当全球手机行业的老二苹果和老三华为纷纷推出自家人工智能芯片之后，老大三星也坐不住了。继苹果、华为之后，三星也正式开展对人工智能芯片的研发，其芯片将以提高包括智能手机在内的以AI为驱动力的设备性能为目标。显然，AI的战火将燃烧到每一台终端用户设备之中。
今年9月，可以算是全球移动AI的里程碑月份了。月初，华为发布了首款移动AI芯片——麒麟970，首次集成了神经元网络单元NPU，其与CPU、GPU、DSP组成了移动AI计算平台。
性能永远不存在过剩的说法，因为设备终端对芯片功耗、面积等都有更高要求，不可能将所有的AI任务都放在云端进行，随时性、实时性和隐私性等重要特点决定了AI本地处理能力也极其重要。从这点看，麒麟970欲向外界展示AI从“云端”到“终端”的必要性。
随后苹果在最新发布的iPhone X中首次展示了其在人工智能领域的首次大规模部署——A11芯片以及Face ID生物识别技术。
相比去年苹果在A10芯片中还用的是第三方GPU，在A11芯片中，苹果已经用上了自研GPU。基于A11芯片的机器学习能力，业内开始思考人工智能给iOS后续生态带来的改变。而以Face ID为代表的手机AI应用生态仅是“小荷才露尖尖角”，让业界对移动AI抱有了更多想象。
无感知的人工智能何以自处？
人工智能在移动终端功能上的体现，可以分为两种：一种叫“优化”，比如实现更长的待机、更快的运行速度；而另一种叫做“实现”，比如实时视频美化、实现精准AR等。
面对移动AI，必须承认这样一个现状：大部分算法和性能上的AI，用户是无法感知的，其只是基础能力的迭代。比如用户在使用手机时，感受到的是人脸识别、AR、语音交互等外在表现形式，并不是蕴藏其中的神经网络处理引擎。
在面对移动AI到来时，手机厂商有必要问自己一个这样的问题：手机真的有必要使用AI芯片吗？
以图片处理软件Prisma为例，几乎所有用户都抱怨Prisma处理图像等待的时间过久，主要因为图像处理放在服务器和云端处理时间较长，但放在本地则面临手机芯片过载的问题，一旦过载又会导致处理时间延长。
Prisma虽然实现了手机本地计算，通过大量优化显著降低了模型的复杂度，但对于手机芯片来说仍然负荷很大，运行速度明显放缓，部分风格滤镜需要计算10秒以上才能完成图片转换。因此，类似Prisma这种复杂的场景，才往往需要手机专用AI芯片。
但实际上绝大多数应用没必要使用深度网络加速芯片进行加速，一方面普通手机芯片也可承载大多任务，另一方面，复杂的任务云端也可保质保量地解决。目前智能手机上需要用到AI芯片去加速的应用并没有很多。虽然未来会有发挥的潜力，但现阶段应用场景十分有限。
什么AI才是移动终端的刚需？
移动AI是一个高门槛的命题。终端必须满足一系列条件，并且配有针对性的机器学习处理单元、整体算能力足够支撑，否则AI任务根本无法在移动端运行。在现阶段人工智能主流环境下，人们更多崇尚“算法为王”。
但不少业内人士持有一个观点：消费级AI领域里，一个好的产品经理要比一个优秀的算法工程师更重要。由于消费级产品的独特性，算法突破落地到终端产品当中，其效果提升往往非常有限，相比而言，把握好产品体验、抓准用户需求会更有意义。
苹果相关负责人曾谈到，人工智能已经在为iPhone用户带来不少体验上的提升：如识别陌生来电、Apple store使用深度学习辨别骗保行为，在解锁后列出最常使用的应用、事项提醒，以及自动显示附近标记的酒店等。
这些看似不起眼、但很实用的功能在苹果全面拥抱机器学习及神经网络后，让用户的操作体验越来越完美。
这些隐藏在iPhone中的AI便是“Apple Brain”，苹果大脑已经完全内置于iPhone中。从技术角度而言，要想实现上述功能确实无需采用非常前沿的算法。
但“实现”和“好用”这两个结果有着质的差别，要让终端用户满意，这背后除了算法本身外，还有很多要考虑的因素。
也有观点认为，手机已经变成了强内容生产工具，用户可以通过AI完成各种各样的内容生产。这些内容上传云端始终不安全，也没有法律依据来支撑，因此就近在终端内部完成处理近乎是唯一的妥善方案。
随着技术的升级，AI必然要从云端回归到终端。学界则认为，AI技术将被视为手机打破线性发展的变量。但云计算驱动的手机AI应用仍面临不少问题，比如产业线索太过冗长、技术坚壁带来的应用开发成本、手机环境缩紧了开发空间等等。
因此，创造新的手机应用体验，必须以终端计算的支撑能力作为前提条件，这也是移动AI发展的必然原因之一。
人工智能之于手机，并非阳春白雪，那些无需用户刻意学习、持续提升用户体验、让手机尽可能帮助用户主动做出正确决策的功能，才是移动AI的真需求。一切只是刚刚开始，面向普通用户的移动AI，确实是一条值得技术厂商和手机厂商共同关注的道路。
【科技云报道原创】
转载请注明“科技云报道”并附本文链接
