全球智能手機市場整體遭遇寒冬, 中國市場是重災區. 但幾乎頭部手機企業都獲得了顯著增長, 2017年第四季度中國手機市場前五品牌市場份額已超過80%, 預計2018年這一數據將接近90%.
最大的看點是巨頭市場仍存在變數, 比如華為2017年中旬已連續兩個月手機出貨量超過蘋果, 2017年兩者整體市場份額差距約4個百分點, 但按照華為1.53億台年出貨依舊保持近10%的高速增長, 預計2018年華為手機出貨量就將超越蘋果成為全球第二大智能手機企業.
不過在重大技術變革面前, 與出貨數字相比, 兩家巨頭的手機AI晶片與生態之爭更加讓業內關注.
AI手機兩巨頭有何不同?
智能手機讓整個科技行業 '扁平化' , 也讓蘋果和華為這兩家幾乎 '出身' 完全不同的中美企業最終開啟了正面競爭.
華為2017年發布了全球首款人工智慧手機處理器麒麟970, 並隨後推出了晶片級人工智慧手機華為Mate 10, 蘋果也在華為之後發布了搭載A11 Bionic處理器的iPhone X.
與高通這個傳統晶片企業採用分布式架構的人工智慧處理器方案不同, 華為和蘋果人工智慧處理器都採用了更為激進的深度定製(ASIC)方案, 雖然後者設計時間更長, 門檻更高, 但優勢在於通過專用處理單元, 相比軟體分配調用分布式架構方案的效率和速度會提升5~10倍, 並且能耗控制更具優勢, 這也是華為和蘋果在這一點上不謀而合的原因.
不過蘋果與華為的首款人工智慧處理器在應用側重上區別較為明顯: 蘋果A11 Bionic主要用於增強iPhone X自身的人像智慧識別, 如Face ID, 拍照場景識別, 以及Animoji動畫表情等, 有些 '炫技' 成分, 目前應用範圍較狹窄. 華為則更加務實, 麒麟970的人工智慧主要應用於手機拍照中AI慧眼識物, 智能語音與即時翻譯, 資訊服務直達等更多場景化實用智慧服務.
蘋果A11 Bionic與麒麟970的不同特性, 表明了從三年甚至更早的處理器產品定義階段, 蘋果和華為兩家巨頭對人工智慧終端的定位和生態布局策略就出現了明顯差異.
人工智慧手機晶片的生態之戰
從PC互聯網到移動互聯網, 巨頭都贏在平台和生態之爭, 比如微軟PC相對於蘋果Macintosh, Google和蘋果相對於功能機時代的諾基亞, 人工智慧時代也同樣如此.
蘋果針對人工智慧應用, 向開發者推出了機器學習框架Core ML, 降低了開發者開發AI應用的難度. 問題在於, Core ML並不是開源的, 必須基於蘋果自有設備和生態開發, 策略較為封閉. 在蘋果A11 Bionic開放AI能力較少, iPhone X銷量有限, 人工智慧體驗尚弱的情況下, 無疑加大了開發者的投入成本和風險.
相比而言, 華為吸取了蘋果和Google在移動互聯網時代的生態競爭經驗和教訓: 推出了具備單獨人工智慧晶片的麒麟970, 同時向開發者推出了基於HiAI架構的全面AI 開放平台, 支援 Tensorflow/Tensorflow Lite 和 Caffe/Caffe 2等全球主流的神經網路編程框架. 相比蘋果Core ML, HiAI架構既可以發揮華為人工智慧晶片-作業系統-手機硬體-終端雲服務的整合體驗優勢, 又可以依靠開放策略, 儘可能降低開發者在AI應用的開發門檻和成本.
互聯網巨頭也競相推出了各自的AI開發套件, 但對於普通開發者而言, 必須購買其雲服務. AI能力是基於雲計算和大數據相結合的產物, 還是按流量計費的, 測試部署會產生成本, 搜集用戶使用大數據會產生成本, 用戶增長造成的頻寬和流量增長還會產生成本. 顯然, 小的開發團隊和個人開發者難以承受, 大中型開發企業則無法承受戰略綁定和未來不確定性, 同時仍需要面對不同的端側適配.
由此來看, HiAI架構是目前唯一提供雲側計算+端側AI能力的開放平台. 基於麒麟970晶片中NPU的專項AI處理能力, 可以為開發者提供高於大約CPU 25倍, GPU 10倍, 以及 50 倍能效優勢的AI算力, 又可以規避超高的成本壓力, 節省了大量開發成本, 可實現短時間內開發即所得, 通過不斷驗證及時優化自身的AI應用體驗. 舉個例子: 2012年吳恩達在領導的Google Brain貓臉識別項目建立的神經網路內部有10億個節點, 總共動用了1.6萬個CPU, 耗時長達7天, 而現在具備NPU的華為海思970處理器已經可以即時識別包括貓臉在內的13個物體和拍照場景.
現階段, 無論是蘋果iPhone X, 還是百度, 阿里等互聯網企業利用單獨的AI能力達成的體驗都已成型, 比如A11 Bionic的神經網路處理引擎可識別和深度學習人的面部特徵, 為Face ID, Portrait Lighting等提供更好的性能支撐, 阿里的識圖購物, 百度DuerOS智能語音交互和語義深度學習方案等. 造成的結果是, 留給開發者在這個方向的突破可能並不大, 只能藉助平台在細分AI領域技術去改良現有的移動應用.
針對這一行業困境, HiAI架構提供了包括視頻(人臉識別, 手勢識別, 人像分割, 人體姿勢識別等), 拍照(美顏, 映像增強, AI識別), AR(環境理解, SLAM), 購物(識圖購物), 社交(照片分類, 映像識別), 翻譯(拍照翻譯, 語音識別與互譯)等六大AI能力和解決方案, 幾乎覆蓋了目前移動互聯網的主要應用領域. 開發者可以通過HiAI架構調用NPU改良現有的移動應用, 也可以通過關聯數個AI能力打造新的AI創新應用.
更加重要的是, HiAI架構將AI作為一種通用基礎能力, 通過支援全球主流的神經網路編程框架和開放應用層API, 可以讓開發者更加專註於AI應用本身的產品創新, 即使不懂AI演算法的開發者也能在短時間完成高質量的應用開發和體驗優化.
由此來看, 現階段雲測AI主要應用於巨頭間的AI能力驗證和自身現有業務優化, 端側AI更加偏重終端用戶體驗和開發者創新. 而同樣提供端側AI開放平台的蘋果和華為, 前者走的依舊是移動互聯網時代的封閉生態之路, 華為則選擇了全面開放策略, 人工智慧手機晶片的 '帝國' 與 '共和' 生態之戰由此而生, 也必將影響AI智慧手機的未來的競爭格局與行業走向.
手機行業走向華為最擅長的技術之爭
華為是一家典型的技術驅動企業, 過去10年華為研發投入高達3100億元人民幣. 近年來華為投入的研發費用占收入的比例已上升至15%左右, 僅2016年就投入了764億元人民幣, 2017年研發投入更是高達107億歐元(約合811億元人民幣), 超越蘋果(95億歐元)位居全球第六, 也是全球企業研發投入前50強中唯一的中國企業. 海思麒麟晶片就是華為堅持長達近14年巨額研發和人員投入的核心產品.
過去30年, 在華為陸續擊敗諾基亞, 西門子, 阿爾卡特, 朗訊, 愛立信等全球通訊巨頭的過程中, 其員工的奮鬥意志, 以點帶面完成突破的重技術投入模式, 以及全球征戰中的貼身肉搏打法, 屢屢讓國際巨頭們印象深刻.
在手機行業也是如此, 華為已是全球第三大智能手機企業, 當從功能機到智能手機, PC互聯網向移動互聯網轉型, 華為又意識到了平台和生態之爭的重要性. 而面臨新的5G, 人工智慧, 智慧互聯網的重大技術變革關口, 實際上又回到了華為最熟悉的技術路線之爭, 全球首款人工智慧處理器海外麒麟970的發布則讓華為開啟了與蘋果的正面 '硬撼' , 這同樣是華為擅長的打法.
按照晶片行業的規律和華為, 蘋果的產品技術路線, 兩家手機巨頭都將在今年發布第二代手機AI處理器. 華為的優勢, 在於每年Mate 和P系列, 以及榮耀數字系列和V系列的更多產品迭代和創新, 以及HiAI架構全面AI開放策略面向全球龐大開發者群體的吸引力. 這將是一場與時間賽跑, 出貨量比拼, 生態戰略決勝的全方位較量, 也是2018年手機行業最大的看點和變數之一.