TMT观察网_独特视角观察TMT行业

早在 6 年前，谷歌在自己的第三代手機 Galaxy Nexus 上就加入了人臉識別解鎖功能。

但很遺憾，那個時候的人工智能尚未被捂熱，這個產品最終也沒有掀起什么水花。不過，這反倒證明了「人臉識別解鎖」其實是一項「化石級功能」。

兩個月前一場閉門會議，百度安全X實驗室在幾分鐘時間內，輕松破解了一堆安卓手機的人臉識別解鎖應用。

刨去趣味性與便利性，「不如密碼安全」已經得到了當下白帽子界的普遍確認。

另一邊，2017 年國內大大小小數十場的手機品牌發布會上，大部分所謂的「AI 手機」，從來沒有跳出「人臉識別解鎖+語音助手」的范疇。

其實對于 AI 究竟能在手機上做什么，當下沒有人能夠說清。

很多廠商的想象力被技術能力、硬件、網絡以及系統生態壁壘所限制，只能圍繞消費者對手機的喜好而向外勾勒 AI 的邊角。

你想閑聊，我就加個語音助手，跟你插科打諢；

你喜歡自拍和大光圈，我就添加用算法優化過的攝影功能，讓 AI 照亮你的美……

就連榮耀總裁趙明都承認，現在太多 AI 手機都是被層層花言巧語包裝，當然，這也是由營銷、市場等多方面原因決定的：

「如果真要比 AI，唯一能比的，可能就是誰跑的更快。現實情況是，離 AI 應用井噴期，還有一段距離」。

榮耀總裁趙明

在手機逐漸趨于同質化的當下，有能力把 AI 當做突破口而非噱頭的公司，沒有幾家。

其最大的風險在于，當某一新技術下沉到應用層，最后到達用戶端后，受外界多種變量影響，實現效果可能跟普通技術沒有區別。

其最好的例子莫過于 80 多年前，被通用汽車認為將徹底改變汽車行業，卻最終曇花一現的銅冷型發動機。

去年 9 月，華為發布的人工智能芯片麒麟 970 轟動了半導體產業圈。而關注焦點自然在于那塊打破了傳統計算架構的 AI 硬件處理單元——NPU。

（其實理解起來不難，就是在一塊常規手機芯片里，加入了一部分針對 AI 任務，運算能力更強大的專用處理器。通常由于 AI 運算量巨大，很多時候都是在云端進行。如果要在本地執行任務，耗能較大，會出現導致手機運行緩慢，耗電量大等「癥狀」。）

根據華為公開的內部測試數據，這塊專門為深度學習定制的處理器，每分鐘可以識別 2005 張照片，幾乎是 CPU 的 50 倍。

換句話說，如果要在手機上執行 AI 類任務，NPU 可以扛大旗，讓任務處理速度產生質的提升。

在這一點上，業界已經給了麒麟 970 諸多積極評價（自己去翻）；

而從工程效果來看，內置了麒麟 970 的華為 Mate10 與榮耀 V10 的確提升了成像效果，在場景識別上的應用也趨于成熟。而后者也被看作是市面上第一款內置了 AI 芯片的中端手機。

麒麟970架構

但是，就像我們上面提到的，介于有限的使用場景，麒麟 970 執行 AI 任務的現實境遇頗顯尷尬——空有一身本領卻無處施展。

如果僅僅是給照片美顏，通過場景識別調校成像效果（例如在對藍天白云進行識別后，手機能夠很好地對圖片進行白平衡處理），對于 NPU 來說著實有點大材小用了，因為 GPU 與 CPU 的傳統計算架構也能做到。

確切地說，這塊芯片支持的手機，與其他手機品牌拉開的差距暫時不太明顯。

這意味著，給手機產業上游帶來驚喜的麒麟 970，對于最末端的普通用戶來說，還不能充分讓他們體會到自己強大的 AI 任務處理能力。

甚至某種程度上，用戶根本不 Care 這是不是一部 AI 手機。

因此，擺在華為及榮耀手機面前有兩個問題，當然，同時也是機遇：

如何擴展 AI 應用場景的想象力？

如何為手機的 AI 應用創造更多的條件？

手機圖像識別的巨大應用潛力

目前，大部分手機品牌還沒有跳出「圖像識別」這個想象空間。不過，即便在圖像識別這一領域，仍然具備太多可以挖掘的應用潛力。

富余的巨大運算量，充分鼓勵了工程師把盡可能多的圖像處理操作與更復雜的模型訓練放到本地運行。

如果可能，沒有手機工程師不希望人臉識別算法在電腦上的運行效率也投射在手機上。

因此，在大幅提升速度與算力的基礎上，降噪、美顏、圖像質量評價、AI 摳圖、更多更復雜的人臉及場景識別、內容識別，服裝搭配，甚至是短視頻處理……

假如都可以在一臺手機上并行處理，那么華為與榮耀手機才能與競品的 AI 概念逐漸拉開差距：

圖像處理在手機上的應用廣度與深度是沒有邊界的，對于消費者來說，拍照效果沒有最好，只有更好。

以榮耀 V10 為例，目前雖然可以實現 13 種場景識別（藍天、白云、樹、狗等等簡單標識物），但這對于大眾來說遠遠不夠，他們期待更加明顯的效果。

因此，接下來，針對AI 技術的工程設計與合作將成為榮耀優化 AI 功能的重點。

除了建立自己的AI 研發團隊，趙明這樣評價去年華為與百度頗受外界關注的戰略協議：

「其實我們與李總、陸總交流了很多，在很多技術應用層面達成了合作。雙方都會把一些東西開放出來。」

當然，有不少專業人士猜測，已經在底層研發方面取得成效的華為班子，在2018 年也不排除為自己的手機再發一枚集成神經網絡單元，且針對中端機市場的移動芯片。

做 AI 硬件，絕不是套殼子

華為 Mate10 發布后僅隔 2 個月，榮耀就再次發布了一款內置麒麟 970 的中端手機。

這也難怪有逗逼國外機友給出這樣一個中肯評價：

翻譯：每次一部 Mate 系列發布我都挺喜歡，但他們很快就會再發一臺規格差不多，但價格卻少一半的機子（榮耀）

對于華為和榮耀來說，一方面，這種共享的研發體系的最大好處是攤薄研發成本；

但另一方面，新技術除了可以在市場中得到更多的測試與反饋，也能夠充分優化自己的供應鏈體系。

沒錯，軟件的更迭，必然會帶來硬件上的設計變化。

不過，好在手機產業如今已經建立了足夠的供應鏈體系。正如趙明所說，如果不是形態有了質的變化，譬如手機完全變成了一副耳機或者一條領帶，否則就不會對上下游產生明顯的震動。

但無論如何，AI 進入硬件，需要后者做出積極應對。趙明把這個過程稱為「軟件硬化」。

這絕對不是給軟件加個殼，調一調參數就能實現的，而是一個需要從整體考慮和設計的過程。當然，如果軟件和硬件都是自己的，那就更好辦了——隨便調用，沒有屏障。

這便是華為與榮耀研發 AI 手機一個最大的最明顯優勢——不管你是否愿意承認，這個團隊的軟硬研發皆為 boss 級別的。

「我們軟硬件有很多共同的測試，可以自己定義 AI 的能力匹配程度，也可以定義一個具體的模型，」據趙明透露，榮耀與華為旗下所有研究所每周都有定期會議，通常會坐下來最新的技術進展，或是某個公司取得的相關技術突破，

「哪些能力應該由硬件實現，哪些東西應該放在軟件層面，都是經過軟硬團隊反復商討與測試來確定的。而 AI 能力究竟放在云端比較好，還是本地比較好，都必須被納入整個工程設計進行考量。」

但這條華為為自己修葺的「研產一體化」護城河，卻也在某種程度上阻礙了華為的技術通用化道路。

與所有技術公司具備同樣的野心，華為與榮耀手機也在建立自己的移動 AI 生態圈，吸引 AI 應用開發者。這是釋放麒麟 970 計算能力，大幅提升用戶體驗的一條捷徑。

但現實的阻礙與很多公司建立智能家居生態遇到的難題幾乎一致：

* AI 功能需求好像并不旺盛；

* 很多具備 AI 功能的 app 都會把數據傳回云端計算，便于收集數據；

* 安卓手機雖然很多，但之間的 AI 移動環境是互相封閉甚至是沒有的，有多少開發者會只根據麒麟 970 的 SDK 來適配和開發 app？

這些難點趙明并沒有否認：「在國內我們有專門把接口開放出來來吸引開發者，但客觀來講，人工智能現有的應用程序，對于手機來說還處于初級階段。

日常應用里我們看到大部分是適配所有安卓手機的，但是在榮耀手機上人工智能處理能力特別強，在其他手機上的體驗很弱，那么帶來的體驗可能就很差。」

但很明顯，華為及榮耀手機在這方面的造勢與投入也隨之加強：

除了舉辦開發者大賽，用開發者網頁、開發者工具包、應用商店來招攬開發者，華為還允許開發者可直接接入華為 NPU 功能，也可以通過第三方 AI 框架接入；

此外，榮耀也在開拓海外市場過程中，招募了一大批全球開發者，來基于榮耀 V10 進行 AI 應用開發。

「芯片是一個基礎，如果要保持我們在 AI 手機研發上的暫時領先地位，接下來，需要大量開發者的響應。」

面對現實，一起賺錢

人工智能專用芯片仍處于群雄并起的起步階段，因此，真正到達應用層，并開始接受普通消費者檢驗的麒麟 970，確立了華為與榮耀手機在全球 AI 移動硬件第一軍團中的地位。

目前，可以商用的 AI 技術，既不像普通用戶看到的神乎其神，但也沒那么簡單。而讓 AI 進入手機，無疑是最容易普及與教育市場的方式之一。

這需要一個在硬件方面有足夠經驗與實力，同時在軟件層面也要有強大自研能力的公司來破局。

但問題也顯而易見，工程設計亟待完善，移動應用寥寥，解決的實際問題也有限。

如果沒有持續的研發投入與「眾神參與」，AI 手機就只能短時間內存在于面向運營商的招標書與品牌公關的宣傳稿里。

「你得需要多長時間的儲備和醞釀才能夠做出來一個麒麟 970？但是我們不得不快，壓力也一直很大。可以說，華為和榮耀研發團隊的 KPI 其實非常重，因為這不是研發一枚芯片這么簡單。用戶感受不到，KPI 就是沒完成，」趙明讓我們對接下來研發團隊的新成果保持期待，

「當然，未來的手機 AI 應用，不是一個廠家就能包攬的。包括像手機品牌、代工廠在內，只能做其中的一部分，譬如我們就把這個基礎臺子搭好，硬件變革需要從上往下一步一步來。

你想獨吃這個生態鏈根本不可能。目光放的長遠一些，AI 要想在硬件上突破，就得讓大家一起賺錢。」

想要在AI手機這條路上走到底，除了實實在在的技術底氣，更需要承認問題。

來源：機器之能