Google 上周宣布以 11 亿美元买下宏达电 Pixel 手机代工部门震撼业界，不少人直指 Google 是为未来智能手机 AI 与 AR/VR 发展布局；无独有偶，苹果近期发表的十周年新机 iPhone X 以人工智能为本，在人脸辨识、摄影推出革新功能，中国智能手机品牌旗下芯片厂海思，近期则发表 AI 应用处理器麒麟 970，智能手机品牌也开始拥抱 AI，AI 之于智能手机，究竟能为我们擘划什么样的未来新蓝图？
人工智能（AI）发展方兴未艾，愈来愈多大厂投入人工智能研究，技术逐步应用在金融、医疗、汽车工业等领域，另一方面，智能手机做为应用最为广泛的行动终端，甚有人认为，智能手机导入 AI，是早已面临同质化、创新瓶颈的智能手机市场新解药。
装置的革命往往从处理器、单芯片而起，今年可看见处理器架构商、芯片商到品牌商自制行动应用处理器（AP），纷纷强调 AI 的导入，包括最主要的智能手机处理器架构商 ARM，在今年 3 月推出针对机器学习与人工智能的全新处理器指令集 DynamIQ；到近期手机品牌商华为旗下芯片公司海思，推出 AI 芯片麒麟 970；以及近日苹果 iPhone X 搭配自制 AP A11 Bionic，强调其机器处理能力，并将此应用在重要功能人脸辨识“Face ID”、摄影功能“人像光线”上。
当红的 AI 芯片到底是什么？
AI 芯片到底是什么、神在哪里？又能赋予智能手机什么样的应用新未来？
近年崛起的所谓 AI 芯片，其实精确一点来说，是 AI 机器学习芯片，机器学习是人工智能学习的分支之一，机器学习之后又发展出深度学习，两者都是透过“训练”由巨量资料提取特征、从特征建构模型，进而做出“推断”进行判别与预测。其中深度学习会将特征分层处理，透过层层特征来建构模型做出预测，且特征之间的处理讯息可共享。
如人脸辨识第一层先将图形进行分割，定义出简单的图形边界；第二层定义图形的角度或弧度；第三层针对图形和人脸眼睛鼻子等部分特征进行匹配，再将所有特征值连结起来完成脸部辨识。一连串建立特征、模型的过程是“训练”，而利用模型做出判别，则是“推论”的任务。
（Source：Google Deepmind）
“训练”需要巨量资料的支持，以及大量的运算资源，一般会在云端进行，而训练完成的模型将能执行“推论”，诸如图像/语音辨识、文本翻译都是机器学习模型之应用，“推论”能在云端也能在终端产品执行。
（Source：NVIDIA）
此次 iPhone X 的人脸辨识功能“Face ID”、摄影功能“人像光线”就是运用机器学习的“推论”，以 Face ID 为例，其利用 3D 感测模组（苹果称此技术为 TrueDepth 相机），借由红外线光线投射 3 万个光点与反射取得影像资讯，由处理器的“神经网络处理引擎”（为 Neural Engine）每秒六亿次运算，计算人脸不同部位的位置与距离，判定是否为使用者本人。
AI 芯片还分云端、终端？
Face ID 为何能在装置终端实现人工智能，在于苹果自家 A11 Bionic 芯片，A11 Bionic 首度使用了苹果自主设计的第一款 GPU，除了能玩 3D 游戏，A11 Bionic 因此能与自家 iOS 11 推出的 Core ML（核心机器学习）框架，以及双核架构神经网络处理引擎（Neural Engine）做结合。华为在此前推出的 Kirin 970 放入的所谓神经处理器（Neural Processing Unit,NPU）也是一样的概念。
而这样的神经网络硬件加速器就是基于机器学习、深度学习概念，利于“训练”或“推论”的运算，两者都需要经过数百万次的计算，因此善于图像处理，可平行运算一次处理大量数据的 GPU，搭著 AI 机器学习热潮趁势崛起，其他包含 FPGA、DSP 同样适合平行运算、做为机器学习芯片的选择。
一般而言“训练”比“推论”需更大的运算资源，“训练”精度通常要达到 32 位元的单精度浮点运算、甚至 64 位元的双精度浮点运算；而“推论”精度要求较低，甚至在软件优化、算法成熟下，精度在 16 位元、8 位元就已足够。这样的设计简化，降低成本、功耗有助于在装置终端的搭载与推广。
Kirin 970 NPU 可达到 1.92 TFLOPS 半精度（16 位元），若对比服务器专用的加速器，举极端一点的例子如 NVIDIA 最新的 Tesla V100，双精度（64 位元）可达 7.5 TFLOPS、深度学习（16 位元）之下将来到 120 TFLOPS，耗电会上到 300W，是 NPU 的数百倍，当然不可能放在行动装置上。根据华为官方提供的资料，NPU 一分钟约能辨识逾 2,000 张照片，做即时分析的应用已然足够。
智能手机 AI 浪潮关键在应用
而智能手机芯片龙头高通也未在这场智能手机 AI 竞赛缺席，在 2015 年就以 Hexagon DSP（数字信号处理器）解决人工智能的运算处理，首度搭载于 Snapdragon 810，Sony 当时旗舰机 Xperia Z5 采用 810 做影像融合处理，却也因临界处理器的极限导致过热的悲剧。今年高通持续强化 Hexagon DSP 的性能，支援向量扩张的计算支援，再向 AI 靠拢了一大步。
智能手机 Android 系统的推动者 Google，近年同样致力于 AI 在智能手机的搭载，2016 年 Google 发表 Pixel/Pixel XL，率先将自家 AI 语音助理 Google Assistant 置于智能手机，近期 Google 买下宏达电 Pixel 代工部门，也被视为意图拓展 AI、AR 等新兴领域在智能手机的布局。
从高通、Google 到苹果、华为，这股 AI 浪潮终于来到手机品牌商，然 AI 能否为智能手机产业带来新希望，还得看杀手级应用是否出现。苹果将人工智能导入生物辨识，且做到在装置终端就能处理，避免资料上云端的隐私疑虑，是一条路，也有不少软件开发商以 AI 技术发展出修图、聊天、甚至医疗相关应用程序。
一般软件开发周期其实相当快，甚至三个月内就能推出一个 APP，这股 AI浪潮 Google、苹果甚至接下来的华为，已准备好了，预期接下来有愈来愈多软件商会动起来，智能手机 AI 生态系已然动了起来，接下来科技还会为我们带来什么惊喜，值得期待！
集邦科技与拓墣产业研究所举办 2018 年科技产业大预测活动，为传统年度科技业盛事，提供最为深入的产业分析，让与会者了解 2018 年科技业将如何发展，欢迎 9 月 29 日直接现场报名！活动详情请见“2018 集邦拓墣科技业大预测”。
