自去年以來，手機行業最熱的名詞必是“AI”無疑。AI，即人工智能，英文Artificial Intelligence，又稱機器智能（Machine Intelligence）。顧名思義，這是機器展現出來的智能，區別于人或動物的自然智能（Natual Intelligence）。

AI作為一個新技術被世人知曉，可能是源于兩年前。彼時，谷歌的人工智能棋手“Alpha Go”戰勝圍棋世界冠軍李世石而一戰成名，人們開始了解到AI并寄予這項技術更多的遐想：AI是否是生產力革命的下一個“風口”？而在科技行業中，嗅覺靈敏的手機行業當然希望牢牢抓住AI這一風口，將這一技術由前端科研下放到消費電子領域，應用到智能手機終端。AI終究更快地走入了人們的生活。

目前看來，AI在智能手機上的應用，分為上半場和下半場。

上半場：

自2017年9月2日首款AI手機芯片麒麟970芯片正式發布，支持到硬件級的AI能力進入到手機行業，正式開啟智能手機AI化的上半場。在這個時間區間內，手機的應用主要是各個手機廠家在推動，零散，分裂，水平參差不齊。由于手機廠商的研發投入與技術底蘊各不相同，自然對AI的真實性與可用性也不一而足。

時至今日，AI技術已經從理論開始產品化實踐，進而向消費電子領域全面普及。在手機行業中，上至旗艦，下到千元機，無論是拍照還是玩游戲，整個行業渴望搶食AI紅利，乃至AI手機從擁有技術底蘊的公司辛勤研發的“風口”變成哪怕不具備能力的廠家希望能靠營銷上位的“風噪”。

首先是華為、蘋果等廠商，憑借專門的AI硬件與軟件的配合實現了完成度較高的AI功能，促進了行業的發展和進步。例如華為在硬件上采用麒麟970／980等具有獨立NPU的AI芯片，軟件上通過集成了AI識別場景、AI翻譯等功能的EUMI系統來實現AI功能，方便了用戶的使用。在過去的一段時間里，似乎安卓陣營只有華為和榮耀有底氣講自己的產品是名副其實的AI手機。

另一方面，有一些廠家，則單單憑借一些軟件算法，就稱自己的手機為“AI手機”，甚至一些千元機，也是張口閉口“AI拍照”“AI游戲”。但歸根結底，他們鮮有技術積累，遑論實現真正的AI功能，自然無法讓用戶感覺到手機變得更加智能；甚至在一定程度上加大了手機行業營銷過度的“風噪”聲量。

那么這里就引入一個問題，所謂的“手機AI”，到底是什么呢？

簡單來說，手機AI就是用專門的AI芯片識別特定場景并針對性地完成任務。具體的實現原理則是以AI芯片對神經網絡模型進行深度學習，進而在自然語義理解，圖像識別等場景下工作。

可以理解為，AI的本質是運算，當前手機芯片AI運算解決方案主要以獨立處理單元體現。其中獨立處理單元則是在手機處理器中加入深度學習專用處理器IP。我們熟知的傳統處理器和圖形處理器一般是面向特定部分的應用，不具有向深度學習方面的優化計算能力。而專門進行AI計算的專用處理器則能夠顯著提升深度學習的處理速度和能效，提升能效比。

目前在端側，手機AI最常解決的場景在人臉識別、物體識別、圖像分割、智能翻譯等場景。舉個例子，你在使用手機拍照時，手機能自動識別藍天、人像、動物這些具體場景，從而針對不同場景進行不同優化，都是圖像識別、圖像分割這些看似“高端”的技術的落地。而對于AI，其性能也并非“看不見摸不著”。而在蘇黎世聯邦理工學院的AI Benchmark測試中，麒麟980獲得了目前安卓手機中的No：1。而在比較經典的AI測試場景中，蘋果A12 Bionic每秒能識別6000張照片。

因此，在近半年發布的A12 Bionic、麒麟980，以及三星Exynos9820中都加入了獨立的神經網絡處理單元，主流移動芯片廠商對于自家的旗艦終端芯片，標志著上游供應鏈已經完成了硬件上對AI的支持。（在下個月高通發布的8150中，據說也會搭載獨立NPU）

從華為開創移動端人工智能芯片的先河，到如今幾乎所有的主流旗艦級芯片都加入硬件級AI的支持。如果說單個手機廠家自己做AI只是自發的行為，以致于各家所能實現的AI水平參差不齊；那么全體芯片廠商從上游的芯片供應來推動手機AI的發展，就使得硬件級AI將覆蓋未來幾乎所有的高端旗艦智能手機。至此，智能手機AI的上半場告一段落。

下半場：從扁平到立體

盡管得到了上游芯片廠商的支持，但也只是標志著手機AI軍備競賽的下半場將正式開始。因為當大家在硬件層面都處在同一起跑線的時候，競爭會變得多樣化。

如果說手機AI 1．0是二維平面，單純依靠智能手機的終端硬件——AI芯片來在端側實現；那么如今手機AI 2．0的時代業已成為一種三維的通路：面對日益復雜的AI工作場景，需要從芯片、終端再到云端進行協作運算。在這方面，華為的HiAI平臺則跑在了前面。

首先，芯片硬件的AI算力是實現AI功能的物質基礎，AI算力的強弱決定了智能手機執行AI任務的速度。

以風靡全球的Prisma軟件為例。作為第一款結合了人工智能技術的濾鏡軟件，一經問世便走紅全球，它的特點在于將用戶的照片賦予梵高的《星空》等經典大作的風格。其實現原理就是AI中的“卷積神經網絡”學習，在用戶選擇要添加藝術濾鏡的原照片后，Prisma軟件便開始了“物體識別－－紋理合成－－風格提取－－圖片合成”這一系列的工作流程，這其中最難的工作就是物體識別。

在一張集成了錯綜復雜的線條、色彩與光影的照片中，如何較為精準地區分出物體的輪廓？這就回到了卷積神經網絡技術，通過不斷的訓練與學習，一步步地對目標圖片中物體進行“篩選”和“過濾”，最后就會得到較為清晰的物體輪廓，進而用算法生成與經典畫作一樣風格的照片。因此在進行AI任務，如用Prisma軟件修圖時，擁有不同AI算力的智能手機表現也會有顯著的差距。華為麒麟980等集成獨立NPU單元的Soc對于卷積神經網絡運算的支持更加到位，這是由于卷積神經網絡在運算時需要進行大量的并行計算。相比依賴CPU等進行AI運算的芯片，具有獨立NPU的芯片有著4倍的速度與僅僅1／50的功耗。

其次，AI功能的落地離不開軟件的支持。華為在軟件上打造了一個完成度非常高的AI閉環。從打開手機開始，用戶可以使用系統層面的智能情景助手和智能語音助手小藝；打開相機，可以用AI攝影大師進行場景識別并自動優化拍攝參數；打開AI識物可以識別食物的卡路里、搜索看到的商品或者進行即時翻譯，等等……用戶隨時隨地都在使用著真實可感的AI服務。

另外，隨著對于復雜AI工作場景的不斷開發，必然要實現終端（智能手機）到云端（服務器）的協同計算。因為硬件本身的算力畢竟是有限的，只有借力于云端服務器，才能實現更好的AI運算。

譬如當用戶將鏡頭對準一只不知其種類的小狗，終端和云端的AI接力開始。終端芯片憑借NPU迅速地識別鏡頭下小狗的各種特征，首先識別出它是一只狗，但可能儲存在手機內部的算法并不知道具體是一只什么狗。此時云端存儲的不同品種小狗的特征進行對比和校驗，最后在屏幕上顯示出小狗的準確種類讓用戶了解，這只是一個很小的AI協同工作的場景，但舉一反三，未來在手機會做出更多令人期待的功能。

因此在華為HiAI 2．0中，開發了基于 “芯、端、云”三層AI生態，HiAI Foundation芯片能力、HiAI Engine應用能力與HiAI Service服務能力，以芯、端、云結合的三層開放能力滿足開發者的各種需求。在未來，更多成熟的AI應用一定是有賴于完善的AI計算與開發平臺。打通芯片（硬件）—系統及APP（軟件）—云端（計算）這一完整的通路，才能實現更好的AI功能。

總結：

如今的智能手機行業顯然已經到了一個關鍵的十字路口。處理器性能的單純提高和硬件上的進化，在過去的十年里充當了這個行業主要的任務，而在這些基礎性能之上，如今AI已經成為智能手機通向未來的一把鑰匙，在算力和數據的馬太效應之下，會加速智能手機AI的進化速度。對于智能手機來說，隨著上游芯片廠商的推動，AI的上半場已經逐漸塵埃落定，而下半場，哨音已響。