但為什么在手機(jī)中，我們卻沒(méi)有看到這種想象力爆棚的AI體驗(yàn)?zāi)�？很�?jiǎn)單，因?yàn)樨毟F限制了開(kāi)發(fā)者的想象力。確切地說(shuō)，是終端算力的貧瘠和開(kāi)發(fā)路徑的窮困，限制了移動(dòng)AI開(kāi)發(fā)的想象力邊界。

這種尷尬，讓我們敲開(kāi)了端側(cè)AI的大門。

端側(cè)AI：沒(méi)道理讓算力限制想象力

讓AI應(yīng)用在手機(jī)這個(gè)活躍度最高的硬件種類上跑起來(lái)，早就不是什么新鮮命題。畢竟AI的識(shí)別和學(xué)習(xí)能力，需要更多的實(shí)時(shí)數(shù)據(jù)和不間斷的訓(xùn)練過(guò)程，在今天的人類世界中，恐怕沒(méi)有比手機(jī)更好的溫床。

反過(guò)來(lái)說(shuō)，也沒(méi)有像手機(jī)一樣可以讓AI快速產(chǎn)生用戶價(jià)值的市場(chǎng)。畢竟AI不是個(gè)新東西，歷史上的AI浪潮歸于失敗，就是因?yàn)楣こ袒�難度被低估導(dǎo)致市場(chǎng)價(jià)值淪喪。不能用的技術(shù)肯定不是好技術(shù)。

于是讓AI技術(shù)跑在手機(jī)上，成為了國(guó)內(nèi)外友人的共識(shí)。谷歌還推出了專門幫助機(jī)器學(xué)習(xí)任務(wù)跑在終端的TensorFlow Lite。各種花樣的手機(jī)AI功能其實(shí)并不少。

但為什么我們始終沒(méi)有見(jiàn)到這些應(yīng)用來(lái)到自己的手機(jī)上呢？原因也很簡(jiǎn)單，移動(dòng)芯片支撐不起來(lái)足夠的端側(cè)運(yùn)算需求。由于AI任務(wù)有自己的深度學(xué)習(xí)運(yùn)算需求，用CPU+GPU的模式會(huì)帶來(lái)功耗和能耗上的支撐不足，不是卡頓嚴(yán)重就是根本跑不起來(lái)。而引入云計(jì)算又會(huì)產(chǎn)生很多問(wèn)題。

比如視頻、圖像類的AI任務(wù)，假如要上傳到云端進(jìn)行算法處理再傳回手機(jī)，那么無(wú)論如何都是有延遲的。直播的時(shí)候永遠(yuǎn)自帶延遲效果，相信用戶從手機(jī)里爬出來(lái)踹飛主播的心都有。

而另一個(gè)問(wèn)題，是AI目前的主要任務(wù)是識(shí)別。而手機(jī)用戶識(shí)別的更多是自己與家人朋友的相片，以及周遭生活的各種圖像與信息數(shù)據(jù)，這些東西上傳到云端永遠(yuǎn)是有風(fēng)險(xiǎn)的。扎克伯格那種眉清目秀的都叛變革命了，咱們還是小心謹(jǐn)慎點(diǎn)好。

種種跡象表明，想要打開(kāi)開(kāi)發(fā)者的想象力，讓他們可以嘗試在手機(jī)世界中進(jìn)行AI開(kāi)發(fā)，終端AI算力就是個(gè)必不可少的先決條件。于是我們看到去年華為推出了搭載NPU專用硬件處理單元的麒麟970芯片，隨后推出了幾款產(chǎn)品，以及全面向開(kāi)發(fā)者開(kāi)放的AI開(kāi)發(fā)平臺(tái)HiAI。