随着手机从功能机向智能机的演变逐渐完成,移动互联网与智能手机的创新动力减弱,产业进入了有限创新、有限增长的成熟阶段,已成型的巨大产能迫切寻觅新的增长点;人工智能是一种引发诸多领域产生颠覆性变革的前沿技术,在视觉、语音、自然语言等应用领域迅速发展,并逐渐向终端延伸。 2018年起,各主流终端厂商的旗舰机型均引入人工智能元素,通过触屏、摄像头、语音等多种方式,更直接地满足用户需求,改变其生活方式。人工智能对移动智能终端行业的赋能,或成为引发手机产业下一轮技术和创新变革的源动力。 国内外巨头也纷纷看好其融合创新空间广阔,已争相发力,加快产业布局。

本期的智能内参,我们推荐来自中国信通院的报告, 系统探讨AI在手机上的技术融合与实际应用情况、对产业链的影响以及对未来发展趋势的展望 如果想收藏本文的报告( 手机人工智能技术与应用白皮书 ),可以在智东西(公众号:zhidxcom)回复关键词“nc378”获取。

一、 智能手机产业发展基本态势

1、 智能手机市场趋于饱和

从市场规模来看,智能手机市场进入滞涨期。 IDC 统计数据显示,全球智能手机出货量在 2015 年达到峰值,之后出现放缓趋势。2017 年全球智能手机出货量同比下滑 0.1%, 2018 年前三季度出货量达到 10.3 亿部,较 2017 年下滑 2.9%。

智能手机迎十年来最大颠覆!AI化势不可挡,38页白皮书看透真相【附下载】| 智东西内参

▲2012-2018 年全球智能手机市场出货量统计

Digitimes Research 的数据显示, 2019 年第一季度中国手机制造商的智能手机出货量季度环比下降 30.5%,同比下降5.8%,至 1.4 亿台。而 Canalys 的一项研究估计,中国智能手机市场第一季度同比萎缩 3%。

智能手机迎十年来最大颠覆!AI化势不可挡,38页白皮书看透真相【附下载】| 智东西内参

2017-2019 年国内智能手机出货量统计

从技术架构来看,智能手机硬件技术处于微创新阶段4G 浪潮褪去,智能手机创新势头放缓,性能提升主要围绕硬件规格的升级。 纵观 2017 年至 2018 年,智能手机创新依旧主要围绕双 4G、全面屏、 FaceID、无线充电等既有技术。

操作系统来看,寡头垄断市场格局已经确定。全球智能手机操作系统市场垄断态势明显,其中安卓占据 86%的市场份额, iOS 占据14%,其余操作系统的市场份额基本为零。

智能手机迎十年来最大颠覆!AI化势不可挡,38页白皮书看透真相【附下载】| 智东西内参

2011 2018 年几种主流操作系统占比变化

从应用程序来看,数量持续增长,应用场景、应用模式固化随着智能手机的逐渐普及,其智能化的核心载体移动应用软件(下文简称 app)呈现井喷式的增长,对人们的社会生活方式和经济生产方式产生了深刻的影响,成为推动整个社会变革的重要抓手。 然而,据Gartner 数据的不完全统计显示,即时通信、搜索引擎和网络视频几类应用分别占据了 90%、 80%和 70%以上的使用率,表明移动应用改变人们生活习惯的爆炸式突破后,其新增数量虽然持续上涨,但应用种类和每种类别的头部应用却相对持平,用户对移动应用的使用情况基本稳定在几种特定的应用上,应用的使用模式和使用场景也相对固化,缺少突破。

智能手机迎十年来最大颠覆!AI化势不可挡,38页白皮书看透真相【附下载】| 智东西内参

移动互联网用户 app 使用情况

2、 AI 技术趋于实用化,从云侧向端侧延伸

人工智能与行业领域深度融合当前 AI 应用百花齐放,产业化发展由人工智能本身转为人工智能驱动, AI 融合赋能成为趋势。当前 AI 主要与安防、金融、 交通、教育、 医疗等领域相融合, 利用深度学习、语音识别、人脸识别、机器视觉、逻辑推理等人工智能领域关键技术,支撑各行业的快速发展,为互联网创新提速注入能量。

人工智能技术端云一体态势初现传统而言,很多对神经网络训练和推理都是在云端或者基于服务器完成。随着移动处理器性能不断提升,连接技术不断演进所带来的完整可靠性,很多人工智能推理工作,如模式匹配、建模检测、分类、识别、检测等逐渐从云端转移到了手机侧,其主要原因可归结为以下三点。

一是用户使用场景所需。2018年是人工智能大众化应用的开始,而移动手机作为当前互联网服务的主要入口,对人工智能功能需求也越来越迫切,虚拟助手、图片处理、图像识别、人脸解锁等应用成为主流。二是提升用户体验所需。手机侧人工智能的关键优势包括即时响应、可靠性提升,此外,还能确保在没有网络连接的情况下用户的人工智能体验能得到保障。三是数据隐私保护所需。个人数据隐私问题将成为人工智能领域除了技术、应用之外的一大热点。

3、AI 与手机融合创新空间广阔,手机企业加快布局

AI 应用范围不断扩大,极大提升使用体验一是图像领域,其应用场景聚焦于场景识别、美颜、相册分类、背景虚化、暗光增强、人脸识别和文字识别。二是语音领域,包括智能助手、语音翻译、语音搜索等。其中,智能助手是目前使用最为广泛的功能,其语音识别能力更让人机交互体验达到了前所未有的便捷。三是系统软件领域,终端从系统层面进行自适应优化,应用场景为内部资源智能感知分配和用户/应用行为预测,用于提升系统流畅度、降低资源消耗(如节电)、解决安卓手机卡顿等。四是虚拟/增强现实(VR/AR)类领域,虚拟现实的沉浸式体验给用户带来了全新的使用感受,而增强现实本身就是一种对周围环境的智能化感知, AI+5G+AR/VR 模式将突破传统应用壁垒,成为 AI 在终端应用的一大亮点。

领先智能手机企业向 AI 战略转型一是软硬件齐推进: 华为在2018 全联接大会上首发 AI 战略,从轮值董事长徐直军的话语不难发现,华为已经 ALL in AI; vivo 于 2018 年 7 月宣布成立 AI 全球研究院,希望打造人工智能软硬件平台,推动手机平台完成从“智能”到“智慧”转型。二是手机+智能硬件的产品生态链转型模式: 2018 年9 月上海世界人工智能大会上,小米集团董事长兼首席执行官雷军表示,要把人工智能作为小米最重要的战略。三是科研专利转型路线:OPPO 早在 2016 年就已经开始投入研发,建立了先进的训练集群和数据中心,并积累了超过 300 项人工智能专利。从这些领先的手机企业争相向 AI 转型的动作不难看出,人工智能将是手机产业的下一个风口浪尖。

二、 AI 在智能手机中的应用趋势

1、端侧异构芯片加速升级,支撑 AI 专用计算力需求

AI 芯片也被称为 AI 处理器,即专门用于处理人工智能应用中涉及的各类算法的加速计算模块(其他非加速计算任务仍由 CPU 负责)。AI 芯片算力的高速发展,是工业场景和自动驾驶等高实时性 AI 应用的有力保障。同时,芯片在算力和功耗之间的兼顾和优化,将是端侧手机 AI 芯片未来发展的重要主题。

通用芯片奠定 AI 算力基础。 提供 AI 算力的通用型芯片主要包含CPU、GPU 和 FPGA 三种,这三种芯片在传统上分别擅长复杂串行计算、图像处理和可重构电路。在 AI 计算领域,依据不同芯片结构,这几种芯片各有其优缺点。就目前来说,特别在 AI 训练领域,以 GPU 为代表的传统通用芯片仍是业界 AI 算力的中流砥柱。

专用芯片提升端侧 AI 性能。 一般来说, AI 专用芯片指的是 ASIC(Application Specific Integrated Circuit),即专用集成电路,相对 GPU 能提供更好的能耗效率并实现更低的延时。 ASIC 需要大量研发投入,且芯片功能流片生产后无法更改, 量产数目小或市场方向改变,前期投入都将无法回收,具有较大市场风险;但 ASIC 作为专用芯片性能高于 FPGA,依靠特定优化和效能优势,在成本和能效要求极高的手机终端上大行其道。

软硬件协同定义突破性的下一代 AI 芯片技术。 采用可重构计算技术,允许硬件架构和功能随软件变化而变化,具备传统处理器的灵活性和 AI 专用芯片的高性能和低功耗。通过计算阵列重构、存储带宽重构和数据位宽重构三个层面的可重构计算技术来实现“软件定义芯片”,有效提高 AI 芯片自身动态配置能力,实现软硬件协同设计,为 AI 芯片带来了很高的灵活度和适用范围。

目前,大多数手机 AI 芯片厂商采用软硬异构技术方案作为产品技术架构。 高通采用 NPE(Neural Processing Engine)软件框架和Hexagon神经网络库为接口,调动处理器中已有的 CPU、 GPU 和 DSP处理器模块, 实现面向人工智能任务的异构计算,能够运行通过Caffe/Caffe2 或者 Tensorflow 训练的一个或多个神经网络模型;华为通过 HiAI 异构计算平台来加速神经网络计算,快速转化和迁移已有模型,借助异构调度和 NPU 加速过得最佳性能, 目前可以支持Kirin970, Kirin980 等芯片; 联发科的 NeuroPilot 将 CPU, GPU 和APU(AI 处理单元)等异构运算功能内建到 SoC 中,为人工智能应用提供了所需的性能和功效, 支持 TensorFlow, TF Lite, Caffe,Caffe2 Amazon MXNet, Sony NNabla 或其他自定义的第三方通用架构。

2、智能化传感器件逐步成熟,推动感知交互技术创新

以 3D 摄像头为代表的新型光学传感器件崭露头角。 随着用户对于智能手机图像识别精度和准确度等的需求不断增加, 3D 图像传感器开始逐步应用于智能手机。 3D 图像传感器通过 3D 成像技术,能够识别视野内空间每个点位的三维坐标信息,从而得到空间的 3D数据,复原完整的三维世界并实现智能三维定位。目前智能手机主流的 3D成像技术有结构光、飞行时间和双目测距三种。

结构光(Structure Light)方法是将具有特殊结构的光束投射到物体表面,由摄像头采集后,根据光信号的变化计算物体的位置和深度信息,进而复原整个三维空间。飞行时间(TOF, Time Of Flight)方法通过专用传感器,捕捉近红外光从发射到接收的飞行时间,判断物体距离。双目测距(Stereo System)方法是从两个视点观察同一景物,通过三角测量原理计算图像像素间的位置偏差(视差)来获取景物的三维信息。

借助人脸识别, 3D 传感将成为手机零部件的发展热点。 目前市面上大部分手机还属于 2D 识别,即通过前置摄像头读取脸部图片,再利用软件进行对比,实现难度和成本较低,但在光线较差的场景下无法识别解锁; 3D 传感摄像头除使用摄像头外,还配备结构光发射端、结构光接收端或时差测距/距离传感器,可一定程度进行活体判断,防止被攻击破解。 目前,苹果、 华为、 oppo 等发布的新机型开始逐步配备 3D 摄像头, 3D 传感器将会进一步普及,或逐渐成为智能手机的标准配置。

以指纹和人脸为代表的新型生物特征识别技术应用逐渐成熟。 从2018 年开始,部分品牌开始使用人脸识别代替指纹识别,手机指纹识别技术的渗透率出现下降。但由于凭借成本、体验和速度方面的优势,未来一年指纹识别将仍是生物特征识别技术的主流。指纹识别依靠指纹识别传感器,包括传统指纹识别和屏下指纹两种模式。随着智能手机全面屏的发展,传统指纹识别将逐渐被淘汰;未来在生物特征识别领域将是屏下指纹技术与人脸识别技术的较量。

声纹识别的大规模普及还有赖于语音识别技术和体验的提升。 声纹识别依靠手机麦克风捕捉可用电声学仪器显示的携带言语信息的声波频谱模型,根据语音波形实现身份判定。目前市面上已经出现了一些支持声纹解锁的手机,但由于其技术尚未完全成熟,存在复杂环境识别准确率较低,或需要佩戴专用耳机等影响用户体验的问题,因此在手机中的普及度还较低。

3、 5G 网络技术逐步走向商用,极大拓展 AI 应用场景

2018 年 6 月 14 日,第一版本(R15)的 5G 核心网标准已在 SA全会上批准冻结。随着 SA 5G 标准正式确立,城市规模组网试验的展开, 5G 商用已经进入倒计时。2019 年 5G 产业配套将会逐步完备, 2020年开启全球商用。作为第五代移动通信技术, 5G 具有大带宽、低延时、广连接的特点和优势,其三类典型应用场景(增强移动带宽 eMBB、大规模机器类通信 mMTC、超高可靠超低时延通信 URLLC)可分别从数据、时效和算力上为人工智能技术提供更好的支撑基础,大幅促进其各类终端使用场景的落地和应用。

5G 就如同一条“信息高速公路”,为庞大数据量和信息量的传递提供了高速传输通道;人工智能是云端大脑,依靠高速公路传来的信息学习和演化,完成整个机器智能化进程。 5G 时代下,人工智能可以为用户提供更多拥有更快响应、更丰富内容、更智能认知的应用模式。可以说, 5G 补齐了制约人工智能发展的短板,是驱动人工智能发展的新动力。人工智能赋予机器人类的智慧,二者相结合,会为整个社会生产方式的改进和生产力的发展带来前所未有的提升。

4、 AI 丰富智能手机应用场景,极大繁荣应用生态

从应用角度。 较为成熟的手机 AI 应用场景聚焦于智能拍照、人像美颜、图片管理、语音助手、智能翻译、语音搜索和增强现实类应用等。

从资源管理角度 。 从操作系统层面看, 通过内部资源智能感知功能, 安卓手机的卡顿问题(APP 资源竞争、后台任务繁重、权限不合理设置、文件碎片化等引起)得到了有效缓解。手机厂商或通过记录用户习惯进行学习,预测用户使用 APP 的行为,标记优先级, 降低冷启动概率;或改变安卓原理和机制,整理内存碎片、消除碎片文件,通过后台内存压缩、极速内存回收保证 CPU 的资源调用。

从芯片层面看, 利用芯片层系统管理和优化,可优化系统运行速度并延长电池寿命;通过在性能核心与能效核心之间合理分配任务,智能地管理芯片的性能,可给用户带来直观的体验提升。华为海思麒麟 970 处理器,利用 NPU 专门处理机器学习相关的运算,采用 HiAI移动计算架构,可根据使用状态智能管理和平衡处理器的性能,达到快速运算且省电的目的。

三、 AI 对全球智能手机产业链的影响

1、 手机芯片产业

人工智能驱动移动芯片产业创新。 时至今日,摩尔定律遇到了技术和经济上的双重瓶颈,处理器性能的增长速度越来越慢,然而在移动应用、大数据、人工智能等新的应用兴起后,对于计算能力、计算功耗和计算成本的需求并未减缓。据 Strategy Analytics 的数据显示, 2018 年第一季度拥有 AI 能力的智能手机应用处理器市场份额同比增长近三倍。受益于 AI 带来的东风,苹果、海思、高通和三星等智能终端企业也在通过多种方式推动 AI 芯片市场的创新,如专用 AIIP 模块、 DSP 与 GPU 的异构组合等。

人工智能拉动手机芯片市场增长手机 AI 芯片在终端领域迅速渗透,产业规模将呈现快速扩张之势。从 2017 年开始,苹果、 华为海思、高通、联发科等主要芯片厂商相继发布支持 AI 加速功能的新一代芯片,目前 AI 芯片逐渐向中端产品渗透。除了追求性能提升外,手机 AI 芯片也逐渐专注于特殊场景的优化。2017 年全球手机 AI 芯片市场规模 3.7 亿美元,占据全球 AI芯片市场的 9.5%。预计 2022 年将达到 38 亿美元,年复合增长率达到 59%,未来五年有接近十倍的增长。

人工智能加剧手机芯片市场竞争2017 年全球手机 AI 芯片市场规模 3.7 亿美元, 发展空间巨大。手机 AI 芯片的迅猛增长之势,吸引了包括谷歌Facebook微软亚马逊以及百度、阿里、腾讯在内的互联网巨头相继入局,加剧原有手机芯片市场竞争。在云端,Nvidia 的 GPU 芯片被广泛应用于深度神经网络的训练和推理;Google TPU 通过云服务 Cloud TPU 的形式把 TPU 开放商用,处理能力达到180 Tflop,提供 64 GB 的 HBM 内存, 2400 Gbit/s 的存储带宽。三星、苹果、华为、高通、联发科等厂商纷纷推出 AI 芯片,并竞相推出升级产品。

人工智能加速手机芯片实现先进工艺突破。 手机 AI 产业链包括三大环节,分别是提供 AI 加速核的 IP 授权商、各种 AI 芯片设计公司、以及晶圆代工企业。目前产业链环节各企业基本就位, IP 授权企业包括新思、 Cadence、 GUC、 ARM; 设计企业包括苹果、高通、联发科、海思; 代工企业主要有台积电。由于手机空间有限,独立的AI 芯片很难被手机厂采用。 AI 芯片对单位能耗算力要求较高,一般采用 14nm/12nm/10nm 等先进工艺生产,台积电目前已实现 7nm AI 芯片量产。

2、 手机软件产业

操作系统厂商将 AI 作为战略转型重点,推动手机操作系统厂商作出重要战略转型。 操作系统加持 AI,可以实现一定的认知功能,使操作系统发展成为智能助理和电子顾问。基于神经网络的操作系统,具备了工作记忆、预测、情境启动、抽象、分类等弱人工智能功能,使操作系统高效工作,人与操作系统的交互更加自然便捷。目前,谷歌、微软等操作系统厂商均将 AI 作为未来战略重点。许多基于人工智能的操作系统项目正在研究推进,苹果 Siri、 Google Now、微软小娜、三星 Galaxy AIUX、荣耀 Magic 等,应用自然语言处理、深度学习算法等实现语音交互、 拍照优化、 增强操作系统流畅度等功能。

操作系统整合移动端 AI算法框架助力 AI向终端侧发展。近两年,各大厂商纷纷推出轻量化的 AI 算法框架, 适用于部署在手机等轻量级硬件平台上, 包括谷歌的 Tensorflow lite、 Facebook 的 Caffe2、苹果的 Core ML、XMART LABS 的 Bender、百度的 Mobile Deep Learning library 等。此外, Google 开源了专为移动端优化的 MobileNets 模型, Face++ 提出了适合移动端的 ShuffleNet 模型,这些使得移动端模型大为丰富。 AI 算法框架运行于操作系统之上, 通过 API 接口进行模型调用实现 AI在终端上的快捷部署,实现手机 APP图像识别、自然语言处理等各种功能。

人工智能推动面向手机应用和系统优化算法演进。 一是人机语音交互, 苹果 Siri、 Google Now、微软小冰等应用自然语言处理、深度学习算法等实现语音交互;二是拍照优化,通过虚化、图像处理等算法和海量数据训练,让手机替代人类进行专业摄影知识的学习;三是身份认证,基于深度学习算法和海量数据训练,准确识别生物属性,可以应用于智能客服、身份验证、内容审核等场景;四是系统优化,终端能耗智能管理方面,通过在操作系统中加入自适应电池(Adaptive Battery)功能,减少 CPU 负担,并提供贴合用户使用习惯的“自动亮度”功能,实现节能;解决卡顿方面,通过在系统中加入 AI 算法,学习用户习惯,预测用户使用 APP 的行为,实现资源智能分配。

人工智能推动终端侧深度学习算法框架开源。 基于深度学习的推断的计算量相对训练过程小很多,但仍涉及到大量的矩阵卷积、非线性变换等运算,为了满足在终端侧限定设备性能及功耗等因素的场景,业界开发了众多终端侧软件框架,包括最早出现的终端侧推断软件框架 Caffe2go、可以运行在 Android 和 iOS 平台的 TensorFlowLite,这些框架可助力移动平台实现较为高效的 AI 移动端应用速度,以及优化拍照、语音等应用。手机 AI 平台的终极竞争是生态,通过开放 AI 能力聚拢上下游产业链是大势所趋,因此以上深度学习框架均采用开源模式。

四、 我国智能手机 AI 技术与应用发展情况

1、 我国终端产业对 AI 技术的应用已较为成熟

我国在传统芯片领域起步略晚,然而在智能芯片这个新兴市场却布局较早。 2018 年 5 月,中科院旗下的寒武纪科技公司在上海召开的全球新一代人工智能芯片发布会上发布了我国研发的多个最新一代终端 IP 产品——采用 7nm 工艺的终端芯片 Cambricon 1M、首款云端智能芯片 MLU100 及搭载了 MLU100 的云端智能处理计算卡,其中云端芯片理论峰值速度达每秒 128 万亿次定点运算。2018 年 8 月,华为率先发布全球首款基于 7 纳米技术打造的手机芯片麒麟 980,其集成 69 亿晶体管,实现了性能与能效的全面提升,在 CPU、 GPU、 AI等性能以及能效领先幅度超过 30%。百度、地平线云知声深鉴科技等互联网企业,也纷纷推出了基于神经网络、或自研 AI 架构的 IP、FPGA、 ASIC 等产品,覆盖图像、语音和自动驾驶等多个领域和场景的 AI 芯片。

我国人工智能算法研究能力已较为雄厚。 中国学者在发表 AI 学术论文、申请专利和参加国际竞赛方面成果斐然。Elsevier 的 SCOPUS数据库中的数据显示, 2011~2015 年,中国学者在 AI 领域出版的论文数量排名世界第一,创下了超过 4.1 万个出版物的记录。自 2016年以来的论文发表数量仍继续上升,并且华人学者在顶级国际学术会议中担任重要角色的比率也越来越高。中国研究人员发起的专利申请,近年来也上涨了两倍。在近 3 年的 ILSVRC 视觉识别竞赛中,中国团队获得冠军的比率也越来越高。在 2017 年度 ILSVRC 竞赛上,来自中国大学和企业的 AI 团队将各项比赛第一名全部包揽,而且参赛的 27个队伍,其中超过一半来自中国。这些成就表明我国在 AI 算法研究方面有较大潜力,影响力扩大到全球。

我国手机产业在生态落地、场景应用方面能力已位居世界前列。AI 算法的突破和核心芯片研发的推进,为人工智能在产业应用打下了坚实的基础。 百度于 2016 年开源了 PaddlePaddle 深度学习平台,是国际上继 Google、 Facebook、 IBM 后第一家将人工智能技术开源的中国公司。科大讯飞在感知智能、认知智能以及两者的深度结合等领域均有所涉猎,并在多项国际高水平语音赛事中取得过成绩。此外,AI 领域的创业公司,如旷视科技、商汤科技、云知声、思必驰等,聚焦在深度学习最擅长的视觉识别和语音识别领域,推动中国相关领域的技术水平提升。在场景应用方面,我国终端厂商和移动开发者更是紧跟 AI 的浪潮, 智能助手、智能拍照、智能家居等一系列接地气的智能化场景引入用户生活的方方面面,引领了终端产业智能化应用落地的发展方向。

2、 手机厂商加快 AI 技术布局

从中国畅销手机 TOP50 人工智能机型数量来看, 2018 年支持 AI应用的手机大幅攀升,数量已超过非人工智能手机。国内的主流手机厂商均已发力手机人工智能,从芯片、到系统、到应用等多场景切入。华为采用芯片+应用模式,软硬结合双管齐下,打造手机全产业链 AI化; OPPO 则发力图像处理,主打拍照美颜应用; vivo 以 Jovi 智能助手为入口的人工智能手机场景化体验;小米则围绕核心业务打造 AI技术,落地智能产品。

3、 算法企业深化手机场景能力

我国机器视觉算法企业研发和产业化能力快速提升。 商汤云从依图、旷视等代表性企业已经开发一批业内领先的机器视觉算法、产品及解决方案,行业内多家企业已经开始了“算法+芯片”的尝试。例如商汤科技围绕移动终端和物联网产品,将机器学习模型和算法,与高通的骁龙芯片结合起来,在创新视觉和基于摄像头的图像处理方面开展研究。百度与美国英伟达公司达成战略合作,结合百度算法和英伟达 GPU 芯片共同研发无人驾驶技术。

目前,以互联网企业为代表,构建 AI 手机生态为目的,已涌现了一批国产框架。 NCNN 是腾讯开源的终端侧 AI 软件框架,支持不同软件框架搭建的模型进行相互转换,主要面向 CPU 的 AI 模型应用,是国内目前较为广泛使用的终端侧 AI 软件框架; Paddle-mobile是百度自研的移动端深度学习软件框架,支持 iOS GPU 计算。虽然行业巨头纷纷推出了基于自身技术体系的训练及推断软件框架,但由于产业生态尚未形成,深度学习模型表示及存储尚未统一,训练软件框架及推断软件框架尚未形成一一对应关系,技术生态争夺将继续进行。

六、 未来发展与展望

1、 AI 芯片开始从高端向中低端普及

与 2017 年只有少数 AI 芯片运用到高端手机的情况相比, 2018年在手机市场不仅有了海思麒麟 980、高通骁龙 855、三星 Exynos 9810等运用在高端手机的 AI 芯片,也有了联发科 P60、 P22 和高通骁龙450 等中低端手机的 AI 芯片。 高通推出的在手机上运行神经元网络的骁龙神经元处理引擎 (Snapdragon Neural Processor Engine,SNPE), SNPE 不仅支持骁龙 800 系列芯片,也支持部分骁龙 600 系列芯片和骁龙 400 系列芯片。联发科也推出 NeuroPilot 平台,通过整合硬件(AI 处理器)及软件的方式让搭载联发科芯片的产品具备 AI 能力。

2、 AI 终端多领域融合,向垂直行业渗透

目前 AI 终端上的应用主要停留在面向终端用户的个性化功能体验;随着 AI 逐渐被社会关注和认同, AI 移动智能终端将深入影响各行各业。如在医疗行业,智能终端可利用 AI 功能记录患者身体机能参数,并通过对过往病例和身体监控大数据预测病人发病的概率、时机,并给出相应的诊断;教育行业, AI 智能终端可以变成虚拟导师,记录学生的平时表现,智能打分,综合评定其素质发展能力;汽车行业,在 L5 级自动驾驶模式下,车载终端将充当驾驶员,从行车控制到车载娱乐,为行车模式带来巨大改变。法律行业,带有 NLP 功能的智能终端可以再几分钟内总结成千上万页的法律文件,快速梳理现有资料,并通过对过往案件数据的分析学习,实现智能审判。在垂直领域的探索和发现,将为 AI 移动智能终端产业带来全新的市场机遇。

3、 软件框架降低使用者技术门槛,扩展 AI 终端创新群体

对于大多数开发者而言,使用各类开源框架构建人工智能模型是耗时耗力的复杂过程,较高的技术门槛一定程度上阻碍了其创新发展的速度。谷歌在 2018 年初发布的 Cloud AutoML 服务,将实现人工智能开发过程中,机器学习的环节自动化、可视化,使开发者脱离代码进行上传图像、训练及管理模型等操作,其模型准确率与传统开源框架建模方法不相上下。百度的 EasyDL 产品,在没有机器学习相关知识的情况下,通过全程可视化操作,最快 15 分钟即可获取一个高精度模型,支持图像识别、文本分类以及声音分类等基础服务。

降低技术门槛将是 AI 开源框架的未来发展方向。轻量级、易使用的开源框架也更能适应端侧 AI 训练的场景,为 AI 终端的进一步普及提供强有力的技术支持,有助于优秀的创意更便捷地付诸实施,扩大部署范围,在人们生产生活地方方面面切实落地。

智东西认为, 2018年起,各主流终端厂商的旗舰机型均引入人工智能元素,通过触屏、摄像头、语音等多种方式,更直接地满足用户需求,改变其生活方式。虽然目前手机 AI 发展依然处在比较早期的阶段,不过随着 AI 芯片的发展和开发工具、分发平台的完善,在未来可预见的时间里,芯片厂商、手机厂商和第三方开发者会持续在手机 AI 上进行投入,AI 对手机体验的加成会越来越明显。在即将到来的 5G 时代,AI 很可能和 5G 一起,成为未来智能手机的一项基本能力,共同定义下一代的智能手机体验。

智能内参

权威数据·专业解读 读懂智能行业必看的报告

在智东西回复“智能内参”查看全部报告