互聯網領域則更是如此, 團購火了能百團大戰, O2O火了能全面 '開O' , 共用經濟火了, 愣是連男友女友都能 '共用' .
山寨得多, 就連技術都可以山寨. 比如到了今年, 全面屏等技術普及之後, AI似乎成為了各手機廠商普遍希望蹭到的熱點.
那麼問題來了, 到底實現AI有哪些方法, 各種方法最終又會得到什麼結果呢?讓我們先從攝影說起, 聊一聊手機AI攝影的三個流派.
流派一: 用晶片提供AI攝影通用加速
去年, 華為發布了搭載NPU的麒麟970晶片開始, 之後蘋果也公開了A11仿生神經晶片. 從後來華為, 榮耀的相關搭載產品, 以及蘋果iPhoneX來看, 基於AI專用晶片來實現手機的AI攝影功能, 是這類手機的核心AI能力.
這可以看做是手機AI攝影的第一個流派: 晶片派.
從底層晶片開始做AI處理能力. 有兩個層面的目的, 一是在硬體裡完成終端AI計算, 可以保證攝像任務的即時性和安全性. 畢竟攝影任務上傳到雲端計算有卡頓可能, 斷網後無法工作, 圖片上傳伺服器面臨的數據危險也是顯而易見的.
另一方面, 晶片派容易被忽略的目的, 在於對AI攝影任務進行通用加速. 比如有的玩法要人臉識別, 有的直播要讀取動作指令, 有的濾鏡要搞空間處理, 把這些全擠在CPU, GPU上手機馬上會進入龜速狀態, 用雲處理無法支援不說, 更喪失了即時體驗. APP的攝影需求有千千萬, 目前來看只有在終端有AI處理單元才能滿足這些 '未知需求' .
說到底, 基於晶片的AI攝影到底有哪些體驗呢?
華為Mate10, 榮耀V10以及iPhone X的能力數據說明, AI攝影可以體現在識別, 動作捕捉, 光影分析, AR等幾個方面.
比如iPhoneX利用A11仿生晶片, 可以與結構光感測器, 深度陀螺儀進行結合, 處理人臉, AR等任務, 並可以快速處理映像識別.
接下來, 榮耀, 華為的新產品, 以及新一代iPhone必然會繼續這條路.
這個流派的優點在於, 用戶可以體驗到AI的多樣化和增長性, 手機裡不是一成不變的AI體驗, 而是可以隨著生態和技術的發展不斷進化. 但問題是晶片流的門檻很高, 需要研發的巨大投入和長達幾年的等待周期.
流派二: 基於攝像頭搞AI
第二個AI手機攝影流派, 不能不提到讓人愛恨糾葛的穀歌.
眾所周知, 穀歌是不大力押注硬體技術的, 而是在戰略上選擇強打AI演算法優勢和雲計算強項. 這個被穀歌稱為AI First的戰略, 已經體現在穀歌各種穿戴, 家庭以及移動設備上, 其中pixel系列手機也不例外.
去年推出的穀歌pixel 2, 給出了一個非常特別的AI攝影模式, 它沒有專屬的AI晶片, 卻利用演算法和AI映像處理單元完成了動態模糊攝影等攝影能力的補償. 甚至把攝像頭切割成非常複雜的成像單元, 來供給演算法端實現對景深, 空間感的AI計算.
這種 '吃力不討好' 的方式, 大概也只有穀歌會做. 背後的核心原因, 一方面是穀歌希望用戶適應所有數據都上傳到穀歌雲的生活方式, 另一方面也是希望加強AI優勢的商業化通道.
AI手機攝影暗藏三大流派, 其中一類是假AI
穀歌手機的AI秘訣, 不在底層晶片裡, 而是在攝像頭區域裡藏了一顆專用映像處理協處理器, 即ImageProcessing Unit (IPU), 專門用來結合雲計算與演算法集群處理AI拍照與視頻任務.
但這樣做的問題是映像任務會在專門的部件裡處理, 並且極大程度依賴雲計算. 但確實一定程度上繞開了開發晶片的難度, 彌補了穀歌硬體上的弱勢. 這種劍走偏鋒, 讓手機各部件自行AI的思路, 有賴於穀歌強絕天下的演算法積累, 以及雲計算處理能力. 缺點是: 除了穀歌大概沒有人可以嘗試.
流派三: 搞個帶演算法的APP算了
在手機AI概念火熱起來之後, 國內手機廠商似乎很快就按耐不住了. 雨後春筍版的 'AI攝影' 字樣應運而生, 於是也催生了AI攝影的第三個流派: APP派.
所謂APP派很好理解, 想一想我們用的各種美顏拍照相機, 動態美顏錄製應用等等, 這些能力, 在今天基本都要用到AI演算法來實現更好的效果. 比如美圖秀秀旗下的美圖相機, 就是在APP裡整合了機器學習演算法, 用來識別拍攝人像和背景, 光源間的關係, 從而把人像分離出來.
假如把這種基於演算法的 'AI應用' 或者 'AI濾鏡' , 直接搭載到產品攝像頭裡, 說這是AI攝影功能, 行不行呢?
好像, 大概, 可能, 也可以吧?
前不久, 紅米Note5主打了所謂 '千元AI雙攝' 開啟了這場關於AI的宣傳戰序幕. 隨後vivo X21也以AI攝影能力作為宣傳. 從產品說明中可見, 這兩部手機的解決方案基本就是上文所說的 'AI濾鏡' 模式: 開發具有一定識別特性的攝影功能, 然後在不卡的前提下部署在手機中就可以了.
剛剛發布的小米Mix2S, 也是走這種解決方案. 即在手機相機中初始化搭載 '美圖相機' 之類APP的演算法功能. 比如場景識別拍照, 用機器學習進行人臉和人體輪廓識別, 自動進行背景虛化和摳圖等等.
這類手機的問題, 在於晶片和攝像頭中缺乏專項處理AI任務的單元, 一旦運行高負載的AI任務就需要呼喚雲端. 而雲端的響應速度不夠, 就可能導致AI攝影的識別率和準確率下降.
舉個例子, 處理夜拍效果時, 手機需要運用光源捕捉, 空間捕捉等AI演算法, 從而實現夜晚中清晰拍照和光源還原.
而這類APP派假如要載入夜拍類的AI應用就有點尷尬了. 因為這類深度學習的負載很大, 用傳統移動晶片+雲計算來跑這類AI拍攝任務, 會出現黑夜一層層褪去, 半天無法對焦. 拍照之後又要上傳到雲端進行很長時間 '處理' , 精準度和體驗都很差. 而一旦沒網就更麻煩了. 所以我們能看到的是, 目前大部分國產手機宣傳所謂的AI拍照時, 都絕口不提夜拍, 動作捕捉等複雜任務.
於是, 這個流派中消費者看到的宣傳材料裡的 'AI拍照' , 也就變成了整個手機的全部AI能力. 其實這些能力弄個不算太差的手機下載個相關APP就可以實現了, 單獨作為一款產品的主要宣傳材料就有點奇怪.