手机等终端设备如何唤醒ai？

《手机等终端设备如何唤醒ai？》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、手机等终端设备如何唤醒AI？和5G一样，AI也是2018年最为核心的关键词。在过去，AI大都体现在运营商及企业的IT系统及运营流程中，而从前不久刚刚结束的MWC2018中让我们看到了更多AI落地的技术和产品，并最终将让AI走进千家万户。从云落地的AI显而易见，AI也将和5G一样，成为影响世界经济的一种通用技术，赋予不同类型终端学习的能力。AI之所以现在才被大家熟知，是因为该技术曾经在进行神经网络的训练和推理时都是在云端或是基于服务器完成，最终只需反馈给终端一个结果而已。如今，终端所搭载的核心硬件已经开始强化本地AI的运算能力，让很多昔日人工智能的推

2、理工作，如模式匹配、建模检测、分类、识别、检测等有机会从云端转移到终端，这对于保护用户隐私、提升性能和可靠性有着极大裨益。更具体来说，AI从云端发展到终端将有四大提升：端侧响应更快：像亚马逊echo这类智能音箱，它与用户交互的计算和结果反馈都依赖云端服务器，存在响应较慢的先天缺陷。今后，无论是面部识别、图像识别、图像变化学习还是车载系统都需要更极致的响应，将计算从云端转移到终端，自然会最大限度提升反馈的效率；隐私更有保障：很多人都担心自己与智能音箱、语音助手的交互上传到云端会加剧隐私泄露的风险，而终端AI就能解决隐私问题；连接成本更低：连接包含接的

3、成本和连接有效性，无论是网线、4G还是未来的5G，将资料传至云端都存在成本，但终端AI则没有带宽受限等顾虑，体验会更好；功率低更环保：据统计现在整个云端服务器的功耗已经占用整个地球电力的5%，如果将部分计算从云端转移到终端一侧，将有效降低整体能耗。只是，针对终端的AI的处理方式，业内正逐渐分化成两个阵营。一面是以苹果和华为为代表，通过在SoC内集成独立的神经网络处理器单元对AI做辅助处理；另一面则提出了独立神经元无用论，认为SoC平台内的DSP处理人工智能算法已经足够。那么，两个主张的谁更符合AI的发展趋势？麒麟：将NPU进行到底作为独立神经元的坚

4、定拥护者，华为在推出全球首款集成NPU单元的麒麟970后，还计划将NPU战略进行到底。今年初，网上还曝光了华为新一代主流级SoC——麒麟670的规格参数。据悉，麒麟670将采用台积电12nmFinFET制程打造，是由双核CortexA72+四核CortexA53构成的六核处理器，配备ARMMali-G72MP4GPU。而这颗芯片最大的特色，就是将集成和麒麟970相同的独立NPU单元，可以专职专能地进行人工智能相关的运算场景，如图像识别、语音联动、用户行为学习等。这意味着，未来nova、荣耀畅玩、麦芒等主流价位手机都有机会享用本地AI的加速大餐。高通

5、：依靠AIEngine的调度在无数展会中，高通多次强调了人工智能引擎AIEngine的优异性。简单来说，AIEngine就是在骁龙移动平台上加速终端侧AI用户体验实现的硬件与软件的集合。以骁龙845为例，其内部集成了多个可编程异构计算核心：比如KryoCPU、AdrenoGPU和Hexagon向量处理器等，这些核心的协同配合可灵活支持不同的AI功能、数据和计算精度要求，能够实现在终端侧快速高效地运行人工智能应用。由于骁龙平台在手机领域的占有率足够高，所以高通为AIEngine开发的软件和工具的普及度和影响力也更为广泛。具体来说，小米、一加、vivo

6、、OPPO、努比亚和锤子等品牌正计划采用人工智能引擎AIEngine，在其未来的旗舰骁龙智能手机上优化人工智能应用。同时，高通还可人工智能软件开发企业以及云服务领导厂商也建立了深度合作，比如商汤科技和旷视Face++就能通过AIEngine进行多种预先训练的神经网络，支持图像与摄像头特性，包括单摄像头背景虚化、面部解锁与场景检测识别等。此外，高通还找到了腾讯和百度，全面支持人工智能引擎AIEngine及其生态系统，比如QQ社交平台中的“高能舞室”就能通过AIEngine组件以加速该特性的帧率。和麒麟一样，高通也逐渐将人工智能引擎AIEngine逐渐

7、下放给更主流的SoC平台，比如已经上市的骁龙660和即将上市的骁龙670和骁龙700家族等等，让未来更多搭载骁龙芯片的手机都能享受AI提速的乐趣。联发科：扮演AI普及者在AI布局方面，和高通华为相比联发科无疑是个迟到者。但是，联发科最擅长的就是S曲线战略，其总能在一个新技术普及爆发的前夜进入市场，享受技术大爆发带来的红利。而AI，就是联发科S曲线战略的下一个目标。“联发科不做人工智能的先行者，我们做AI的普及者！”联发科技CTO办公室协理林宗瑶如此表示。联发科在MWC2018上发布了最新的HelioP60（现已被OPPO R15等新品武装），这款芯

8、片采用台积电12nmFinFET工艺制程设计，是由四核CortexA73+四核CortexA53构成的八核处理器，配备AR