AI 大潮來臨之際，智能手機行業到底該如何擁抱它？
隨著時間的腳步已經步入到 2018 年，智能手機市場也迎來了一些新的改變，其中比較關鍵的兩個因素分別是全面屏和 AI。就全面屏而言，它已經進入到快速普及階段並伴隨著一些千元機等產品進入中低端市場；但是對於科技含金量更高的 AI 來說，若想真正地在智能手機行業廣泛發揮自己的力量，還需要產業鏈整體上下游整合更多的時間和努力。
不過，就目前的行業現狀而言，智能手機行業已經初步形成了一股全面擁抱 AI 的趨勢，而真正全面推動這一趨勢發展的，正是從產業鏈最上游的——高通。對於高通而言，如何和終端廠商廠商將AI最後一公里遞到消費者手裡，是整體行業都在思考的問題。
智能手機 AI 的到來
與人們肉眼可見的全面屏相比，智能手機與 AI 的關係複雜得多。
2011 年，蘋果在當年的 iOS 5 上搭載了可以與之進行語音交互的 Siri 語音助手，從某種意義上來說，這已經是 AI 走向智能手機的前奏。可惜此後數年，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 的標籤，即使強悍如 Google Assistant，也不能例外。 究竟是在手機上使用雲端AI還是終端側AI，則是產業也在考慮思考的問題。
一直到 2017 年，當智能手機第一次以晶元的方式在硬體層面與 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。
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 晶元；為了配合這種【手機未發，晶元先行】的做法，華為將這款晶元定義為【全球首款智能手機移動端 AI 晶元】。具體來說，麒麟 970 搭載了一款 NPU（Neural-network Processing Unit，神經網路處理單元），其亮點在於處理特定任務時比 CPU 等模塊出色得多，比如在圖片識別任務中。
不過，從搭載麒麟 970 的華為 Mate 10 的具體表現來看，除了在拍照上的場景識別和成像增強，AI 晶元並沒有給華為 Mate 10 帶來什麼具體的實用功能；而系統流暢度這樣的改善也是隱性的，難以感知的。而且麒麟 970 的另一個根本問題在於它的 NPU 模塊並非是獨立研發；當然，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。
更重要的是對於晶元設計，各家廠商的思路不同。眾所周知，一款晶元產品設計一般需要距離其商用提前 18 個月進行設計。而單獨搭載NPU的設計方式相當於需要提前 18 個月預測商用市場可能用到的使用場景，而在日新月異的智能手機市場而言，只能說滿足部分需求，畢竟沒人能夠知曉 18 個月後的商用市場中 AI 又有什麼新玩法。
嚴格意義上來說，給麒麟 970 帶上全球首款智能手機 AI 晶元的帽子，是華為博取眼球的討巧做法。在 9 月中旬的蘋果發布會上，蘋果發布了新一代 iPhone 和其所內置的 A11 Bionic。A11 Bionic 內置了蘋果自主研發的雙核架構 Neural Engine（神經網路處理引擎），它每秒處理相應神經網路計算需求的次數可達 6000 億次。
然而，蘋果的強大之處在於，它不僅僅自主研發出了一顆強大的 AI 晶元，還在晶元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 通過面部特徵解鎖； 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。
除了華為和蘋果，Google 也在當年發布的 Google Pixel 2/XL 中內置了一個獨立的 AI 協處理器，也就是 Pixel Visual Core，其核心部分是 Google 自主設計的圖像處理單元，IPU 的特點在於充分可編程性和領域特定性，可以實現每秒高於 30 億次的運算。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。
從結果來看，蘋果、Google 和華為三家似乎都已經通過不同的方式給旗下的智能手機打上了 AI 的標籤。然而，蘋果自成一派，高高在上；華為偏重於整合開發；而 Google 在智能手機陣營的角色更偏重於 Android 操作系統層面，IPU 很難像 TPU 那樣對外開放。
因此，從行業發展的角度，它們都無法承擔推動智能手機行業全面走向 AI 的任務；所幸，高通憑藉驍龍 845 AIE 承擔起了這個重任。
高通用 AIE 賦能行業2017 年 12 月，在夏威夷舉辦的高通驍龍技術峰會上，高通驍龍 845 處理器在智能行業的期待中問世，除了 CPU 和 GPU 方面的更新，它的一個重點著力點正是 AI。
不過與蘋果、華為的做法不同，高通並沒有在驍龍 845 的硬體層面中加入一個額外的 AI 運算單元，而是利用 CPU、GPU、DSP 等已經存在的硬體基礎，構建一個「異構」的 AI 運算方式，從而釋放三者在 AI 運算的能力。
為此，高通專門研發了一套 NPE 系統，專門用於管理各種人工智慧語言、架構、演算法，然後再根據 CPU、DSP、GPU 三種晶元的優劣勢進行任務分配，最終為不同應用場景提供相應的解決方案。這一方案的好處是：高通逐漸地將最常用的 AI 功能、演算法移入運行效率最高的 DSP 中，而 CPU 和 GPU 則可以肩負起部分使用頻率較低、或者全新 AI 功能的開發當中，進而節約了整體的系統功耗。
毫無疑問，在三種處理器中，DSP 無疑是部分 AI 場景最高效運行的選擇，它同時也是高通的第三代向量計算 DSP，同時能夠完成圖像處理器、視覺處理器、深度學習處理器、神經網路處理器等任務。
當然只有硬體也是不夠的。高通中也針對 DSP 處理器開發非常容易上手的 SDK，同時高通也在與 AI 業內的企業和研究機構達成緊密的合作關係——希望通過這種方式共同打造一個通用性更強的智能手機 AI 生態。
而許多人質疑過的問題，關於是否獨立一個硬體作為 NPU 單獨搭載，高通則認為 NPU 只是 AIE 功能實現中的一個單元，但是 AI 功能千千萬，神經網路有很多自定義層，單獨的硬體或許無法滿足所有的需求。因此異構計算或許才是能夠滿足不同廠商針對不同場景所做的 AI 優化及功能。
憑藉上述動作，高通已經成功地在驍龍 845 上打造出了一個通用性更強的人工智慧引擎，也就是高通所說的 AI Engine，簡稱 AIE。實際上，基於這樣的方案，高通不僅把 AI 運算能力賦予到最新的驍龍 845 移動平台，使它的 AI 能力達到前代產品的三倍，也讓此前已經具備相應硬體基礎的驍龍 835、驍龍 820、驍龍 660 處理器成功地釋放它們在 AI 方面的潛力。
由此可以看到，與華為、蘋果封閉的做法不同，高通在智能手機 AI 上的態度是完全開放、賦能行業的視角。它更多考慮的是面向整個 Android 平台的通用性和靈活性，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——從某種意義上，這是一種致力於推進整個智能手機行業向前發展的更加開放的姿態。
另外，高通在驍龍 845 中提供的是 AI 基礎硬體平台能力，但同時又為其他手機廠商預留了足夠的定製化空間和開發空間，比如說 Google。2017 年 Google 獨闢蹊徑地將高通驍龍 835 + Pixel Visual Core 結合起來，未來它依然可以採取高通驍龍處理器 AIE + AI 協處理器的做法來推進自己的 AI 戰略——換句話說，高通為其他 Android 廠商參考 Google模板設計提供了眾多機會。
在雷鋒網看來，在推進整個智能手機行業走向 AI 方面，高通承擔了無可替代的支撐角色。
雷鋒網總結放眼當下的智能手機市場，高通 AI 技術已經為整個行業帶來了令人矚目的改變。我們可以看到，高通 845 AIE 已經成功地出現在三星、小米、OPPO、vivo、鎚子等主流廠商的旗艦智能手機產品上，不僅如此，驍龍 710、驍龍 660 等也在通過 AIE 推動 AI 技術在智能手機行業的普及，而人臉識別解鎖、智能拍照、自然語言理解等曾經看去來遙不可及的技術也逐漸成為眾多消費者日常生活的一部分。
這一切，都在印證高通 AI 和機器學習產品經理 Gary Brotman 對雷鋒網所說的那句話：我們並不希望只是為手機處理器加上一個 AI 模塊 ，而是讓 AI 技術真正給消費者帶來改變——毫無疑問，高通做到了。
