Historia komputerów PC i sztucznej inteligencji: przewidywanie przyszłości sprzętu brzegowego

Ten materiał pochodzi z sesji dzielenia się wiedzą IceWhale Technology w ramach FreeS Fund. Ma na celu przegląd kluczowych przemian, trendów rozwojowych, ważnych wydarzeń oraz stałych potrzeb konsumentów w branży PC Doliny Krzemowej lat 80. Artykuł jest dość obszerny, obejmuje stan chipów w latach 80., początek i penetrację PC, zmiany w systemach DOS i Windows 1.0 w latach 1980-1990, wczesne aplikacje zabójcze dla PC oraz scenariusze zimnego startu. Mamy nadzieję, że przeczytasz go cierpliwie, starając się zainspirować Twoje decyzje inwestycyjne i innowacje produktowe w sprzęcie i aplikacjach AI.

Cytując Ray’a Dalio z Bridgewater Associates:

Wzrost PC, proces informatyzacji i cztery kluczowe elementy

Computer History Museum, Dolina Krzemowa lat 80.

Apple I – 1976

$666

Author: The wub
License: Creative Commons Attribution-Share Alike 4.0

Apple II – 1977

MOS Technology 6502, 8-bit, kolor, $1200+, 8 slotów rozszerzeń

Author: Rama
License: CC BY 2.0

IBM PC – 1981

Intel 8088, 16bit, 16 MHz, $1500

Author: Rama & Musée Bolo
License: CC BY-SA 2.0 fr

Commodore 64 – 1982

$595 ->$299

Author: Bill Bertram
License: Creative Commons Attribution-Share Alike 2.5

Dziś, gdy OpenAI, Google i Microsoft definiują „erę inteligencji” opartą na dużych modelach, cofnijmy się najpierw do wczesnej „ery informacji” zbudowanej przez narodziny PC w 1976 roku. To był moment narodzin Apple I. Ten komputer został wprowadzony przez Steve’a Jobsa i Steve’a Wozniaka w społeczności geeków zwanej Homebrew Computer Club, w cenie 600 dolarów. Wydanie Apple I w klubie przypominało dzisiejszy projekt crowdfundingowy na Kickstarterze. Był skierowany wyłącznie do geeków, wymagał ręcznego składania części i był sprzedawany jako zestaw… wczesna sprzedaż wyniosła nieco ponad 200 sztuk. Jednak ten produkt położył fundamenty pod Apple, pomagając Jobsowi i jego zespołowi zgromadzić pierwszą grupę użytkowników startowych.

Wkrótce potem, w 1977 roku, Apple wypuściło Apple II. Ta generacja była nie tylko bardziej dopracowana pod względem wyglądu, dodając kolorowy wyświetlacz, ale także zawierała sloty rozszerzeń i zintegrowaną obudowę, co ułatwiało geekom rozbudowę i samodzielne modyfikacje. Jednak inne kluczowe specyfikacje nie zmieniły się znacząco. Wydanie Apple II było kamieniem milowym; cena wynosiła 1250 dolarów, znacznie poniżej drogich komputerów komercyjnych tamtych czasów.

Cztery lata później IBM, podobno pod presją rynku, wysłał zespół 12 osób do uruchomienia projektu o kryptonimie „Project Chess”, aby potwierdzić swoją pozycję lidera branży. Jako wiodące przedsiębiorstwo, naturalnie musieli zrobić mocne wrażenie. Wprowadzili IBM PC, oparty na procesorze Intela, i przyjęli otwartą architekturę sprzętową. To otworzyło drzwi dla innych producentów do tworzenia kompatybilnych urządzeń, co z kolei sprzyjało powstaniu ekosystemu Wintel. Otwartość strategii IBM szybko doprowadziła do akceptacji standardu PC przez rynek.

Commodore 64 z 1982 roku to kolejna firma warta uwagi, choć nie zaszła zbyt daleko. Na początku poprawnie przewidziała kilka kluczowych strategii. Oferowała wiodącą grafikę i dźwięk w konkurencyjnej cenie 595 dolarów, co spotkało się z dobrym odbiorem. Jednocześnie Commodore priorytetowo traktowało ekspansję na rynek europejski, z ponad połową przychodów pochodzących z Europy. Wykorzystując lokalne sieci dystrybucji i reklamę, szybko zdobyła popularność, tworząc solidne podstawy dla swojej obecności na globalnym rynku komputerów domowych.

Podobnie jak dziś istnieje wiele podkanałów na Reddicie dla dużych modeli takich jak ChatGPT, LocalLLM i Stable Diffusion, na początku każdej ery wiele utalentowanych osób i pomysłów pochodziło z internetowych i offline’owych społeczności. To nie jest dziś nic nowego, ponieważ wielu gigantów technologicznych spędzało czas na forach BBS, gdy internet dopiero się pojawił, zanim rozproszyli się po różnych branżach. Dziś społeczność wokół dużych modeli na czołowych uniwersytetach ma podobne cechy.

Ale co jest jeszcze ciekawsze, to fakt, że takie kluby mają tendencję do stopniowego zanikania w ciągu dekady. Schemat jest taki, że gdy pojawia się nowa kategoria, przyciąga grupę entuzjastów bardzo aktywnych w społeczności, którzy proponują różne pomysły, a nawet tworzą wczesne prototypy produktów. Gdy duże firmy wkraczają na scenę, a innowacje przesuwają się w stronę komercjalizacji, wczesne, oddolne pomysły rodzące się w społeczności stopniowo dojrzewają i nabierają treści. Jednak te społeczności często mają „przeznaczenie”: są niezwykle kwitnące w okresach aktywnej innowacji, ale ich popularność maleje wraz z dojrzewaniem branży i pojawieniem się gigantów. Homebrew Computer Club, a także rozwój dzisiejszego przemysłu modeli, druku 3D i quadkopterów, wszystkie podążają za tym wzorcem „boom i upadek”.

Autor: ZyMOS Creative Commons Uznanie autorstwa-Na tych samych warunkach 4.0

Intel 8088 to klasyczny procesor wydany w 1979 roku, używany w IBM PC. 8-bitowa magistrala danych, 16-bitowe przetwarzanie wewnętrzne: Chociaż wewnętrznie był 16-bitowy, używał 8-bitowej zewnętrznej magistrali danych, co obniżało koszty sprzętu. 4.77 MHz clock speed: Moderate processing speed, sufficient to support word processing and simple games of the time. Supports 1 MB of memory: Can access a maximum of 1 MB of memory. Compatible with the x86 instruction set: Compatible with later x86 series processors, laying the foundation for PC standardization. 40-pin package, low power consumption: Small size and low power consumption, suitable for the needs of desktop computers at the time.

Secondly, let’s look at the chips of that time, which were the foundation for the PC category. The definition of a PC is inseparable from the continuous decrease in chip costs and “just enough” computing power. Being suitable for use and affordable allowed PCs to enter the mass market. The Intel 8088 is a typical example. The 8088 adjusted the bus width compared to its predecessor, the 8086, resulting in lower costs, which allowed it to become the core chip of the IBM PC.

At that time, IBM’s main commercial and military computing equipment was very large and powerful, but it was completely “overkill” for the personal market. The 8088, by contrast, was a step down, offering balanced computing power at a lower cost, much like today’s NAS (Network Attached Storage) devices that simplify commercial servers into a size and computing power suitable for home use, allowing individuals to have their own small computing solutions.

If NVIDIA’s H200 is the commercial leader today, who is developing the ASIC chips that will bring models into various computing terminals like AI PCs or AI NAS?

The Evolution of Systems – Every Generation Touts Its “Friendly User Interface”

Just like how every company today claims to have an “intelligent system”

Author: Vadim Rumyantsev
public domain

Apple II DOS – 1978

Tech Enthusiasts, Small Businesses

Command-line interface

Author: leighklotz
Creative Commons Attribution 2.0 Generic

Xerox Star OS – 1981

Enterprise Users

First to introduce a GUI; A luxury item priced at $16,595…

Author: Eric Chan from Hong Kong
Creative Commons Attribution 2.0

Macintosh – 1984

Mass Consumers, Creative Professionals, Education

Widespread adoption of GUI

Po trzecie, przyjrzyjmy się wczesnym systemom operacyjnym. Podobnie jak dziś ludzie „dostrajają” modele, było to zasadniczo coś, czym mogli zajmować się tylko inżynierowie. Około 1978-79 roku tylko około dziesięciu tysięcy inżynierów w Dolinie Krzemowej pracowało z systemami DOS, które były całkowicie oparte na wierszu poleceń, bez interfejsu graficznego. Na tym etapie systemy operacyjne były dalekie od przenikania do codziennego użytku przedsiębiorstw i ogółu społeczeństwa, podobnie jak dzisiejsze modele AI, które wciąż są w rękach grupy technologicznych zapaleńców.

It wasn’t until 1981, with the launch of IBM’s first PC, that the DOS system gradually gained more attention, but it was still a command-line version without a GUI. Therefore, the computing scenarios at that time were very similar to AI today: they required a large number of tech geeks and engineers to repeatedly adjust and integrate to achieve specific applications. What truly brought PCs and operating systems to the enterprise level was the Xerox Star’s graphical user interface (GUI), which kicked off the first real wave of user expansion.

In 1984, the graphical interface system launched by Apple further expanded the user base to creative, educational, and other professional fields, slowly opening up the mass application of operating systems. However, during this period, DOS and GUI systems coexisted for a long time, with companies maintaining two separate systems to serve different needs.

The Early 1980s Application Ecosystem, What We Call “Killer Apps” Today

Fourth, the application ecosystem that gradually developed alongside the system and hardware capabilities! Here are some representative applications and a glimpse of their penetration path in the PC productivity revolution.

W tych wczesnych systemach interfejsu użytkownika rynek nie osiągnął jeszcze skali konsumenckiej i składał się głównie ze scenariuszy produktywności. Niektóre aplikacje zaczęły się wyróżniać, takie jak Lotus 1-2-3, słynne oprogramowanie do zarządzania finansami i wczesna wersja Excela. WordPerfect, wydany w 1985 roku, był głównie używany w dziedzinach prawnych i akademickich. Jednak te operacje edycyjne nie były wykonywane za pomocą dopracowanego graficznego interfejsu, lecz opierały się na linii poleceń DOS. Pracownicy wiedzy musieli nauczyć się odpowiednich operacji w wierszu poleceń, aby wykonać zadania edycyjne.

W dziedzinie badań naukowych używanie komputerów PC do digitalizacji dokumentów i współpracy przyniosło ogromne usprawnienia efektywności. Dlatego do 1988 roku wskaźnik penetracji komputerów PC w środowisku akademickim był bardzo wysoki w scenariuszach takich jak transfer plików, komunikacja e-mailowa i edycja tekstu. Jednak dopiero w 1989 roku, wraz z ulepszeniem mocy obliczeniowej procesorów i możliwości przetwarzania GUI, zaczęło to mieć duży wpływ na branże takie jak druk i projektowanie reklam. Jest to nieco podobne do dzisiejszej sytuacji; chociaż OpenAI wypuściło model świata wideo, nie został on szybko zastosowany w praktycznych scenariuszach, ponieważ dojrzewanie zasobów obliczeniowych i technologii GUI wymaga czasu.

Na wczesnym etapie nowej platformy komputerowej innowacje aplikacyjne, które zagłębiają się w pionowe scenariusze, nadal mają ogromną wartość dla branży. Jeśli dokonamy analogii do teraźniejszości, wierzę, że w przyszłym roku, gdy moc obliczeniowa TPU w PC będzie gotowa, a Windows jako standardowy system pośredni będzie mógł zapewnić potężną moc obliczeniową AI dla aplikacji wyższego poziomu, pojawi się nowa fala aplikacji PC związanych z AI, podobnych do Copilota, działających bezpośrednio na krawędzi.

W tym kontekście Quicken pogłębił doświadczenia w scenariuszach biznesowych opartych na Lotusie. Ulepszył interfejs interakcji i konfigurowalność oryginalnego systemu DOS, rozwijając się głęboko pod kątem potrzeb zarządzania finansami i małych firm. Dało to tym wczesnym aplikacjom dobrą przestrzeń do przetrwania.

Jednak ceny tych aplikacji były dość wysokie. Na przykład Lotus 1-2-3 kosztował prawie 500 dolarów, co było bardzo drogim rozwiązaniem w 1985 roku. Wskazuje to, że wczesne scenariusze produktywności były głównie napędzane przez konsumentów o dużej sile nabywczej.

Ponadto istniały gry i symulatory dla entuzjastów, takie jak „Flight Simulator” na Windows, które oferowały bardziej zróżnicowane i lekkie funkcje produktów, przyciągając nowych użytkowników lubiących eksplorować i eksperymentować. Dlatego możemy zauważyć, że wczesny ekosystem PC został zbudowany przez połączenie zaawansowanych narzędzi produktywności, penetracji małych i średnich przedsiębiorstw, badań przemysłowych i akademickich oraz kilku interesujących aplikacji przełomowych. Jednak proces ten trwał bardzo długo, ponieważ podstawowe technologie DOS i GUI rozwijały się stosunkowo powoli.

Konkretnie, dostawcy aplikacji tacy jak Lotus odegrali kluczową rolę. Nie byli dostawcami systemów operacyjnych; ci ostatni skupiali się na budowaniu niezawodności, harmonogramowania zasobów i skalowalności systemu. W okresie od 1982 do 1990 roku Lotus wykorzystał okazję, aby wypełnić lukę na rynku. Apple i Microsoft nie zaczęli wydawać swoich kompletnych pakietów Office aż do lat 90., co dało tym aplikacjom systemowym przewagę rynkową wynoszącą 7 do 8 lat. Wykorzystali popularność IBM PC i systemu DOS, aby szybko wejść na rynek użytkowników korporacyjnych, księgowości finansowej i innych dziedzin. Użytkownicy ci mieli silne potrzeby przetwarzania danych, a połączenie nowych komputerów i oprogramowania Lotus osiągnęło pełne przenikanie w tych scenariuszach.

Windows 1.0 i „szalona” kampania sprzedażowa Ballmera

Wracając do 1985 roku, udział Lotus na rynku przekroczył już 50%. Wobec wysokiej ceny 495 dolarów, łatwo zrozumieć, dlaczego Steve Ballmer, promując Windows 1.0, podkreślał: „Oferujemy grę w szachy, arkusz kalkulacyjny i przetwarzanie obrazów za jedyne 99 dolarów, a nie 500 czy 600.” W tamtym czasie cena oprogramowania była bardzo atrakcyjnym argumentem sprzedażowym. Sprzedając system operacyjny, specjalistyczne oprogramowanie graficzne, takie jak CorelDRAW, nieco podobne do późniejszego Photoshopa, zapewniało użytkownikom profesjonalne funkcje przetwarzania obrazów.

Od nabytego MS-DOS 1.0 do Windows + Office

Wzrost Microsoftu nie wynikał być może z początkowych produktów, lecz z doskonałej strategii biznesowej. Już na wczesnym etapie Microsoft wykazał się bystrością biznesową, kupując system operacyjny firm trzecich o nazwie 86-DOS [tak, kupili go…]. Ten ruch uczynił ich ważnym partnerem IBM. Co zaskakujące, Microsoft szybko rozszerzył działalność w drugim roku, współpracując z innymi producentami sprzętu, podobnie jak dziś po zdefiniowaniu standardów przez Teslę, wiele firm podąża za tym przykładem, napędzając cały ekosystem ODM i ustanawiając standardy AIPC.

Po tym, jak Microsoft zdefiniował standard, producenci sprzętu zaczęli działać. Wracając do dzisiejszego toru AI PC i zastosowań edge AI, zobaczymy na rynku wiele laptopów z mocą obliczeniową AI na poziomie 40 TOPS, a Qualcomm podejmuje podobne działania. To wprowadza nowe zmienne: z jednej strony sprzęt jest ulepszany, a z drugiej podkreśla się znaczenie systemu operacyjnego jako warstwy pośredniej. System operacyjny musi efektywnie przydzielać 40 TOPS zasobów obliczeniowych, aby sprostać potrzebom wielu aplikacji wyższej warstwy. Microsoft intensywnie inwestował w rozwój systemu operacyjnego, nie mając czasu na długotrwałą rywalizację z Lotus czy WordPerfect.

To dopiero w trzecim roku Microsoft zaczął naśladować WordPerfect [system przejmuje kluczowe aplikacje], i trwało to aż do 1989 roku. Przez osiem lat Microsoft umacniał swoje licencje na oprogramowanie firm trzecich dla systemu i zaczął samodzielnie sprzedawać Windows 1.0 w 1985 roku. Warto zauważyć, że Windows 1.0 został wydany pełne cztery lata po systemie GUI firmy Xerox, co pokazuje długi proces rozwoju systemu operacyjnego. Wczesne wersje Windows były głównie dołączane do urządzeń sprzętowych, a sprzedaż sięgała dziesiątek tysięcy egzemplarzy w ciągu pierwszych dwóch-trzech lat, z łączną liczbą wysyłek od pięciu do sześciu milionów w ciągu ośmiu lat.

Rewolucja produktywności kontra każdy dom

Wówczas główny rynek komputerów osobistych nie ograniczał się do Ameryki Północnej; kraje rozwinięte w Europie również importowały te urządzenia drogą morską. Baza użytkowników koncentrowała się głównie na intensywnych scenariuszach produktywności. Dopiero w 1989 roku, gdy zaczęły pojawiać się aplikacje takie jak przetwarzanie obrazów, pojawiły się nowe przypadki użycia. Nawet po wprowadzeniu systemów GUI nie weszły one od razu na masowy rynek konsumencki. Prawdziwe wejście do zwykłych domów nastąpiło około 1994 roku, wraz z rozwojem przeglądarki Netscape i internetu, gdy coraz więcej osób używających komputerów w pracy zaczęło kupować je do domów.

Ta ścieżka ewolucji technologicznej, od rewolucji produktywności do eksplozji konsumenckiej, jest wyraźnie widoczna w erze PC. Dziś informacje rozprzestrzeniają się szybko, a czy AI zdoła wzmocnić każdy scenariusz konsumencki, wymaga jeszcze czasu na weryfikację. Na wczesnym etapie powinniśmy zwracać większą uwagę na zmiany po stronie produkcji i podaży.

Kolejnym kluczowym czynnikiem jest ewolucja interakcji człowiek-komputer. Wprowadzenie myszy stworzyło nowy sposób interakcji człowieka z komputerem, co znacznie wpłynęło na popularyzację komputerów osobistych. Podobnie możemy spojrzeć na obecną strukturę, analizując trajektorię rozwoju Microsoftu. Jeśli dzisiejsze OpenAI potwierdza możliwość istnienia systemu operacyjnego AI w chmurze, to na krawędzi, bez wsparcia systemu operacyjnego, aplikacje wyższego poziomu będą miały trudności z rozwojem. Gdy system operacyjny i sprzęt osiągną kluczowe przełomy, aplikacje końcowe mogą doświadczyć gwałtownego wzrostu.

Dziś komunikujemy się za pomocą języka naturalnego i strumieni wideo, a te nowe zmienne również wpłyną na scenariusze zastosowań AI. Krótko podsumowując, powodem, dla którego Microsoft od 1981 do 1989 roku rozwijał równolegle DOS i GUI, była potrzeba kompatybilności z dużą liczbą urządzeń sprzętowych. To również wyjaśnia, dlaczego Steve Jobs kiedyś lekceważył system Windows, uważając go za skomplikowany i nieestetyczny. Jednak z perspektywy biznesowej Microsoft podjął stabilne kroki: od przejęcia kodu i uruchomienia GUI po wydanie Office osiem lat po Lotus, w każdym aspekcie umacniał swoją pozycję w ekosystemie.

Spojrzenie na obecną architekturę Windows przez pryzmat Windows NT

Schemat architektury Windows NT z przetłumaczonymi komponentami

Podsystemy trybu użytkownika: Kompatybilność aplikacji Menedżer Windows i GDI: Interfejs użytkownika i zarządzanie oknami Menedżer zasilania: Zarządza zasilaniem Menedżer PnP: Menedżer urządzeń Plug and Play Menedżer procesów: Zarządza procesami VMM: Menedżer pamięci wirtualnej Menedżer IPC: Komunikacja międzyprocesowa, np. przesyłanie wiadomości Monitor bezpieczeństwa: Autoryzacja i bezpieczeństwo Menedżer I/O: Zarządza żądaniami wejścia/wyjścia dla urządzeń Menedżer obiektów: Zapewnia jednolitą kontrolę i bezpieczeństwo obiektów takich jak pliki, procesy i urządzenia Micro Kernel: Podstawowe funkcje systemu operacyjnego, komunikacja międzyprocesowa, zarządzanie wątkami Sterowniki trybu jądra: Bezpośrednio współpracują ze sprzętem, zapewniając interfejsy sprzętowe dla systemu HAL: Warstwa abstrakcji sprzętu, ukrywa różnice między sprzętem

Podsumowanie czterech elementów – widząc zmienne i stałe zapotrzebowania

Chipy, System, Aplikacje i Urządzenia

W tym procesie warto zwrócić uwagę na kilka kluczowych elementów. Pierwszym jest ewolucja jednostek przechowywania i obliczeń. Chociaż koszty wczesnych chipów i pamięci spadły, nie zmalały znacząco, co wiąże się z postępem prawa Moore’a. Dziś wdrożenie edge computingu jest również możliwe, ponieważ rozwój technologiczny osiągnął pewien punkt krytyczny.

Po drugie, system operacyjny jako ważne oprogramowanie pośredniczące realizuje kluczowe zadania, takie jak zarządzanie zasobami i adaptacja urządzeń. Chociaż wczesne systemy nie były potężne, ich znaczenie było oczywiste.

Po trzecie, wczesne aplikacje-klucze mogły przynosić zyski, ale jeśli nie były rozwijane dogłębnie, ostatecznie mogły zostać zastąpione [to, co teraz często nazywa się scenariuszami wertykalnymi, wymagającymi głębokości]. Czy dostawcy aplikacji mogą zejść na poziom systemu operacyjnego, to nadal pytanie warte rozważenia.

Ostatecznie wartość jest przejmowana przez pojazd komercyjny. Na początku ludzie kupowali sprzęt jako pojazd, ale wraz z ustanowieniem platform systemowych znaczenie sprzętu stosunkowo zmalało. W erze, gdy „platforma jest królem”, system operacyjny nie tylko dzielił wartość, ale także rozwijał bogaty ekosystem aplikacji. Zjawisko to zostało również potwierdzone w erze internetu mobilnego.

Możemy odnieść te cztery elementy — sprzęt, system operacyjny, aplikacje i interakcję człowiek-komputer — do obecnego rozwoju sztucznej inteligencji. Po stronie podaży powinniśmy zastanowić się, dlaczego ludzie potrzebują komputerów i modeli AI. Niezmiennym zapotrzebowaniem jest efektywne i wygodne przechowywanie oraz edycja informacji. Każde pokolenie urządzeń komputerowych dąży do bardziej naturalnej i łatwiejszej interakcji człowiek-komputer, co jest wiecznym tematem.

Finally, the dissemination and sharing of information are also important factors driving technological development. From early email to later browsers, the evolution of dissemination methods has met people’s deep-seated needs for digitization. Today, we generally believe we are in a wave of intelligentization, just like the past information revolution, and we can use historical patterns to draw analogies and think about future directions.

• Technology Foundation Layer (Key to Storage/Compute): The development of core hardware technologies such as processors (computing power) and storage (storage media).
• Platform Layer: The basic platform of the PC, providing interfaces with hardware and a running environment for upper-layer applications.
• Application Layer: Application software is the main motivation for users to buy PCs and is an important factor in attracting users to a certain platform.
• Transaction Vehicle: Hardware products are the physical devices that end-users purchase, available for users to choose and buy.

Demand – Digitization:

• Retention: A convenient medium for permanently storing information.
• Production: The constant need for efficiency in processing text, data, images, and information in productivity scenarios.
• Dissemination: The efficiency of collaboration.

Key Events and Trends After 1990

Powyższa tabela wyraźnie pokazuje bardzo interesujące informacje! Wchodząc w lata 90., powitaliśmy premierę procesora Intel Pentium, eksplozję zastosowań internetu, narodziny Windows 98 oraz pojawienie się USB 1.1, netbooków i ultrabooków. Ta seria innowacji technologicznych wyznacza niezmienny trend w rozwoju komputerów — internet naprawdę wszedł do każdego domu.

W tym okresie procesory stały się jeszcze lżejsze, a pojawienie się USB 1.1 ułatwiło rozbudowę peryferiów, co sprawiło, że podłączanie urządzeń takich jak myszy stało się proste. Rozwój internetu spowodował, że wielu konsumentów zaczęło korzystać z osobistych urządzeń komputerowych. Warto zauważyć, że rozwój PC pokazuje wyraźny trend: lekkość i przenośność. Wczesnym mikrokosmosem telefonu komórkowego był PDA.

Komputer stacjonarny – 2000

Notebook – 2005

Ultrabook – 2012

Powyższe obrazy to symulacje wygenerowane przez AI

Rewolucja PDA z lat 90. oferuje ciekawą perspektywę. Ze względu na ograniczony czas nie zagłębimy się tutaj w szczegóły. Jednak przegląd tej ścieżki może dostarczyć kluczowych analogii dla przyszłej ewolucji AI PC lub AI NAS.

Rozmawiałem o tym z kolegami z Lenovo. Ich wczesne wejście na rynek obejmowało już przeglądarki. W 2000 roku Lenovo uruchomiło program, który ułatwiał dostęp do internetu przez modem, upraszczając konfigurację sieci i połączenia, co umożliwiło większej liczbie użytkowników dostęp do internetu. To pomogło im szybko zdobyć rynek. Następnie nadeszła era komputerów markowych.

Jedną stałą w ewolucji komputerów PC jest przesunięcie w kierunku przenośności i smukłości, umożliwiające dostęp do świata cyfrowego w dowolnym czasie i miejscu. Innym trendem jest przejście od wczesnej ciężkiej produkcji do wieloscenariuszowego przenikania. W jakich branżach pionowych AI początkowo się skoncentruje? Kiedy osiągnie powszechne zastosowanie? To jest ściśle powiązane z mocą obliczeniową, formą urządzenia i dojrzałością systemu operacyjnego – wszystko to jest ze sobą powiązane. Widzimy, że druga połowa ery PC odzwierciedla tę wieloscenariuszowość.

Dziś nowe zmienne, takie jak GPU, TPU i wbudowane NPU w RISC-V, napędzają ewolucję systemów, a te zmiany systemowe przenikną warstwę aplikacji. Gdy nadejdzie odpowiedni czas, pojawi się wiele interesujących aplikacji natywnych AI, które uczynią lokalnego Copilota jeszcze potężniejszym. Jednak w łańcuchu przemysłowym jest wiele kluczowych elementów, które wymagają dogłębnej analizy i obserwacji zmian kluczowych graczy.

Zmieniające się czynniki, niezmienne trendy

• 1. Przenośność: Od ciężkich do przenośnych, niższe zużycie energii i lżejsze urządzenia – znaczne obniżenie kosztu wejścia w świat cyfrowy.
• 2. Wieloscenariuszowość: Gry, rysowanie, programowanie i powiązane peryferia – znaczne rozszerzenie granic zastosowań cyfrowych.

Co jest kluczem do ustanowienia nowej kategorii? Urządzenia specjalistyczne kontra urządzenia do obliczeń ogólnego przeznaczenia

W tym procesie zdałem sobie sprawę z ciekawego pytania: Jak dzisiejszy wielofunkcyjny sprzęt AI wypada na tle rozwoju komputerów PC z przeszłości? Które innowacje urządzeń zostaną wchłonięte przez PC, a które nie? Komputer PC był wtedy tak dominujący, jak dziś smartfony, laptopy i chmura obliczeniowa. W jakich scenariuszach nastąpiło rozdzielenie między urządzeniami specjalistycznymi a ogólnego przeznaczenia, które ostatecznie nie zostały zastąpione przez jedno, zunifikowane urządzenie?

Odkryłem, że konsola do gier wprowadzona przez Nintendo w 1983 roku faktycznie używała tego samego układu co Apple I i II, ale stała się urządzeniem specjalistycznym. Do dziś zakup PS5 lub Xboxa opiera się na tej samej logice. Dlatego gdy pionowy scenariusz ma wystarczającą głębokość potrzeb obliczeniowych, wymagań systemowych i zastosowań, może utworzyć niezależną kategorię urządzeń specjalistycznych. PDA z 1999 roku to kolejny przykład. Używało stosunkowo przestarzałych, niskomocowych urządzeń, aby sprostać potrzebom osobistego asystenta cyfrowego. Chociaż PDA w tamtym czasie nie było jeszcze telefonem, a jedynie tanim narzędziem do zarządzania terminarzem i kontaktami, było znacznie tańsze niż PC i zajmowało mały ekosystem urządzeń przenośnych, co można uznać za poprzednika telefonu komórkowego. Nie zostało jednak całkowicie zastąpione przez późniejsze laptopy; zamiast tego rozwój telefonów komórkowych je przewyższył.

Czy między 1980 a 2000 rokiem pojawiło się jedno, zunifikowane urządzenie obliczeniowe w branży komputerowej? Słowem kluczowym jest „głębokość scenariusza”.

NES – 1983

MOS Technology 6502

PDA – 1999

Motorola DragonBall 16 MHz

Granica między urządzeniami specjalistycznymi a uniwersalnymi inspiruje nas do refleksji: które z dzisiejszych inteligentnych urządzeń AI zostaną pochłonięte przez telefony AI, a które niezależnie rozwiną się w nowe kategorie, takie jak zabawki AI? Pod względem głębokości scenariuszy i inwestycji w zasoby, możemy użyć konsol do gier i PDA jako analogii do głębszych przemyśleń.

Na marginesie, wczesne 8-bitowe procesory miały wydajność obliczeniową nieporównywalną z dzisiejszymi procesorami ARM; były porównywalne do kontrolera wyświetlacza w twojej domowej lodówce lub mikrofalówce. Komputer z 1980 roku był zasadniczo na poziomie obliczeniowym twojej lodówki. Chodzi o to, że patrząc wstecz, nie był tak potężny, jak mogłoby się wydawać, ale położył fundamenty pod całą branżę PC i rozwój internetu.

Dzisiejszy AI PC, aplikacje i nowe możliwości

Wracając do teraźniejszości, chociaż elementy łańcucha przemysłowego się zmieniły, to co pozostaje niezmienne, to ludzki popyt na zatrzymywanie, produkcję i rozpowszechnianie danych. Na poziomie abstrakcyjnym potrzeby ludzi przesuwają się z operacji GUI do potrzeby konkurenta lub inteligentnego agenta, który automatycznie wykona kod lub zadania. Co pozostaje stałe, to potrzeba pozyskiwania i przechowywania informacji. Dzięki wdrożeniu Copilota twórcy mogą wprowadzać kontekst i pozwolić maszynie pomóc im tworzyć skrypty lub rozumieć, co robią ich rówieśnicy.

Na przykład firma może użyć agenta do śledzenia wszystkich istotnych innowacji branżowych w czasie rzeczywistym i automatycznego generowania cotygodniowych raportów. Te sposoby zatrzymywania i pozyskiwania danych produkcyjnych staną się mądrzejsze i bardziej inteligentne. Nośnikiem tego z pewnością nie będzie tradycyjny komputer PC; będzie to urządzenie obliczeniowe działające zawsze i w czasie rzeczywistym. W przeszłości ludzie musieli używać myszy i GUI, aby być produktywnymi; ale gdy inteligencja jest bezpośrednio wbudowana w urządzenie obliczeniowe, może działać samodzielnie. Oznacza to, że interakcja człowiek-komputer nie musi już opierać się na myszy i ekranie. Możesz zlecić mu zadanie, a ono je wykona bezpośrednio.

A proces osiągania tego wszystkiego ujawnia wzorzec, który można dostrzec w mikrokosmosie ostatnich 40 lat. Dlatego te podstawowe wymagania scenariuszy są spójne! Nowa produktywność napędzana przez GPT nadal będzie zdominowana przez scenariusze produktywności na wczesnym etapie, podobnie jak Lotus 1-2-3 w erze DOS! Możemy budować na tym fundamencie, dodawać nowe zmienne produkcyjne i znajdować możliwe wczesne scenariusze zastosowań. W połączeniu z wcześniej wspomnianym przemysłem gier, przetwarzaniem obrazów oraz metodami produkcji, pozyskiwania i rozpowszechniania danych, możemy teoretycznie eksplorować wszystkie możliwości.

Nowe czynniki produkcji

Obecnie możemy dostrzec cztery nowe czynniki produkcji, które zaczynają się pojawiać: rozwój GPU i TPU, nowe modele systemów operacyjnych, prywatyzacja danych oraz ilość unikalnych danych użytkowników. Po połączeniu tych czynników możemy być świadkami narodzin zupełnie nowego urządzenia obliczeniowo-magazynującego. Jego pozycja różni się od telefonów komórkowych, laptopów, a nawet chmury publicznej. Postaram się jasno wymienić jego cechy w tabeli.

• Dane prywatne: Wysokiej jakości zasoby danych własnych w organizacji lub dane prywatnie pozyskane przez maszyny są kluczowymi zasobami do trenowania i optymalizacji modeli AI.
• Możliwości dużych modeli: Zdolność do rozumienia, generowania i wnioskowania, dostosowująca się do różnych zadań i scenariuszy.
• Moc obliczeniowa GPU lub ASIC: Specjalistyczny sprzęt wysokiej wydajności do inferencji.
• Aplikacje AI: Nowe aplikacje oparte na LLM, zintegrowane z różnymi scenariuszami.

Scenariusze i nośniki – jedna tabela

Ze względu na ograniczenia żywotności baterii, obserwujemy, że obliczenia stają się coraz lżejsze, co doprowadziło do powstania dzisiejszych telefonów komórkowych i laptopów. Dlatego też trajektoria rozwoju technologicznego zawsze zmierzała w kierunku przenośności i współpracy, które są długoterminowymi potrzebami ludzi. Podobnie jak w rozwoju e-commerce, ludzie dążą do wyższej jakości marek i lekkich doświadczeń, chcąc mieć bardziej przenośne baterie i telefony. Jednak moc obliczeniowa i żywotność baterii są ograniczone przez limity zużycia energii i mocy, co ogranicza poziom inteligencji modeli, które mogą działać na urządzeniach, obecnie zazwyczaj na poziomie 3 miliardów parametrów.

Oznacza to, że gdy Windows lub następna generacja systemu Android będzie gotowa, prawdopodobnie będą oparte na modelach na poziomie 3B i Copilot, inspirując nową generację aplikacji AI, takich jak przeglądarki napędzane AI, narzędzia do odpowiadania na e-maile itp. Przestrzeń dla tych aplikacji jest ograniczona, ale nadal będą bardzo interesujące, ponieważ mogą działać tylko na modelach 3B w tle. To etap, przez który nieuchronnie przejdą telefony i laptopy, ponieważ z perspektywy procesu krzemowego moc obliczeniowa AI na wat nie zmieni się szybko w sposób dramatyczny.

Z drugiej strony mamy czystą chmurę obliczeniową. Problem z chmurą jest taki: czy jesteś gotów przekazać swoje dane z platform takich jak Notion, Slack czy Lark dostawcy chmury? A może chcesz dać jednemu dostawcy chmury pełny dostęp do swoich kont na Taobao, WeChat i finansowych? To oczywiście wiąże się z ogromnym kosztem decyzyjnym na poziomie psychologicznym. Dlatego chmura będzie istnieć na najwyższym poziomie, oferując najinteligentniejsze modele poprzez wywołania API, przenikając i obejmując duże przedsiębiorstwa.

Tymczasem pojawiła się szansa na stworzenie nowego systemu operacyjnego. Ten system będzie nośnikiem inteligentnego agenta, działającego na urządzeniu włączonym 24 godziny na dobę. Możesz wysyłać mu zadania ze swojego telefonu lub laptopa, a on będzie je automatycznie wykonywał w tle. Ma ogromną pojemność przechowywania danych, a ponieważ nie ma ograniczeń mocy obliczeniowej, może być wyposażony w GPU o mocy rzędu stu watów, zapewniając około 200 TOPS mocy obliczeniowej AI. Iteracje TPU i NPU jeszcze bardziej obniżą koszty mocy obliczeniowej, podobnie jak ewolucja wczesnego układu 8088.

Na tej podstawie można zbudować model działający w czasie rzeczywistym, wystarczająco inteligentny, aby służyć każdemu. Przekładając to na teraźniejszość, są to duże modele na poziomie 7B do 100B, które wszyscy wypuszczają, a po kwantyzacji mogą działać w całości na architekturze obliczeniowej 200 TOPS. Jeśli pojawi się odpowiednie wsparcie systemu operacyjnego, wyłoni się bogaty ekosystem aplikacji inteligentnych agentów. Te modele na poziomie systemowym są precyzyjnie dostrojone, często nazywamy je modelami edge. Chociaż łańcuch przemysłowy ma wiele elementów, to nowe urządzenie ma jasne przeznaczenie. Podobnie jak laptop, który kupujesz, możesz zalogować się na różne konta, nie martwiąc się zbytnio o kwestie bezpieczeństwa danych, ponieważ jest to twoje osobiste urządzenie obliczeniowe. Jest na tyle inteligentne, by służyć ci 24 godziny na dobę.

Twórcy, inżynierowie i pracownicy wiedzy

Twórcy

Freelancerzy

Programiści

Pomijając innowacje front-endowe, takie jak okulary i słuchawki, na zapleczu bardzo prawdopodobne jest pojawienie się osobistego urządzenia komputerowego, które przejdzie od produktywności do użytku konsumenckiego. To urządzenie, które przechodzi od czystego przetwarzania do integracji obliczeń i przechowywania. Dziś mobilność danych i współpraca są ulepszane, a zapotrzebowanie na moc obliczeniową rośnie. Urządzenie zintegrowane z obliczeniami i przechowywaniem staje się niezbędnym nośnikiem dla osobistego inteligentnego asystenta.

Początkowo takie urządzenia mogą koncentrować się na grupach takich jak twórcy, inżynierowie i pracownicy wiedzy, aby wejść na rynek. Zazwyczaj mają oni dużą ilość bogatych danych multimedialnych i potrzebę zarządzania zasobami oraz wymagają narzędzi zwiększających produktywność, aby sprostać problemom związanym z przechowywaniem i współpracą. To podobna ścieżka penetracji jak w przypadku wczesnych komputerów PC, skierowana do użytkowników gotowych zapłacić i mających silne zapotrzebowanie na produktywność, co pozwala wejść na to nowe pole walki.

ZimaCube – Prywatna chmura twórcy

Niedawno przeprowadziliśmy kolejne wywiady z licznymi twórcami i profesjonalistami z branży treści, odkrywając szerszy zakres scenariuszy zastosowań. W rzeczywistości ta kategoria ma bardzo długi pipeline. Podejście ZimaCube jest bardziej zbliżone do pionowej integracji Apple i musimy przemyśleć, jak postępować na różnych etapach. Obecnie NAS (Network Attached Storage) służy jako nośnik dla AI. Ma własny proces iteracyjny. W tym procesie osiągamy komercjalizację poprzez pionową integrację prywatnych rozwiązań chmurowych twórców.

Sprzęt nie jest barierą, lecz punktem wyjścia; wymaga pewnej unikalności.	System i aplikacje służą scenariuszowi.

Sprzęt to punkt wyjścia; zaczyna się od sprzętu, ale wartość scenariusza tkwi w aplikacjach. Otwarta ekosystem aplikacji może pomóc nam wcześniej zaadaptować różne nowe aplikacje, takie jak Lotus 1-2-3. Nie musimy spieszyć się z inwestowaniem dużych zasobów w rozwój aplikacji; zamiast tego powinniśmy zbudować platformę i promować ją poprzez działania oparte na społeczności.

System i aplikacje firm trzecich

Pozostań otwarty, włączaj popularne aplikacje z społeczności LocalLLM i buduj App Store z dokumentacją oraz unikalnymi standardami aplikacji.

Konieczność łączenia systemów i społeczności w globalnym kontekście biznesowym

Jednak produkty hybrydowe sprzętowo-programowe są rzeczywiście trudne do stworzenia. W dzisiejszych Chinach wiele innowacyjnych firm wymaga podwójnych zdolności. Pod względem zdolności organizacyjnych z jednej strony muszą stosować podejście „waterfall” do zarządzania sprzętem i procesów produkcyjnych, aby kontrolować koszty i ryzyko sprzętu; z drugiej strony muszą budować zwinne, iteracyjne podejście do aktualizacji systemów oprogramowania co tydzień lub co miesiąc.

Społeczności mogą być doskonałym narzędziem do przekazywania globalnych potrzeb użytkowników i informacji zwrotnych do naszych systemów oprogramowania. Sam sprzęt może nie wymagać częstych aktualizacji. Jeśli sprzedajesz powerbank, oceny na Amazonie i zarządzanie waterfall mogą zdefiniować produkt i roczny cykl sprzedaży. Jednak dziś jest niewiele nisz dla kreatywnych firm opierających się wyłącznie na dostawie sprzętu. Większość kategorii opartych na efektach skali jest zdominowana przez gigantów, a nie ma nowych struktur ruchu, które mogłyby szybko rozszerzyć rynek.

Uniwersalne wyzwanie: wezwanie dla nowego pokolenia twórców platform

Historia pokazuje, że każda era obliczeniowa jest ostatecznie definiowana przez jedną lub kilka dominujących platform. Dziś budowa tej nowej platformy to wspólna szansa i wyzwanie dla wszystkich innowatorów na świecie. Wymaga to bezprecedensowych i kompleksowych zdolności przekraczających granice:

Głęboka integracja sprzętu i oprogramowania: Wymaga to doskonałego połączenia rygoru „waterfall” w rozwoju sprzętu z iteracyjną, „zwiną” metodą tworzenia oprogramowania. Sukces innowacji to już nie tylko sprzęt czy oprogramowanie, lecz bezproblemowo zintegrowany „produkt hybrydowy”.

Wspólne budowanie ekosystemów i społeczności: Tak jak Homebrew Computer Club zapoczątkował rewolucję PC, dzisiejsze społeczności open-source (takie jak LocalLLM) są kolebką następnej generacji „killer apps”. Zamknięty system może wygrać na chwilę, ale tylko otwarty ekosystem może wygrać przyszłość.

Dlatego ostateczna lekcja z lat 80. nie dotyczy geografii, lecz wizji. Zwycięzcy tamtej ery wygrali nie dlatego, że byli w Dolinie Krzemowej, lecz dlatego, że skutecznie zintegrowali chipy, systemy i aplikacje w platformę, która wzmacniała ludzi i zapoczątkowała nową erę.

Dziś scena jest gotowa. Dla przedsiębiorców i inwestorów na całym świecie prawdziwe pytanie nie brzmi „gdzie” innowować, lecz „jak” skutecznie zorganizować nowe czynniki produkcji — prywatne dane, modele AI i dostępną moc obliczeniową — w nową, zorientowaną na człowieka platformę, która uwolni kreatywność. To nie jest solowy występ żadnego kraju czy regionu, lecz globalne przedsięwzięcie, które dotyczy nas wszystkich i ma na celu przekształcenie przyszłości obliczeń.