讓消費者覺得手機裡的AI有點厲害，總共分幾步？

標籤：AI

讓我們回想一下曆史上的技術革命，會發現一個有意思的現象：所有科技成果進入生活，都不是一小部分專家或者企業的獨自完成的。而是依靠一大群人的智慧，才能把技術輸入更大一群人的生活。

比如說電器時代，眾多家用電器、小型電器層出不窮，才開啟了民用電力的普遍市場。再比如PC時代真正到來，不是幾個半導體和電腦巨頭獨自起舞的結果，而是無窮無盡的軟體開發商、互連網開發人員，甚至遊戲開發人員，共同堆砌出的龐大時代。

用我們熟悉的話說，這個大概就叫從群眾中來到群眾中去。科技巨頭只是個中間環節，是杠鈴中間的槓桿——沒有它當然不行，但真正有重量的其實是兩邊。

進入移動互連網時代，百花齊放的應用生態更加證實了人民的智慧是無窮無盡的。但進一步到了AI時代，似乎我們還沒有找到新技術時代裡的“福士智慧”。

今天越來越多的手機裝置在鼓吹AI功能與體驗，但從市場回饋上看，似乎消費者並沒有真正覺得所謂的“手機AI”有什麼不同，甚至有聲音表示AI無非是手機的新溢價手段而已。

到底怎麼才能讓消費者在面對手機裡的AI能力，說一聲“哇，有點厲害哦”？在今天來看，引入更多人的智慧去征服萬千消費者，似乎是最靠譜的選擇。

3月19日，在香港Linaro開發人員大會上，華為發布了全新的人工智慧開發板HiKey 970。這款新的AI開發人員裝備預計本月上線發售。

或許這是一個很有意思的契機，可以讓我們來聊一聊關於移動AI開發生態的“疑問三連”：

1. 為什麼一定要有開發人員？

2. 開發人員需要的是什嗎？

3. 到底怎麼把開發人員的智慧端到使用者面前？

這年頭的AI，什麼都不值錢，除了想象力

寫作本文之前，我簡單搜尋整理了一些Google新聞一周之內關於AI的新聞。各種AI大概可以幹以下這些事情：用AI防鯊魚、用AI學寫中國書法、AI預測人類死亡時間、AI預測比特幣價格走向….

注意哦，這僅僅是一周之內，且還沒有把視野放到更多AI花樣的學術界。對比一下，你手機裡的AI能幹什麼呢？很大機率只能美顏自拍和弄個背景虛化吧？是不是感覺弱爆了？

說到底，AI是一種基礎運算方式的變化，它改變了機器的互動、識別、理解等多個基本能力，重新定義了電腦這東西的界限何在。

在接下來算力更加高效、資料資源更加充沛、平台能力介面更加完善的前提下，AI必然會變得越來越廉價和普及，唯有一件東西會在AI的世界裡始終彌足珍貴，那就是開發人員的想象力——當AI開發人員擁有了一個點子，並且知道如何去實現它的時候，一整個新世界的大門可能就會開啟。一個醫學演算法可能會改變億萬人的醫學健康；一個Image Recognition技術可能改變我們的旅行體驗；一個壓縮演算法可能改寫全人類的資料流通速度。從這個邏輯看，AI開發人員想象力的上限，就是我們的未來。

但為什麼在手機中，我們卻沒有看到這種想象力爆棚的AI體驗呢？很簡單，因為貧窮限制了開發人員的想象力。確切地說，是終端算力的貧瘠和開發路徑的窮困，限制了移動AI開發的想象力邊界。

這種尷尬，讓我們敲開了端側AI的大門。

端側AI：沒道理讓算力限制想象力

讓AI應用在手機這個活躍度最高的硬體種類上跑起來，早就不是什麼新鮮命題。畢竟AI的識別和學習能力，需要更多的即時資料和不間斷的訓練過程，在今天的人類世界中，恐怕沒有比手機更好的溫床。

反過來說，也沒有像手機一樣可以讓AI快速產生使用者價值的市場。畢竟AI不是個新東西，曆史上的AI浪潮歸於失敗，就是因為工程化難度被低估導致市場價值淪喪。不能用的技術肯定不是好技術。

於是讓AI技術跑在手機上，成為了國內外友人的共識。Google還推出了專門協助機器學習任務跑在終端的TensorFlow Lite。各種花樣的手機AI功能其實並不少。

但為什麼我們始終沒有見到這些應用來到自己的手機上呢？原因也很簡單，移動晶片支撐不起來足夠的端側運算需求。由於AI任務有自己的深度學習運算需求，用CPU+GPU的模式會帶來功耗和能耗上的支撐不足，不是卡頓嚴重就是根本跑不起來。而引入雲端運算又會產生很多問題。

比如視頻、映像類的AI任務，假如要上傳到雲端進行演算法處理再傳回手機，那麼無論如何都是有延遲的。直播的時候永遠內建延遲效果，相信使用者從手機裡爬出來踹飛主播的心都有。

而另一個問題，是AI目前的主要任務是識別。而手機使用者識別的更多是自己與家人朋友的相片，以及周遭生活的各種映像與資訊資料，這些東西上傳到雲端永遠是有風險的。紮克伯格那種眉清目秀的都叛變革命了，咱們還是小心謹慎點好。

種種跡象表明，想要開啟開發人員的想象力，讓他們可以嘗試在手機世界中進行AI開發，終端AI算力就是個必不可少的先決條件。於是我們看到去年華為推出了搭載NPU專用硬體處理單元的麒麟970晶片，隨後推出了幾款產品，以及全面向開發人員開放的AI開發平台HiAI。

而蘋果的A11神經仿生晶片也是類似的思路，只是到目前為止還沒有採取生態開放的方式。

但可以相信，接下來更多移動AI晶片+開放開發平台會成為標配。畢竟說到底，從來沒有一個資訊技術時代，是在硬體沒有準備好的情況下發生的。

從村口到戰場：生態之路必須兩頭打通

在必須引入開發人員和具備了終端計算的前提條件後，下一步就是如何讓開發人員真正走入移動AI的世界，到屬於他們的舞台開始表演。

這有點像指引村子裡的勇士，到戰場上去大展雄風。需要的不僅是給勇士以武器鎧甲、開出足夠誘惑的條件。更重要的是——村子得有一條能通到戰場的路！

從開發端到市場端，移動AI的生態之路聽上去很近，但真正打通卻需要很多步驟和強有力的技術體系、賦能方案以及商業勢能。

我們可以以華為麒麟970和HiAI開發平台為例，看看平台與開發人員之間的賦能關係，究竟需要開啟哪些關卡才能打造相對完整的生態布局。

首先，開放的開發平台，是開發人員運用終端計算能力執行AI開發的前提。在麒麟970推出之後，與之相關的HiAI開發架構也很快公布。迄今為止，曆經4個月的不斷升級， HiAI已經由V100升級到V150版，新版本不僅相容性極大提高，架構、API介面、文檔與工具方面也為開發人員提供了更多支援，運算元計算能力更是從42個提升到99個。

當然，僅有平台還是不夠接地氣。有機器學習開發經驗的朋友應該會知道，今天最難找的不是開發架構，而是適配硬體開發的開發板。很多開發人員甚至要絞盡腦汁才能得到一塊適合自己開發工作單位的板子。

基於此，我們今天看到了上文提到的HiKey 970開發板。作為華為的第三×××發板，HiKey 970具有相對完善的開發環境，並且高度配合華為的移動AI開發戰略，整合了華為的HiAI架構以及其他主流神經網路架構，除了支援CPU和GPU的AI計算外，還支援基於NPU的神經網路計算硬體加速，能為端側AI的開發使用提供便利。

在開發的技術接入之後，我們應該看到更多開發人員面臨的其實是學習成本、市場壓力等等技術以外的問題。這就需要平台不僅起到技術支撐體的作用，而是通過多種賦能方式，將開發人員真正送入市場的最後一公裡。

比如在學習方面，HiAI架構目前不斷有新的公開課在全國巡迴舉辦，還有固定的教學課程。在賦能開發人員的政策層面，華為制定了“耀星計劃”，從人才培養到開發支援，從創新支援到營銷輔助，面向不同對象，提供資金、平台、資源的全方位開發人員賦能。

或許對於開發人員來說，今天更重要的是華為的APP分發渠道與市場潛力。截至2017年底，通過華為應用市場等生態開放渠道，開發人員直接觸達3.4億的使用者。其中海外使用者超過2000萬。這樣的市場潛力，當然是應用開發人員不能錯過的，尤其在發力AI生態的過程中會有針對性推薦，這對於很多移動開發人員來說不吝於開啟了市場快車道。

到目前為止，已經有200-300家行動裝置 App與HiAI架構達成了合作，開始進行應用的AI化或者開發AI獨屬版本，涉及AR、短視頻、社交、購物、拍照、翻譯等主流應用種類。

可以看出，從技術開發到市場流量，兩頭打通的移動AI生態之路，需要照顧到開發人員的多種技術需求、學習成本以及利益訴求。這當然不是一件容易的事，但是手機真正步入AI化，能夠讓使用者“哇”地一聲驚叫出來，似乎也沒有別的辦法。

當然了，只要這一聲就夠了。當一個人嘗試並習慣AI的價值，傳統計算的世界就會顯得那麼無味。

於是我們再也回不去了。

讓消費者覺得手機裡的AI有點厲害，總共分幾步？