云端大模型有哪些创新使用场景？一个原型方案

自从 ChatGPT 引爆大模型热潮以来，关于 AI 大模型应用的话题已经被讨论无数次了。从 AI 辅助文档总结、文章撰写、会议记录、代码编写，到 AI 文生图、AI 唱歌、AI 配音……一夜之间，AI 大模型仿佛无处不在。

但不得不承认的是，虽然 AI 大模型的应用看起来非常诱人，在每一个领域似乎都有无限潜力，可是对于普通的终端用户，它暂时并没有特别接地气的落地实践。更多用户对 AI 大模型的使用仅仅停留在尝鲜阶段，并不会将其深度用于自己的工作流程和生活中。"它很好用，我也愿意尝试，但不会当作日常工具"是最常见的用户反馈。

那么我们该如何改变这一现状，让大模型可以"润物无声"地提升用户的工作效率和生活质量呢？这里的重点在于，大模型应用不能"为了大模型而大模型"，这类应用应该是可以确实解决，而且是稳定解决用户使用场景的痛点和问题的。大模型目前存在很多缺陷，例如"胡说八道""生成的结果需要筛选""交互操作界面复杂"等等，这些都是阻止用户实际应用的障碍。考虑到这些挑战，我构思了一个尽量避开大模型缺陷，又可以解决实际生活问题的云端大模型应用方案。

方案简介

老年人日常生活中往往要服用多种药物，每种药物都有规定的服药时间、药量，往往给老年人的心智带来很大负担。忘记吃药、多吃、少吃、混淆不同药物、药物过期等问题非常常见。为了应对这些问题，市面上出现了带有定时提醒功能的分装药盒等产品，但这些产品依旧不能从根本上解决问

我所构思的解决方案，是一个带有摄像头和 Wifi 连接，通过云端大模型提供药物识别能力，可以自动识别和分拣药品的小型设备。用户购买药品后，只需将药品倒入分装盒，设备就能自动识别药品名称、服用量和间隔，并按时提醒用户服药、采购新药等。

方案架构

该方案分为云端大模型服务、终端设备与手机应用三大部分。云端大模型使用亚马逊云服务的 Bedrock 服务实现。我们提前购买市面上常见的药物，分拆后制作训练图片数据集，并使用亚马逊云服务的 Amazon SageMaker 提供的图像分类模型进行训练。模型训练完毕后，通过 Amazon Bedrock 部署云端 AI 应用接口。

终端设备是一个小型方盒，内部有多个药品分装盒。用户将药品投入某个分装盒后，方盒内部摄像头获取药品照片，并通过 wifi 网络连接手机应用上传照片。应用连接亚马逊云服务，使用训练好的云端模型识别药品，给出推荐的药品名称、用量和服药间隔，显示在应用页面供用户调整。用户保存服药信息后，设备就按时从分装盒中拿取指定数量的药品，放置于一个小盒内推出给用户服药。每次服药时，手机应用推送提醒，显示具体的药量、服用方法等。药品不足时，应用推送购药提醒。

方案细节

我们可以提前训练大量药品图片，方便用户直接使用。我们还要训练很多药品混装图片，在用户混装药品时给出提示，拒绝装入。当用户装入新药时，我们需要上传照片供模型训练，这样下次就可以自动识别。我们还需要训练一些异物照片，防止用户放入异物。

设备可以不配备药品分拣机构，而是每次推出分装盒后，语音提示用户取出规定数量的药品。每次需要服用多种药品时，分装盒按照顺序先后弹出，取用一种后再弹下一个盒子，避免用户混淆。

小结

我设想的这种药品自动服用设备利用了云端大模型的能力，可以很好地发挥亚马逊云服务在大模型服务方面的优势，同时为用户带来切实的生活质量改善。值得一提的是，由于这种使用场景不需要识别过于复杂的图像，识别场景比较稳定，可以避免大模型的很多固有缺陷。我们还可以探索更多利用亚马逊云服务提供的云端大模型的创新使用场景，加快大模型的普及推广进程。