从高山到平原：移动AI下沉的关键节点

　　在我们的常识体系中，科技一词往往有两种定义。第一种是封存在实验室里的科技，它们如同高岭之花，只有少部分山顶上的人才能接触和了解这些科技，大部分人只是在新闻中听说过。第二种则是进入了生活的科技，人们时时刻刻都在使用它，将其视作一种常态而不再把“技术”作为关键词。

　　从第一种到第二种的过程，即是科技下沉的过程。在下沉中，科技会改变人类的生活，会因此衍生出高价值的产业链，从而进一步推动科技自身的进步。

　　这个过程曾经发生在智能手机上，也正发生在移动AI上。

　　移动AI并非奢侈品，让高岭之花开遍平原

　　目前来看，移动AI通常集中在苹果、华为、荣耀等几款搭载了AI芯片的旗舰机中。但任何一项科技的应用化发展，都离不开反复投入使用再进行调试。对于AI这种需要数据累积的技术来说尤其如此。

　　想象一下，如果未来移动AI技术带来的语音助手、用户习惯学习等等功能都只能应用在几款手机上，很有可能导致两种后果。第一种是由于无法摊薄技术研发成本，能够承载终端AI计算的手机会很昂贵，第二种是由于用户数量少无法带来边际效应也缺乏流量支持，参与移动AI应用开发会变成一件低回报率的事情，最终只能由终端制造企业自己承担服务开发。

　　不过集合了这两种特点的手机已经有了——起步价49999元人民币，购买后即提供收费私人助理服务的Vertu手机。

　　手机厂商和芯片厂商重金押注移动AI，自然为的不是再造一个Vertu，而是希望借助技术的提升完善硬件普遍的使用体验，碰撞出完整的商业机会。让移动AI功能下沉到更多终端中去，才能让高岭之花开遍平原，成为供养整个移动AI生态的作物。

　　但目前的现状是，移动AI的相关应用很少，大部分集中在拍照、录像等图像处理和翻译、语音交互等等自然语言处理的简单应用上，移动AI的想象力还没被完全打开。同时能进行本地AI计算的终端数量不多，开发者如果想在产品中加入深度学习等等功能，就需要配适多种终端的不同解决方案——A型号可以在终端完成计算，B型号却要在云端进行计算，为了包容两种解决方案，开发者只好在产品设计中加入更多弹性，最终牺牲一部分功能和体验。

　　硬普及和软开放：移动AI下沉的两个节点

　　但没有任何一种技术的下沉是无缘无故发生的，目前来看移动AI会在以下两个节点开始发生下沉。

　　第一个节点是移动AI芯片向中端乃至低端机型的普及。

　　经过此前的介绍，我们知道移动AI体验的关键在于独立的神经网络计算处理器，利用异构计算极大地提升算力并降低计算任务的能源消耗。因此移动AI想要向更多使用者下沉，必然需要NPU向更多机型普及。

　　如今麒麟970已经搭载在华为P系列、Mate系列以及荣耀10和V10中，遍布了2500-6000元的中高端+旗舰两个档次。有消息称华为在麒麟659的下一代——麒麟670中也会搭载NPU，把端侧AI能力进一步下放给千元机。

　　除了麒麟海思，高通推出的AI Engine模式也在让更多机型增强端侧计算能力，虽然高通用向量处理+CPU+GPU的解决方案来替代NPU，在最终实现效果上还与NPU有着一定的差别，但毫无疑问的是，未来在一系列芯片和AI引擎的加持下，手机的端侧算力会出现普遍的提升。这也给移动AI下沉的第二个节点提供了先决条件。

　　第二个节点是移动AI应用开发适配性的提高。