@
maymay5 我的意思是，基础设施都没有做好，所谓的应用场景都只是空中楼阁。就像你指望用 GT610 显卡开最高画质畅玩 3A 大作一样。
如果有一个好的模型，实现你说的那些东西，比开发一个普通 APP 的难度还低。
你对其他厂商的了解不多，所以你会觉得苹果的想法非常独特，仿佛大家都想不到一样。楼上有个人提了 Google ，我就不重复了。
你可能觉得所有国内厂商的语音助手就像 siri 那样大多数时候只会打开网页搜索，而没多少与系统集成的功能。但 4 年前发布的 MIUI 12 就可以做到：
“帮我订张从 A 到 B 的机票”：会打开携程，然后跳转到查询机票的页面，自动填入你提到的出发点、目的地、日期；
“我想知道去 XXX 的路怎么走”：会帮你打开百度地图或者高德地图，查询路线，从你的位置到你说的目的地
还有其他场景，例如打车等。或者最经典的：“我想听雷军的歌”（这个实现得更早，太简单了，siri 都能做类似的事情）
虽然这玩意诞生的时候并没有现在这么强的 LLM ，当时的手机内存容量和运算性能也不足以运行这样的东西。但是，语音助手与系统、第三方应用的对接，其实早就想到并实现了。
在这种基础上，想利用 AI 来整合信息，调用第三方应用，其实只需要在现有的基础上，接着往前走一步就可以了。
我所在的小公司里的产品经理，都设想过你想象的那些场景，难道这么多手机厂商的产品经理，就没有一个想到过吗？
目前国内确实没有手机厂商把这玩意真正做出来，只是初步将 LLM 用在聊天和画图里。不过苹果目前只停留在 PPT 上的 AI 照片编辑，国内厂商倒是已经实现了手机上离线运行的。
没做出来未必是没想到这种创意。用云端大模型应该可以实现，但是成本太高，商业上划不来。而过去能在手机上运行的模型，对于这样的应用场景效果都不好。
实际上我在公司里做过类似的东西，虽然不是手机上用的。功能是用一串自然语言描述的复杂需求，转成对应的系统功能页面+数据+需要执行的操作。后来因效果不好，且效果好的方案成本极高，没有商业价值，老板放弃了。
2024 年以前的 7B 及以下参数量的模型一个都做不到，起码得 70B （ PS：那会我都觉得 Yi-34B 是最好的基础模型，但 SFT 做得不好，导致直接用官方的模型感觉不是很好）。现在用 Qwen2 7B 的性能应该勉强可以做到，但我没有专门测试过，不保证。1.5B 的性能估计只能应付简单场景了。
当时公司还打算去买智谱清言的 ChatGLM 模型来实现上面说的那种需求，那时候计划用 12B 参数量的，所以我和他们团队有过一次沟通。
他们透露了小米也找过他们……
今年确实有一些让人眼前一亮的小参数量模型，而且低成本长上下文的技术也有一些突破，很多 LLM API 价格暴跌。
谷歌自己掌握优质数据，有 AI 领域的人才，自己训练模型而且目前还非常强，同时还做手机，能最早落地也不意外。微软的情况类似，所以从 Windows 11 24H2 开始就能在系统层面提供这方面的能力。
前提都是有性能足够好的，能在手机（或者轻薄本）上跑的模型。自己做不出来也没关系，可以找其他公司合作，但确实今年（甚至就两三个月前）才有，能到用户手里的时间只能更晚了。
只是 6 月正赶上 WWDC ，苹果提了一下这玩意，而且关注的人比关注谷歌、微软的多，所以会觉得似乎只有苹果才能想到这些。
然而微软宣传 Windows Copilot （后面换了很多说法）那会都提出了类似的想法。从现在算起，一天半以后都有搭载相应功能的产品开始发货了（微软要求 40 TOPS NPU ，所以需要等骁龙 X Elite 产品上市，其他设备都不提供支持）。