從移動晶元到終端計算：AI找回被放逐的常識

不出所料，9 月 2 日的 IFA 2017 展會上華為正式發布了麒麟 970之後，全球首款移動AI晶元瞬間成為了行業內外熱議的焦點。

除了麒麟970在算力、能效領域本身的提高外，此次更多的關注點集中在這款晶元搭載了全新的NPU（Neural Processing Unit，神經處理單元），從而獲得了人工智慧領域的運算與處理能力。

在大量的媒體報道與解讀當中，都將麒麟970的移動AI晶元身份稱作影響AI格局，甚至拉升中國整體AI影響力的大事。

但排除「中國領先」的民族情緒和相對空泛的戰略思想，搭載NPU的移動晶元究竟能為用戶和市場提供什麼樣的價值？

這是我們追問移動AI晶元的第一個問題：面對更高的成本，消費者將因何為AI買單？

我想，所有回答都應該開始於一個樸素的論斷：麒麟970作為首款移動AI晶元，有可能讓AI計算重回終端。

產業的虛幻之舞：雲計算並非AI標配

這裡所謂的「重回」，並不是說AI運行原本就在終端，而是在常識上講，AI在學習能力、複雜任務處理能力、精準配合能力上的技術特徵，都應該是發生在終端上的。但一直以來我們看到的AI計算，卻基本由雲端計算來提供。

這裡涉及到的一個AI領域的現狀，也是我們進一步解讀麒麟970的基礎。所以我們不妨停留一下，看看人工智慧與其背後硬體間的關係。

我們知道，AI在眾多層面上都呈現出了全新的運算關係：更趨近現實世界的運算目標、更複雜的演算法以及分散式的任務處理方式，這都讓傳統的CPU難以負荷。一方面機器學習等AI任務需要更大的算力和能效，另一方面傳統運算處理方式在進行AI任務的矩陣乘法等運算時指令步驟過多，也有點「驢唇不對馬嘴」的意思——所以AI的工程化和實用化，必須要獨立的硬體支撐。

提供高能效、高運算精準度和識別度的AI晶元與運算架構，近幾年已經成為了行業巨頭的共識。谷歌的TPU在AlphaGo上一戰成名， 加入 Tensor Core 結構的英偉達 Tesla V100成為其股價上漲的興奮劑，都是AI晶元給行業帶來的美好回憶。

（體型確實不適合民用終端的Tesla V100）

但這些專註AI處理的晶元與硬體體系卻有一個共同的特點：計算在雲端完成。

各家如此默契的將AI晶元與雲計算聯繫起來，售賣計算服務而不是硬體，內中當然有很複雜的原因。首先這一類為了特定應用與演算法打造的晶元價值不菲，並且這些晶元集成了大量的固件，體積和重量都不小，也很難安裝在終端當中，自然造成了商業化的可能極具降低。

除此之外，硬體與互聯網巨頭對於自身業務的把控也是終端AI計算遲遲不出現的原因之一。無論是谷歌還是英偉達、微軟、高通，都致力於推廣自身的雲服務業務和平台化業務。缺少自身的硬體場景支持商業路徑，晶元巨頭當然更希望用戶群來為自己的核心業務付費。

加上技術難度和對商業成本的控制，AI逐漸在人們認識里成為了一個由雲計算完成的任務。但事實上，這只是技術把控者出於產業利益做出的行為。從常識角度來講，雲計算對AI價值巨大，但絕非AI的標準配置。

夢幻海灘和私人城堡：AI回歸終端計算的價值邏輯

也許無人駕駛是一個理解雲計算與端計算AI的最好示例：試想行駛中發生了以外，無人駕駛汽車必須緊急避險。這時假如AI需要將收集的道路和車輛信息上傳雲端，獲得結果後再進行處置…恐怕黃花菜都涼了，所以必須在車輛的智能體內部完成數據收集和處理。

同樣的道理，在手機中也是一樣——甚至手機作為與生活的全連接場景，對終端運行AI的需求更加多元與基礎化。

我們可以從內外兩個層面來審視手機終端運算AI任務帶給用戶的價值。

從手機場景與應用的鏈接維度看，AI應用的價值目前體現在三個領域：視覺領域（圖像、視頻和VR/AR等）、語音領域（語音交互、翻譯等），以及對用戶的學習和理解。

可以想見，這三個領域不僅囊括了很多新應用價值產生的空間，也對現有主流應用構成了有效的延展與補充。根據數據顯示，麒麟970當中，以台積電10nm工藝，集成了一個8核CPU，一個12核的GPU，以及控制攝像頭的雙ISP模塊。此外最主要的就是處理AI任務的NPU模塊。

在提供整合算力的基礎上，其中CPU負責通用計算任務，GPU負責圖形處理計算，而NPU則提供神經網路運算能力，解決需要卷積計算等運算方式的AI任務。換言之，明確的任務指向架構給AI應用提供了最大化的能效比配比與獨立運算空間，雖然這樣達成的運算效果較比雲計算加持的AI晶元應該有較大差距，卻給在終端上完成AI應用工程化提供了條件。

對於用戶來說，獨立的AI運算單元最有可能帶來三個層面的應用感提升：

一、從無到有的AI應用：雲端進行AI計算再傳輸到終端，很多時候不是計算效率的問題。而是一來一回的計算過程讓應用本身卡頓嚴重，甚至無法達成使用條件。基於終端的AI計算則可以憑藉能效和性能的提升帶動AI應用從無到有。根據發布數據，麒麟970的架構在處理同樣的AI任務時，得到了50倍能效和25倍性能提升。比如圖像識別速度可以達到2000張/分鐘。更快的速度不僅是流暢性能的代表，更多是對AR、動態捕捉這類泛AI應用臨界值的突破。雖然目前我們還無法預測麒麟970對應的具體應用案例，但應該有不少此前無法達成觸發條件的應用在mate10等搭載機型上誕生。

二、現有應用的升級與延展：無論是微信這樣的超級應用，還是今日頭條這樣的內容平台、美圖這樣的圖片處理軟體，都在打AI的牌。這或許說明通過AI來了解用戶，提供針對服務和體驗升級已經成為現有軟體突破體驗瓶頸的良方。但由於手機環境的限制，社交、內容、圖片處理，甚至遊戲等應用都難以大量釋放AI功能，因為沒有對應的運算環境，可能造成大量能耗和流量浪費，從而出現過猶不及的局面。而終端運行的針對性AI計算能力，或許可以解決這些問題。語音、機器視覺和機器學習的延伸，在可預見範圍中是很多已有手機功能進化的必經之路。

三、瞬時與無網體驗加強：以拍照、圖片處理、遊戲為主的AI功能，在用戶交互的邏輯上是完全的閉環。並且非常強調體驗感與配合度，但假如這些領域的AI處理需要大量依靠雲計算的話，那就會造成用戶指令響應普遍需要延遲，但假如放棄AI又會造成功能上無法進步，很容易造成應用開發者的進退失據。終端進行AI計算，最基本的特徵是完成了無距離運算，可以在獲得AI體驗的同時避免延遲，也就讓這類應用的體驗度跟上了用戶需求。另一方面，終端計算AI也可以避免在斷網或者網路信號差的情況下AI功能失靈——試想一旦斷網你的自拍就變醜了，那簡直天理難容！

應用角度的價值之外，AI計算回歸終端，對內也是對用戶數據的保護。

我們知道，蘋果的眾多官司與糾紛，都來自用戶數據大量上傳雲端造成的泄露。但siri等智能交互又必須依賴收集用戶數據，造成了一個手機產業的悖論。而破解方式也很簡單，不上傳雲端，本地完成處理用戶數據就成了。

把AI運算放在終端內部，可以保證智能體學慣用戶、了解用戶，並以訓練數據生成獨特體驗的能力。同時也確保了用戶數據與隱私始終存放在終端里，不會造成泄露和被暴力讀取的可能。

如今的手機已經變成了強內容生產工具，用戶可以以AI為助手完成各種各樣的內容生產。這些內容上傳雲端始終不安全，也沒有法律依據來支撐，所以就近在終端內部完成處理近乎是唯一的妥善方案。

從更終極的目標看，隨著技術的升級，AI必然要從雲端一步步回歸終端。因為AI的本質是對人腦的仿生研發，追求極致化的神經元控制與最短距離反應。所以終端AI，或許可以說是人工智慧從名到實的關鍵一步。

形象一點來說，AI計算回歸終端就像構築了一片海景別墅。對應用來說，接入了無限多風景的想像可能，讓外界非常夢幻。對用戶則構築了更加嚴實的私密城堡，確保用戶的安全與隱私不被侵犯。

反之，放任AI計算停留在雲端的話，應用就像困在城堡里，畫地為牢；而用戶卻像睡在海灘上，大敞遙開——反正都不是什麼好的體驗。

手機AI的未來在打破線性發展

近三年以來，手機領域的摩爾定律暫停和產業競爭同質化，成為了行業的主旋律之一。

學界的很多聲音認為，手機更新換代速度的暫緩和產品天花板，似乎是因為智能手機被高度定式化了。手機廠商出於用戶洞察和戰略競爭考量，從硬體架構到運算體系都嚴密遵循一套體系，導致手機很難發生定義上的突破，也難有實質性的新能力出現。

這被稱為智能手機的線性發展階段，手機上的一切都按照固有領域前進，不能繞道也不能自創新路。而AI技術的出現則被廣泛視定為智能手機打破線性發展的變數。但云計算驅動的手機AI應用面臨著幾個問題，比如產業線索太過冗長、技術堅壁帶來的應用開發成本、手機環境縮緊了開發空間等等。在這個邏輯上講，創造新的手機應用體驗，必須以終端計算的支撐能力作為前提條件。

舉個例子，此前谷歌用力推廣，卻最終飽受吐槽的AR應用Tango。其問題之一在於捕捉環境的錯誤率過高，相對複雜一些的畫面場景就容易出錯。而背後的原因在於硬體環境支撐能力不足，無法在複雜的演算法與流暢的體驗之間達成平衡。

在終端完成AR運算，可以獲得更高的運算效率，並且憑藉AI處理能力來取得更好的環境分析、動作分析和物理條件識別。在體驗升級的同時，可交互的玩法想像也突然之間多了不少。實質性提升手機功能的體驗是否就蘊藏其間，也是不好說的事。

總之，麒麟970作為移動AI晶元的價值在於打破開發者對固有手機部件的想像界限，從而繞開產業線性發展的死循環。

當然了，這個計劃任重道遠，而且需要眾多力量和因素加入進來。

進化要素：移動AI晶元的生態叢林

我們看到，麒麟970發布時宣布未來將進一步開放生態，引入合作夥伴加入。實際上這可以說是未來控制AI手機生態的關鍵一環。畢竟現在僅僅能部署在高端產品中，且用戶認知模糊的移動AI晶元，最迫切的需求是以手機應用性打開市場局面。

而這一切的基礎，在於以多元化合作的方式，打造基於終端運算的手機AI生態。

這裡要說明的是，所謂終端AI運算絕不可能單純的發生在終端上。從麒麟970的性能上看，基於高性能計算的任務和演算法依舊必須依靠雲端。而二者協同組成結構化網路恐怕是手機AI最好的達成方式。

除了與雲端協作，手機AI還必須打造出一套優質的OS生態，在介面和兼容度上迎接有創意、敢於打破常規的AI應用。並且要保證應用與硬體銜接，這都要求晶元在架構上有強大的兼容性和開放秩序。

當然，商業層面的合作也至關重要，如何促使已經形成定勢的開發者轉投華為帶來的終端AI生態、如何達成國際化的開發群落，甚至如何與其他手機品牌組成共享機制，都將是制約未來手機AI發展的關鍵因素。

總之，麒麟970提供的終端AI計算能力並不是已經水到渠成。它的核心價值在於打破了不合理的產業規則，讓「手機+AI」的命題回歸到了被放逐多時的常識理性當中。而擺在移動AI晶元面前的，有充分的利潤誘惑和產業變局空間，但同樣有大量的未知因素與不確定性。

只能說，一切剛剛是開始。但面向普通用戶的AI回歸終端計算，確實是一條至關重要道路的開始。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！