陳明永沒有再追問。
他端起茶杯喝了一口，然後說：“陸總，合作的事我讓技術團隊跟餘凱對接，如果征程晶片的功耗優勢能在OPPO旗艦上驗證出來，明年可以小批次試產。”
從茶館出來，陸堯去了第二個約見地點。
浦東的一家咖啡館，對面坐著一個三十多歲的年輕人，穿著黑色的衛衣，戴一副黑框眼鏡。
他是字節跳動旗下火山引擎的負責人，負責向企業客戶輸出位元組的推薦演算法和雲服務能力。
“陸總，聯想在PC和手機上的AI助手，用的是自己端側大模型。”年輕人翻開筆記型電腦。
“但端側大模型有個天花板，引數規模上不去，複雜任務處理不了，如果聯想的裝置能把端側小模型和火山引擎的雲端大模型連起來，端側做輕量推理，雲端做過載計算，使用者體驗會比純端側好很多。”
陸堯靠在椅背上，想了幾秒。
位元組的推薦演算法和雲服務在國內是第一梯隊，但把使用者資料交給位元組，聯想需要解決資料安全的合規問題。
端雲結合的技術路線在行業裡討論了很久，真正落地的案例不多。
“你的方案是什麼？”陸堯問。
“聯想的裝置上裝一個火山引擎的輕量客戶端，把複雜的AI任務發到雲端處理，結果返回裝置。
使用者資料在傳輸和儲存環節做加密，位元組不保留原始資料，合同裡可以寫清楚。”
“雲端推理的成本誰來承擔？”
“聯想可以買火山引擎的算力套餐，按呼叫量付費，也可以跟位元組聯合運營，按使用者訂閱分成。”
陸堯端起咖啡喝了一口，放下。端雲結合這條路如果能走通，聯想的AI助手可以處理更復雜的任務，比如長文摘要、多輪對話、跨裝置指令。
純端側的大模型在輕量場景下夠用，但複雜任務必須借力雲端。
位元組的推薦演算法和雲服務是一個選項，阿里的通義和百度的文心也在接觸中。
“你把方案發我。”陸堯說，“我讓倪院士和AI研究院的團隊評估，如果技術路線可行，商務條款可以談。”
年輕人合上電腦，站起來跟陸堯握了握手。
從咖啡館出來的時候，魔都的夜色已經濃了。
陸堯站在路邊等車，看著陸家嘴的燈火在黃浦江對岸連成一片密集的光帶。
東方明珠的塔尖在灰藍色的天幕下泛著冷白色的光，江面上的遊船在夜色中緩慢移動。
他拿出手機給王嶽發了一條訊息：“音浪的AI推薦系統，有沒有考慮過跟火山引擎合作？”
王嶽回得很快：“談過，但音浪的資料量太大，火山引擎的雲成本太高，我們自己的端側推理夠用了。”
陸堯回了一個字：“好。”
他把手機放進口袋，彎腰坐進車裡。
車從浦東出發，穿過延安東路隧道，沿著延安高架向虹橋機場方向駛去。
。影剪的灰深排一了變岸對江浦黃在樓大天的家陸，退後緩緩中夜在海上的外窗
