自榮耀）

這也是為什么榮耀選擇率先在配備高通驍龍8至尊版芯片的Magic V5上首發(fā)，如果在一些次旗艦芯片甚至是中低端芯片上適配大語言模型，它很可能理解不到各個地方的口音、模糊音、連讀等刁鉆的特殊語言，導致語音大模型發(fā)揮不出作用，廠商好心設計的功能變成了“痛點”。

雷科技曾經(jīng)嘗試過將DeepSeek 1.5B（15億參數(shù)）的本地大模型下載到一臺配備高通驍龍8至尊版芯片+16GB運行內存的手機上運行，結果就是它的表現(xiàn)還行，AI推理和生成速度比較不錯，甚至不比一些筆記本電腦弱。

換個角度看，高通驍龍8至尊版+16GB這種配置的手機，基本上都是旗艦級別的產(chǎn)品，或者是主打高性能的中高端手機，才能獲得一個相對不錯的AI推理和生成體驗。低端手機的AI算力目前幾乎為0，所以絕大部分AI功能只能在云端處理，沒有網(wǎng)絡基本“報廢”。

這還沒算上大模型的規(guī)模和質量，比如15億參數(shù)的DeepSeek在手機里也就只能說“能跑起來”，但生成出來的答案只能說難堪大用。不排除手機廠商通過一系列優(yōu)化和壓縮后的端側大語言模型會有更好表現(xiàn)的可能，只能說再好也有限。

在手機性能這種剛性約束之下，完全本地計算的端側大語言模型和語音模型會面臨功耗與精度的“兩難抉擇”，一個理解能力有限，另一個就是，面對多變的使用環(huán)境（安靜房間、嘈雜戶外、遠距離對話等），云端大模型可以靠大量數(shù)據(jù)進行約束提高生成精度，但這種高度壓縮之后的端側大模型能做到什么效果，這還真的不好說。

（圖片來自榮耀）

這種不足可能會被AI算力更高的手機芯片抹去，這兩年手機芯片的NPU性能的提升是肉眼可見，然而核心問題依舊會存在：制程工藝帶來的紅利消退，能效提升的邊際效應愈發(fā)明顯，性能越強，功耗大概也會越高，要么就是端側大模型精度和功耗的難兩全。

并不是說榮耀首發(fā)端側語音大模型部署給消費者徒增痛點，敢為人先值得肯定，而且AI實時翻譯對于部分有跨國合作需求的商務人士而言，屬于剛需場景，自然需要考慮到“沒網(wǎng)也能用”的可能性。

如果后續(xù)國內版也有推送，雷科技也會分享一下這個可以離線使用的端側語音大模型。

但我想說的，還是大模型本地運算的挑戰(zhàn)太多，本地大模型運算本身又帶有一些隨機屬性，完全離線的AI功能還是任重道遠，我們還是理性看待，不應期待過高。好的話，榮耀這一波部署可以影響手機AI功能往離線化發(fā)展。有了這樣的技術鋪墊，未來大概也會用于智能AR眼鏡的實時離線翻譯上，不好的話，它依舊會是應對小部分需求的“應急技術”。

寫在最后

如果說AI大模型決定了手機“智能體驗”的上限，那芯片則決定了它的下限。過去這些年，我們目睹了AI大模型的橫空出世，再到各行各業(yè)的快速滲透，最終逐漸成為市場不可或缺的“金字招牌”，雖然它現(xiàn)在還有不完美，但不能否認這就是智能終端的“版本答案”，無論是手機，還是其它智能穿戴產(chǎn)品。

條件允許的話，完全離線的端側大模型計算會成為高端旗艦的一個差異化屬性，你要讓雷科技評價的話，它會是一個和衛(wèi)星通訊一樣，用一次就“值回票價”的功能，因為誰都無法預料到一個剛好沒網(wǎng)但又需要用到AI功能的時候。