首页 > 经济 > 文化科技 > 正文
    延展阅读
    此稿件为延展阅读内容,星岛环球网不对本稿件内容真实性负责。如发现政治性、事实性、技术性差错和版权方面的问题及不良信息,请及时与我们联系(0755-23820394 E-mail: hm@stnn.cc),并提供稿件“纠错”信息。

从移动芯片到终端计算:AI找回被放逐的常识

不出所料,9月2日的IFA 2017展会上华为正式发布了麒麟970之后,全球首款移动AI芯片瞬间成为了行业内外热议的焦点。

除了麒麟970在算力、能效领域本身的提高外,此次更多的关注点集中在这款芯片搭载了全新的NPU(Neural Processing Unit,神经处理单元),从而获得了人工智能领域的运算与处理能力。

余承东

在大量的媒体报道与解读当中,都将麒麟970的移动AI芯片身份称作影响AI格局,甚至拉升中国整体AI影响力的大事。

但排除“中国领先”的民族情绪和相对空泛的战略思想,搭载NPU的移动芯片究竟能为用户和市场提供什么样的价值?

这是我们追问移动AI芯片的第一个问题:面对更高的成本,消费者将因何为AI买单?

我想,所有回答都应该开始于一个朴素的论断:麒麟970作为首款移动AI芯片,有可能让AI计算重回终端。

产业的虚幻之舞:云计算并非AI标配

这里所谓的“重回”,并不是说AI运行原本就在终端,而是在常识上讲,AI在学习能力、复杂任务处理能力、精准配合能力上的技术特征,都应该是发生在终端上的。但一直以来我们看到的AI计算,却基本由云端计算来提供。

这里涉及到的一个AI领域的现状,也是我们进一步解读麒麟970的基础。所以我们不妨停留一下,看看人工智能与其背后硬件间的关系。

我们知道,AI在众多层面上都呈现出了全新的运算关系:更趋近现实世界的运算目标、更复杂的算法以及分布式的任务处理方式,这都让传统的CPU难以负荷。一方面机器学习等AI任务需要更大的算力和能效,另一方面传统运算处理方式在进行AI任务的矩阵乘法等运算时指令步骤过多,也有点“驴唇不对马嘴”的意思——所以AI的工程化和实用化,必须要独立的硬件支撑。

提供高能效、高运算精准度和识别度的AI芯片与运算架构,近几年已经成为了行业巨头的共识。谷歌的TPU在AlphaGo上一战成名, 加入Tensor Core 结构的英伟达Tesla V100成为其股价上涨的兴奋剂,都是AI芯片给行业带来的美好回忆。

(体型确实不适合民用终端的Tesla V100)

但这些专注AI处理的芯片与硬件体系却有一个共同的特点:计算在云端完成。

各家如此默契的将AI芯片与云计算联系起来,售卖计算服务而不是硬件,内中当然有很复杂的原因。首先这一类为了特定应用与算法打造的芯片价值不菲,并且这些芯片集成了大量的固件,体积和重量都不小,也很难安装在终端当中,自然造成了商业化的可能极具降低。

除此之外,硬件与互联网巨头对于自身业务的把控也是终端AI计算迟迟不出现的原因之一。无论是谷歌还是英伟达、微软、高通,都致力于推广自身的云服务业务和平台化业务。缺少自身的硬件场景支持商业路径,芯片巨头当然更希望用户群来为自己的核心业务付费。

加上技术难度和对商业成本的控制,AI逐渐在人们认识里成为了一个由云计算完成的任务。但事实上,这只是技术把控者出于产业利益做出的行为。从常识角度来讲,云计算对AI价值巨大,但绝非AI的标准配置。

梦幻海滩和私人城堡:AI回归终端计算的价值逻辑

也许无人驾驶是一个理解云计算与端计算AI的最好示例:试想行驶中发生了以外,无人驾驶汽车必须紧急避险。这时假如AI需要将收集的道路和车辆信息上传云端,获得结果后再进行处置…恐怕黄花菜都凉了,所以必须在车辆的智能体内部完成数据收集和处理。

同样的道理,在手机中也是一样——甚至手机作为与生活的全连接场景,对终端运行AI的需求更加多元与基础化。

我们可以从内外两个层面来审视手机终端运算AI任务带给用户的价值。

从手机场景与应用的链接维度看,AI应用的价值目前体现在三个领域:视觉领域(图像、视频和VR/AR等)、语音领域(语音交互、翻译等),以及对用户的学习和理解。

可以想见,这三个领域不仅囊括了很多新应用价值产生的空间,也对现有主流应用构成了有效的延展与补充。根据数据显示,麒麟970当中,以台积电10nm工艺,集成了一个8核CPU,一个12核的GPU,以及控制摄像头的双ISP模块。此外最主要的就是处理AI任务的NPU模块。

麒麟970

在提供整合算力的基础上,其中CPU负责通用计算任务,GPU负责图形处理计算,而NPU则提供神经网络运算能力,解决需要卷积计算等运算方式的AI任务。换言之,明确的任务指向架构给AI应用提供了最大化的能效比配比与独立运算空间,虽然这样达成的运算效果较比云计算加持的AI芯片应该有较大差距,却给在终端上完成AI应用工程化提供了条件。

对于用户来说,独立的AI运算单元最有可能带来三个层面的应用感提升:

一、从无到有的AI应用:云端进行AI计算再传输到终端,很多时候不是计算效率的问题。而是一来一回的计算过程让应用本身卡顿严重,甚至无法达成使用条件。基于终端的AI计算则可以凭借能效和性能的提升带动AI应用从无到有。

根据发布数据,麒麟970的架构在处理同样的AI任务时,得到了50倍能效和25倍性能提升。比如图像识别速度可以达到2000张/分钟。更快的速度不仅是流畅性能的代表,更多是对AR、动态捕捉这类泛AI应用临界值的突破。虽然目前我们还无法预测麒麟970对应的具体应用案例,但应该有不少此前无法达成触发条件的应用在mate10等搭载机型上诞生。

NPU

二、现有应用的升级与延展:无论是微信这样的超级应用,还是今日头条这样的内容平台、美图这样的图片处理软件,都在打AI的牌。这或许说明通过AI来了解用户,提供针对服务和体验升级已经成为现有软件突破体验瓶颈的良方。

但由于手机环境的限制,社交、内容、图片处理,甚至游戏等应用都难以大量释放AI功能,因为没有对应的运算环境,可能造成大量能耗和流量浪费,从而出现过犹不及的局面。而终端运行的针对性AI计算能力,或许可以解决这些问题。语音、机器视觉和机器学习的延伸,在可预见范围中是很多已有手机功能进化的必经之路。

三、瞬时与无网体验加强:以拍照、图片处理、游戏为主的AI功能,在用户交互的逻辑上是完全的闭环。并且非常强调体验感与配合度,但假如这些领域的AI处理需要大量依靠云计算的话,那就会造成用户指令响应普遍需要延迟,但假如放弃AI又会造成功能上无法进步,很容易造成应用开发者的进退失据。

终端进行AI计算,最基本的特征是完成了无距离运算,可以在获得AI体验的同时避免延迟,也就让这类应用的体验度跟上了用户需求。另一方面,终端计算AI也可以避免在断网或者网络信号差的情况下AI功能失灵——试想一旦断网你的自拍就变丑了,那简直天理难容!

应用角度的价值之外,AI计算回归终端,对内也是对用户数据的保护。

我们知道,苹果的众多官司与纠纷,都来自用户数据大量上传云端造成的泄露。但siri等智能交互又必须依赖收集用户数据,造成了一个手机产业的悖论。而破解方式也很简单,不上传云端,本地完成处理用户数据就成了。

把AI运算放在终端内部,可以保证智能体学习用户、了解用户,并以训练数据生成独特体验的能力。同时也确保了用户数据与隐私始终存放在终端里,不会造成泄露和被暴力读取的可能。

如今的手机已经变成了强内容生产工具,用户可以以AI为助手完成各种各样的内容生产。这些内容上传云端始终不安全,也没有法律依据来支撑,所以就近在终端内部完成处理近乎是唯一的妥善方案。

从更终极的目标看,随着技术的升级,AI必然要从云端一步步回归终端。因为AI的本质是对人脑的仿生研发,追求极致化的神经元控制与最短距离反应。所以终端AI,或许可以说是人工智能从名到实的关键一步。

形象一点来说,AI计算回归终端就像构筑了一片海景别墅。对应用来说,接入了无限多风景的想象可能,让外界非常梦幻。对用户则构筑了更加严实的私密城堡,确保用户的安全与隐私不被侵犯。

反之,放任AI计算停留在云端的话,应用就像困在城堡里,画地为牢;而用户却像睡在海滩上,大敞遥开——反正都不是什么好的体验。

手机AI的未来在打破线性发展

近三年以来,手机领域的摩尔定律暂停和产业竞争同质化,成为了行业的主旋律之一。

学界的很多声音认为,手机更新换代速度的暂缓和产品天花板,似乎是因为智能手机被高度定式化了。手机厂商出于用户洞察和战略竞争考量,从硬件架构到运算体系都严密遵循一套体系,导致手机很难发生定义上的突破,也难有实质性的新能力出现。

这被称为智能手机的线性发展阶段,手机上的一切都按照固有领域前进,不能绕道也不能自创新路。而AI技术的出现则被广泛视定为智能手机打破线性发展的变量。但云计算驱动的手机AI应用面临着几个问题,比如产业线索太过冗长、技术坚壁带来的应用开发成本、手机环境缩紧了开发空间等等。在这个逻辑上讲,创造新的手机应用体验,必须以终端计算的支撑能力作为前提条件。

举个例子,此前谷歌用力推广,却最终饱受吐槽的AR应用Tango。其问题之一在于捕捉环境的错误率过高,相对复杂一些的画面场景就容易出错。而背后的原因在于硬件环境支撑能力不足,无法在复杂的算法与流畅的体验之间达成平衡。

AR运算

在终端完成AR运算,可以获得更高的运算效率,并且凭借AI处理能力来取得更好的环境分析、动作分析和物理条件识别。在体验升级的同时,可交互的玩法想象也突然之间多了不少。实质性提升手机功能的体验是否就蕴藏其间,也是不好说的事。

总之,麒麟970作为移动AI芯片的价值在于打破开发者对固有手机部件的想象界限,从而绕开产业线性发展的死循环。

当然了,这个计划任重道远,而且需要众多力量和因素加入进来。

进化要素:移动AI芯片的生态丛林

我们看到,麒麟970发布时宣布未来将进一步开放生态,引入合作伙伴加入。实际上这可以说是未来控制AI手机生态的关键一环。毕竟现在仅仅能部署在高端产品中,且用户认知模糊的移动AI芯片,最迫切的需求是以手机应用性打开市场局面。

而这一切的基础,在于以多元化合作的方式,打造基于终端运算的手机AI生态。

这里要说明的是,所谓终端AI运算绝不可能单纯的发生在终端上。从麒麟970的性能上看,基于高性能计算的任务和算法依旧必须依靠云端。而二者协同组成结构化网络恐怕是手机AI最好的达成方式。

除了与云端协作,手机AI还必须打造出一套优质的OS生态,在接口和兼容度上迎接有创意、敢于打破常规的AI应用。并且要保证应用与硬件衔接,这都要求芯片在架构上有强大的兼容性和开放秩序。

当然,商业层面的合作也至关重要,如何促使已经形成定势的开发者转投华为带来的终端AI生态、如何达成国际化的开发群落,甚至如何与其他手机品牌组成共享机制,都将是制约未来手机AI发展的关键因素。

总之,麒麟970提供的终端AI计算能力并不是已经水到渠成。它的核心价值在于打破了不合理的产业规则,让“手机+AI”的命题回归到了被放逐多时的常识理性当中。而摆在移动AI芯片面前的,有充分的利润诱惑和产业变局空间,但同样有大量的未知因素与不确定性。

只能说,一切刚刚是开始。但面向普通用户的AI回归终端计算,确实是一条至关重要道路的开始。

免责声明:本文仅代表作者个人观点,与星岛环球网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或者承诺,请读者仅作参考,并请自行核实相关内容。
相关阅读
关键词: 终端 芯片 常识 移动