<mark id="oztn4"></mark>
0
2017 年，智能手機行業有兩個關鍵詞：全面屏和 AI。
全面屏這個概念，可以說是伴隨著 2016 年 10 月 25 日小米 MIX 的驚艷發布而誕生，并在整個 2017 年形成智能手機在外觀上的新潮流；而蘋果 iPhone X 對全面屏這一概念的接受，更是讓它具備了某種欽定的意味。
相對于全面屏，AI 的情況要復雜得多。2011 年，Siri 在 iPhone 4s 上的露面，讓智能手機初步具備了與人對話的能力；然而此后數年，無論是 Siri 自己，還是其他廠商的類似產品，都沒能給智能手機順利打上 AI 的標簽，即使強悍如 Google Assistant，也不能例外。
一直到 2017 年，當智能手機第一次以芯片的方式在硬件層面與 AI 握手，整個行業才驀然認識到，原來 AI 已經真正來到了智能手機上。
由此，雷鋒網認為，2017 年是智能手機 AI 元年。
如果只把目光投向 2017 上半年，其實還看不到什么波瀾。
三星 S8 系列 18.5:9 的曲面屏幕令人愛不釋手，也算是進入到了全面屏序列；但新出現的 Bixby 并沒有超脫 Siri 之類的范疇，更何況 Bixby 后來還出現了諸多問題，而中國版幾乎就是不能用的。華為上半年旗艦 P10 以“人像攝像大師”為名做了一波好宣傳，但用的還是萊卡的東西。小米 6 則依然走了國內首發高通驍龍 835 的老路子。
到了下半年 9 月，智能手機終于找到了它的下一個關鍵詞——AI。
2017 年 9 月 2 日下午，華為在德國柏林消費電子展發布了麒麟 970 芯片；為了配合這種【手機未發，芯片先行】的做法，華為將這款芯片定義為【全球首款智能手機移動端 AI 芯片】。
具體來說，麒麟 970 搭載了一款 NPU（Neural-network Processing Unit，神經網絡處理單元），其亮點在于處理特定任務時比 CPU 等模塊出色得多，比如說在圖片識別任務中，NPU 每分鐘可以識別 2005 張，CPU 每分鐘為 95 張，前者比后者多了 20 倍；從能效上來說，NPU 更是 CPU 的 50 倍。當然，為了配合麒麟 970，華為在適配和開發層面也做了很多工作。
然而，對于普通用戶來說，麒麟 970 作為一款芯片的意義并不大，它真正的使用價值還要體現在 10 月中旬 Mate 10 系列新品上。從結果上來看，這塊 NPU 給華為 Mate 10 系列帶來的是：
學習用戶行為，實現行為預測、資源調配、場景感知等功能；
系統響應速度將增加 60%，系統流暢度將增加 50%；
實時智能識別 13 種場景，針對拍攝對象進行成像效果調校增強。
在雷鋒網看來，除了在拍照上的場景識別和成像增強，AI 芯片并沒有給華為 Mate 10 帶來什么具體的實用功能；而系統流暢度這樣的改善也是隱性的，難以感知的。
不過，麒麟 970 的另一個根本問題在于，它的 NPU 模塊并非是獨立研發，而是借用了寒武紀在 2016 年推出的 1A 深度學習處理器。不可否認，麒麟 970 在驅動、BSP、內存機制等方面做了很多工作，但它終究是一款拿來主義的產品。
當然，即使是拿來主義，麒麟 970 的問世也已經很難得了。
嚴格意義上來說，給麒麟 970 帶上全球首款智能手機 AI 芯片的帽子，是華為博取眼球的討巧做法。這種做法并不算錯，但跟 9 月中旬的蘋果新品發布會相比，還是黯淡無光；因為就 AI 融入智能手機的完成度和可用性來說，新一代 iPhone（尤其是 iPhone X）和它們內置的 A11 Bionic 芯片，實在是太過出色了。
雷鋒網曾經說過，A11 Bionic 才是那場發布會真正的亮點。它的確如蘋果官方所言，是“一款智能手機到目前為止所能擁有的最強勁、最智能的芯片”。其強勁自不必說，跑分碾壓自己的前作，也碾壓高通驍龍 835；而智能部分，則體現在蘋果在 A11 Bionic 中自主研發的雙核架構 Neural Engine（神經網絡處理引擎），它每秒處理相應神經網絡計算需求的次數可達 6000 億次。
這個 Neural Engine 的出現，讓 A11 Bionic 成為一塊真正的 AI 芯片。
但蘋果的強大之處在于，它不僅僅自主研發出了一個業界無敵的 AI 芯片，還在芯片的基礎之上開發出一系列重磅而實用的功能。以 iPhone X 為例，其與 Neural Engine 直接相關的功能體現在：
Face ID 通過面部特征解鎖；
Animoji 通過追蹤人的面部表情來實時創作動畫表情；
人像模式可以創造出能夠生動變化的光效 Portrait Lighting。
與華為一致，A11 Bionic 大大提升了 iPhone X 在拍照方面的使用體驗，并提供了一些富有創意的新玩法。而更具革命性的是 Face ID，它能夠將傳感器數據進行實時 3D 建模，并利用機器學習識別用戶容貌改變，在此過程中產生的大量計算需求，都需要借助 A11 Bionic 和 Neural Engine 來滿足。
最終的結果是，Face ID 直接取代了 Touch ID。
除此之外，A11 Bionic 內置了蘋果自主設計的第一款 GPU。這款 GPU 是為 3D 游戲和 Metal 2（蘋果在 WWDC 2017 上推出的新一代圖像渲染技術框架）專門設計的，并且能夠與機器學習技術和蘋果隨 iOS 11 推出的 Core ML（核心機器學習）框架相配合。
綜合來看，憑借強大的自主研發能力和無與倫比的軟硬件整合能力，蘋果在智能手機 AI 化的道路上走得比華為扎實得多，也超前得多。這不僅僅是財力上的距離，也是技術上的距離，更是生態掌控力和影響力上的距離。
在 2016 年 10 月 4 日的 Google Pixel 發布會上，Sundar Pichai 反復強調 Google 已經從 Mobile First 變為 AI First；體現在產品上，Google Assistant 率先在 Pixel 手機上亮相。可惜在用戶的認知中，Google Assistant 不過是一個增強版的 Siri，所以最終也沒有激起什么波瀾。
一年后的發布會上，Pixel 2/XL 同樣帶著 Google Assistant 來了。就在大家覺得無聊要散場的時候，Google 卻宣布了 Pixel 2/XL 的 One More Thing，也就是那顆 Pixel Visual Core。
Pixel Visual Core 是一塊協處理器，其核心部分是 Google 自主設計的圖像處理單元（Image Processing Unit，簡稱 IPU），IPU 的特點在于充分可編程性和領域特定性，可以實現每秒高于 30 億次的運算。
與華為和蘋果不同，Google 表示 Pixel Visual Core 的用處很簡單：將 HDR+ 的運行速度提升 5 倍，而功耗則將為十分之一。
但實際上，Google 還為 Pixel Visual Core 預留了其他方面的能力，比如說機器學習；為此，Google 提供了編程工具，開發者在圖像處理方面使用 Halide，在機器學習方面使用 TensorFlow；而 Google 開發的編譯器可以為底層硬件提供代碼優化。
與華為的拿來主義和蘋果的獨立自主不同，Pixel Visual Core 是由 Google 與 Intel 合作設計的；考慮到 Google 此前已經使用過 Intel 旗下 Movidius 的芯片，這次的合作很可能與 Movidius 有關。
不過 Google 的野心不止于此。
Pixel Visual Core 和 TPU 已經初步展現出 Google 在芯片研發方面的積累，而 Google 又從蘋果和高通那里挖來了包括大神 John Bruno 在內的芯片設計工程師，這些工程師的任務就是為 Google 開發移動端 AI 芯片。
而根據研究機構 Tirias Research 創始人 Jim McGregor 的判斷，Google 可以借助現成的知識產權，在半年內開發出一款多功能的 SoC 芯片。
遺憾的是，除了蘋果、Google 和華為，其他廠商都沒有能夠在硬件層面到達 AI 的范疇。那么問題來了，為什么是這三家？
首先要明確，AI 在硬件層面的體現就是芯片。而智能手機芯片的特殊性在于，它不僅僅強調性能和功耗的平衡，還要考慮結合用戶的使用場景；前者恰好是 AI 芯片在智能手機上的優勢，但后者卻是難點。因此，AI 芯片要出現在智能手機上，一方面在芯片技術的深厚積累，還需要通過軟硬件結合來完成使用場景的落地。
蘋果其實不必多言，軟硬件結合一直都是它的核心產品理念。從 iPhone 4 起，蘋果就已經在自主設計 A 系列芯片，并將范圍從 CPU 一路擴展到 GPU；這背后積累的技術實力足以支撐得起一個 Neural Engine。至于 Face ID 和 Animoji 等，對于蘋果而言，更是一件水到渠成之事。
華為在麒麟 970 中提現出來的，主要是基于多年麒麟系列芯片的整合開發能力。NPU 雖然是借自于寒武紀 1A，但它與麒麟 970 的深度結合也是一件需要技術實力支撐的難事。當然，除了芯片，華為也在操作系統層面積極探索，但不得不說還有著很大的提升空間。
Google 劍走偏鋒，將 Pixel Visual Core 用在 HDR+ 這一個功能點上，看似大材小用，實則直擊痛點。拍照功能對手機的重要性不言而喻，無論是蘋果和華為的 AI 芯片都是在此處著力。但 Google 在軟件和算法層面的積累更多一點，以往主要依賴于云端處理和網絡傳輸，而 Pixel Visual Core 將有助于 Google 將其上述積累從本地設備中釋放出來。
從技術上來看，Google 通過與 Intel 的合作完成 AI 芯片的初步實現，也算是抄近道；但其實 Google 有自己的技術積累，而且正在不斷從外部吸收人才。可以想見的是，基于強大的財力和技術能力， Google 勢必走上一條自主研發的路線。
另外，與華為、蘋果相比，Google 的做法還有一個不同點。前二者所采用的 AI 硬件模塊在形式上與傳統的（包括 CPU 和 GPU 在內的） SoC 是一體的，而 Google 的 Pixel Visual Core 則是一塊相對獨立的 AI 協處理器，與高通驍龍 835 形成了協作關系。
Google 的這種解決方案固然有技術能力不足的因素，但也可能與它在整個 Android 陣營的地位有關。不是所有的手機廠商都有像華為那樣的技術實力，考慮到未來整個智能手機行業都將會逐步走向 AI，Google 的這一方案也為其他廠商提供了某種示范效用。
畢竟，與華為 970 的 SoC 一體化方案相比，高通 SoC+ AI 協處理器的解決方案，在技術門檻上要低得多。
也許是因為對物理實體的執念，AI 芯片帶來的認可度遠遠高于 AI 算法和應用，盡管后者也是 AI 的一部分。除了越來越強大的 Siri 們，曠視和商湯的人臉識別技術也已經分別出現在小米、錘子、OPPO、一加等手機廠商的產品上，這些其實也是 AI。
但在 2018 年，智能手機行業對 AI 的擁抱將會更加緊密。
首先要重點說說三星。Bixby 在經歷了 2017 年的打磨之后已經有了不錯的表現，但硬件能力才是三星的主場。雖然依然有高通驍龍的保障，但下一代處理器 Exynos 9810 也將會在 2018 年年初問世，而且根據韓國媒體 Seeko 爆料，它將加入一顆 AI 協處理器。考慮到三星電子此前已經投資了中國的深鑒科技，而后者的產品也適用于智能手機，雷鋒網認為 Seeko 的爆料是靠譜的。
另外一個不可忽視的玩家是高通。雖然高通宣稱從驍龍 820 起就已經具備 AI 能力，但 2018 年的焦點依然是驍龍 845。考慮到面向整個 Android 平臺的通用性和靈活性，高通沒有在驍龍 845 中增加單獨的 AI 模塊，但卻打算通過由 CPU、GPU 和 DSP（重點是 DSP）組成的 AI 異構系統和 NPE 任務分配系統，幫助不同的應用場景提供相應的計算解決方案。
可以看到，高通在驍龍 845 中提供的是 AI 基礎硬件平臺能力，但同時又為其他手機廠商預留了足夠的定制化空間和開發空間。這就為其他 Android 廠商效仿 Google，提供了機會。不要忘了，華為的 NPU 是從寒武紀借來的，其他手機廠商如果也想借用，也未必沒有可能。
當然，除了硬件，人臉識別等算法也將會隨著全面屏的發展而逐漸普及；而諸多 Android 廠商也將在操作系統層面實現對 AI 算法的融入。不過總體來看，硬件軟件算法三者的結合依然是無法改變的發展趨勢。
還有一個值得強調的點是 AI 在智能手機上的使用場景。就目前的發展情況來看，AI 在智能手機上的使用場景還是極為有限的；雖然智能手機廠商已經在大力投入，但真正重要的是開發者對于 AI 技術驅動下的新型應用生態的參與和構建。而后者，才是智能手機真正走向 AI 的主體力量。
最后，2017 開啟了智能手機 AI 元年，2018，我們拭目以待。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
