Counterpoint 咨询公司对拥有 ”生成式 AI 的智能手机“ 的定义是，手机使用生成式 AI 模型（经过裁剪）在本地创建原创内容，而不仅是提供预先编程的响应或执行预定义的任务。
2023 年有 4% 的手机支持生成式 AI，预计到 2027 年比例会提升 40%。
Counterpoint 认为生成式 AI 手机的四个应用方向：信息供应、图像构建、实时翻译、个人助理。
围绕端侧计算，还是云端计算 ？经典话题在生成式 AI 这波浪潮再次讨论升温。
经常有科技圈的 “前沿人士” 提及自己现在越来越多用 Perplexity 这种基于生成式 AI 的搜索引擎，而不是 Google。给人一种感觉，这会是代替 Google 的下一代搜索引擎。
但从量化数据看，无论是访问量、还是 MAU（月活跃用户数）Perplexity 的发展并不是那么积极。才千万级用户量就开始出现下行苗头。
经典营销理论 Geoffrey Moore 《跨越裂谷》（Crossing the Chasm）中提及的，有相当多高科技产品是不能 “出圈” 的。
汽车电子产品的价格普遍比较贵，所谓 “车规级” 芯片。什么才是车规级器件，以及电子元器件在汽车的应用于一般消费电子有什么差别。
附件是 Synopsys 的研究，对比了智能手机和汽车用芯片的指标差别。
最容易看到的差别是：(1) 故障率；(2) 温度范围；(3) 使用寿命。
一个接近零故障率的芯片、可以适应 -40 度的芯片，可以使用 15 年的芯片。显然和手机元器件还是有相当大的不同。
对比而言，智能手机是一种 “民用，快速消费品”。
传统云计算可以大致划分为 SaaS、PaaS 和 IaaS。理论上讲，上层 SaaS 应用与下层云计算基础设施资源是 “解耦” 的。应用可以选择 A 公司的 IaaS，也可以选择 B 公司的 PaaS 之类。
从最终用户角度，下层调用了什么基础设施资源，用户在上层应用中是不可见的。这是一个黑盒。
但 Gen AI 应用则不同，附图 1 Github Copilot 用户可以选择打算使用哪一个大模型能力，附图 2 腾讯元宝的用户也可以自行选择用哪一个大模型。
这种看得见的 “解耦” 对于上下层玩家各自的优劣几何？值得思考。
