與之前所有手機中帶有人工智慧不同, 自麒麟970正式發布伊始, 手機開始擁有一顆真正為人工智慧而生的晶片. 或許, 這顆晶片將開啟手機AI的奇點時刻.
今天我們看到的麒麟970, 是兩年多前開始投入研發的. 當時擺在華為Fellow艾偉及其規劃和研發團隊面前的挑戰是: 沒有人知道兩年後手機上會流行什麼. 艾偉團隊的挑戰是所有手機企業的挑戰, '一個優秀品牌的手機, 用戶會對其每一代產品的創新性充滿期待. ' 正是這種用戶的高預期, 無形中給所有手機企業帶來了壓力.
其實, 關於手機的創新瓶頸, 兩年前就已經出現.
蘋果從iPhone6開始, 近幾代產品沒有什麼太大的變化, 無非就是處理能力快一點, 屏幕大一點, 用戶對這樣的變化已經無感; 三星在GALAXY 4之後的幾代產品, 也都沒有明顯的差別. 用戶的期望越高, 失望也會越大, 目前iPhone8的滯銷就是最好的證明.
每一代產品都有研發周期, 往往兩三年前的投入, 決定著今天市場上的表現. 對於創新方向的押寶, 也如同一場賭博.
'如果兩年前我們項目立項的時候, 沒有創新的東西, 那肯定是死了. 所以我們就努力找一些創新, 即使這個創新在兩年後可能沒有把握能成為流行. 但是沒有就一定不行. ' 艾偉坐在懂懂的對面, 回憶起這個過程. 當然, 他知道, 今天的從整個行業的動態來講, 押寶AI是對了. 接下來的考驗就是他和他的團隊能跑多快, 能不能甩開競爭對手.
按照摩爾定律, 晶片的計算能力在過去很多年裡快速增長, 但如今摩爾定律逐漸失效, 而AI對於計算速度的要求更高了.
之前, 很多整合在智能手機系統中的AI功能大多依靠CPU, GPU或DSP進行深度學習計算, 其已經不能滿足AI的運算量和速度, 並且由於它們的架構設計不是為深度學習定製, 處理效率也相對底下. 而NPU (即神經元網路處理單元) , 是專門為機器學習設計的. 面對同樣工作時, 為AI而生的NPU處理效率極高, 麒麟970所搭載的NPU單元在機器學習方面擁有傳統CPU的50倍能效.
在9月2日的德國 IFA 2017大會上, 華為消費者BG總裁餘承東表示: 麒麟970是華為首款AI移動計算平台, 並且是全球首個整合專用NPU (神經網路處理單元) 的人工智慧手機晶片, 所採用的是創新的HiAI移動計算架構, 其複雜度甚至超過英特爾, 更是超越了蘋果和三星.
在艾偉看來, 手機的人工智慧分為四級: 寵物級, 夥伴級, 教練級, 天使級. 而今天的麒麟970基本上達到了寵物級, 即使是最初級的寵物級AI, 也與以前手機有了本質的不同. 以前的手機, 本質上還是工具, 你需要的時候拿出來使用, 掏出來手機才開始工作. 而AI手機是將是人的一個器官, 跟人一起同步觀察, 理解這個世界, 同時給人不同的建議, 並且更重要的是, 和人一起 '共同進化' .
'共同進化' , 艾偉著重用這個片語來形容AI手機與過去手機的不同. 最為可喜的是, 雖然麒麟970還只是初級AI, 但可以像一個孩子一樣, 具備了快速成長的能力. '你可以說小孩子各方面能力都很差, 但是有一點非常好: 長得快! 我們希望和一個小孩一樣就好了. ' 艾偉這樣看待麒麟970的今天.
終端AI解決三大問題: 離線, 快速, 安全
在9月25日麒麟970正式發布的當天, 艾偉在現場做了一個演示: 用三星S8, 蘋果iPhone 8以及麒麟 970進行圖片識別, 三星 S8 每分鐘只能識別95張, 蘋果iPhone 8 可以達到800多張, 而麒麟 970晶片通過本地 AI 運算, 每分鐘識別了2000多張.
麒麟970之所以有這樣的速度, 基於兩方面原因: 一是因為有AI專用NPU神經網路處理單元; 二是因為這個計算是在手機端 (終端) 完成, 而不是雲端.
隨著AI的興起, 似乎將大數據傳到雲端, 在雲端計算, 分析, 再將結果反饋給終端設備已經成為一種慣用路徑. 但是通過雲端實現AI, 面臨著三大瓶頸: 第一沒有網路的時候就無法AI; 第二是速度慢, 有延遲; 第三隱私, 用戶不願意將個人資訊上傳到雲端.
艾偉認為, 將來更多的AI將在手機端實現, 而不需要通過雲端.
雲與手機端的關係是這樣的: 基本的大數據分析和數據模型的形成是在雲端, 在雲端通過訓練形成知識庫, 知識庫放在手機端, 用的時候隨時從手機端調用. '這就有點像你在大學裡學知識, 那是雲端. 而你在工作中解決實際問題, 需要你用自己的知識去解決, 而不是回到大學裡去查看所有知識. '
舉一個例子. 在這次麒麟970的演示當中, 與照像功能相關的應用最多. 其實, 我們現在手機的拍攝功能越來越強大, 但是因為很多用戶並非專業, 很多功能不會使用, 所以拍照水平的提升並不明顯. 那麼, 如果把專業攝影師的技能 '存放' 在手機裡, 當手機遇到不同的場景, 不同的對象時, 就自動調用這些技能, 而不需要用戶自己手動去調節, 這不就是最好的AI嗎?
比如暗光場景時, 手機自動調節光圈; 而遇到快速運動的物體, 智能調快快門; 當發現拍照的對像是人臉時, 自動調整膚色……這些在970的演示當中都已經有具體的體現. 懂懂相信第一款搭載970的手機——Mate10將會在拍照功能上帶來一個顛覆性的體驗.
總結來看, 端+雲的好處有三個: 第一, 不需要時時聯網, 隨時可以AI; 第二, 處理速度快, 沒有延時; 第三就是對用戶數據, 隱私的保護.
比如手機人臉解鎖, 虹膜解鎖之類的應用, 如果沒有網路, 解不了鎖, 那這個手機就無法使用了. 有網路, 但要到雲端去匹配, 這個解鎖時間可能會需要3~5秒, 如果在本地手機上直接匹配, 可能是零點幾秒就夠了. 用戶一天解鎖的頻率幾十次總是有的, 試想一下每次都要等上幾秒鐘, 會不會 '瘋' 掉.
還有就是隱私問題, 如果是在雲端處理, 你的人像就要被傳到雲端, 這個過程中會存在很多隱患. 人像是完全屬於你個人性質的數據, 存在你個人的手機裡是最合理的. 從這三個方面, 可以看到終端處理的優勢.
其實, 這類似於當下正在逐漸流行的邊緣計算. 或許, 未來AI的路徑將會從單一的雲端向雲+端的模式去演化.
垂直整合: 麒麟助力華為終端成長, 從跟隨到超越再到領跑
麒麟970晶片的發布是在9月份, 第一款內置麒麟970晶片的手機華為Mate10將會在10月16日正式發布. 只有麒麟與華為終端這種垂直整合的關係, 才能做到這樣的效率.
曾經在很長一段時間裡, 整個行業流行水平分工, 比如英特爾做晶片, 微軟做作業系統, 惠普, 戴爾, 聯想做PC, 似乎那也是一個最高效的產業鏈. 但是從蘋果開始, 人們重新認識了垂直整合的更高效率. 晶片, 軟體, 硬體, 生態, 蘋果自己從頭做到尾, 這才擁有最高的效率.
近年從整個產業來看, 三星, 穀歌, 微軟這樣的行業巨頭, 都開始做不同程度的整合. 也正是受到蘋果的啟發, 2008年之後, 華為開始專註於為自己的產品提供晶片.
為什麼在PC, 家電產業水平分工應用很好, 但到手機產業開始變得效率低下了呢?
因為用戶對不同產品升級換代的期望不一樣. 汽車, 家電, PC, 都要使用好幾年, 甚至十年, 技術進步的要求也沒有那麼快. 而手機產品平均是一年一換, 每年換的時候用戶都希望跟上一部手機有所不同. 用戶對於手機創新的預期, 天然就要高於汽車, 家電, PC, 所有手機廠商都是在這樣的壓力下不斷迭代.
如果按照過去水平分工, 晶片只考慮晶片的創新, 存儲只考慮存儲的創新, 大家各自創新, 然後再到終端企業去整合創新, 整個產業鏈太長, 創新的效率必然也會變緩慢——因為你要跟更多的人協同, 商量, 而不是一家企業決定全部.
垂直整合更適合現在的手機產業, 效率上會有天然優勢. 比如麒麟970在研發的同時, 華為Mate10就可以配合開發新的功能. 在970發布之後不到一個月, 華為Mate10就可以正式發布並且開始銷售, 幾乎可以做到同步. 這一點在高通晶片的產業鏈上很難實現.
垂直整合, 除了創新速度快, 還有另外一個優勢是其他廠商無法企及的: 很多功能, 可以優化到晶片層, 而不是軟體層.
比如偽基站, 是用戶常遇到的安全隱患. 華為的工程師在測試晶片的通信能力時發現, 手機訊號格是滿的, 但就是打不了電話. 經過排查後發現是駐留在偽基站上了. 針對這個問題, 華為從麒麟950開始, 就在晶片層增加了偽基站的識別能力, 而其他手機對於偽基站的識別是在軟體層完成. 華為手機不會接收到偽基站發來的簡訊和電話. 而其他手機則是接收到之後再做分析, 排除.
一個安全專家這樣對懂懂筆記形容兩者的差別: 晶片層識別等於是根本不讓壞人進門, 而軟體層識別的方法是讓好人, 壞人都先進來, 然後通過篩查再把壞人踢出去. 顯然, 根本不讓壞人進門, 安全係數更高一些. 而搭載麒麟950, 650之後的華為手機, 通過晶片層加軟體層的雙重識別, 更加保障了用戶的資訊安全.
當然, 艾偉很清楚, 垂直整合雖然提升了效率, 但也有一大弊端: 風險更大. '所有的成本你都是自己扛. '
高通推出驍龍835, 很多廠商都可以用, 一家賣得不好, 還有其他家, 市場總量很大, 可以分攤研發成本和研發風險. 而麒麟只給華為手機提供晶片, 巨大的研發投入, 都要看後期華為手機的表現. '這幾年我們努力通過晶片的創新去支援華為手機的創新, 其實風險和壓力都是很大的. ' 艾偉坦言.
懂懂認為, 這樣的垂直整合, 也是華為手機近年地位不斷提升的原因之一.
華為2012年發布全球首款支援LTE Cat4 Modem晶片Balong 710; 2013年推出全球首款支援LTE Cat6 MODEM晶片Balong 720; 2014年發布全球首款異構8核Cat6 SoC晶片Kirin 920; 2015年發布全球首款16nm製程手機SoC晶片Kirin 950以及全球首款Cat12/13 Modem晶片Balong 750; 2016年推出了全球首款支援inSE內置安全引擎從而達到金融級安全的手機SoC晶片Kirin 960……
憑藉在通信領域的技術積累, 華為在晶片領域上也從追趕邁進到超越, 每一款晶片上的領先都在手機的終端上所有體現, 也慢慢奠定了華為手機今天的領先優勢.
一個關於人工智慧的新生態正在醞釀
在麒麟970發布的現場, 有一些關於AI應用的展示, 主要包括了拍照, 視聽體驗以及電池續航能力等方面. 但懂懂總體的感受是應用太少. 之前蘋果iPhone8發布的時候, 也有AI, 但主要應用就一個: 人臉識別.
其實, AI在手機端的應用剛剛開始, 麒麟970在晶片的性能上尤其是AI處理性能上有了大幅提高, 接下來整個手機產業是否能快速進入真正的人工智慧時代, 更多的還是要依賴於生態的發展. 正如一位業內人士所說: 手機的AI還缺少殺手級應用, 讓消費者真正能夠感知到價值.
艾偉表示, AI技術是一種基礎能力, 未來將由應用場景驅動發展.
此次, 麒麟970將考慮把HiAI和安卓AI API兩類介面開放給開發者, 讓開發者能夠在上面開發出各種各樣的安卓應用, 並促成AI與手機的深度融合, 從而帶給消費者革命性的體驗. 艾偉透露, 未來華為還會給提供開源開發板, 它的調試口就只有一個USB, 開發者只要在開源社區裡就可以下載開發環境, 開發應用了.
'我們既提供手段, 也能夠給大家看到一個未來應用的前景. 有想法的人就可以開始幹了. ' 在艾偉看來, AI在手機上的爆款應用, 極有可能就出現在華為生態平台未來百萬級的開發者大軍中.
當然, 現在的AI已經不是噱頭, 從蘋果, 三星, 華為等領導廠商來看, 整個生態的啟動已經是必然. 僅以華為來分析, 預計2019年具有AI的手機存量就會上億台, 再加上其他手機廠商, 2019年AI手機有2, 3億的存量很正常. 那麼對於APP開發者來講, 這就是巨大的機會. '你趕得上就搶佔了先機. ' 艾偉說道.