图灵奖得主Bengio领衔的Mila与滴滴宣布战略合作 推动AI赋能社会的国际研究

　　本转载自硅星人(微ID：guixingren123)

　　2019年6月13日，在加州长滩举办的世界级机器学习会议ICML2019期间，滴滴出行与蒙特利尔学习算法研究所(Mila)共同宣布达成战略合作关系。双方将在强化学习、人工智能赋能社会，以及学术科研人才的全球级培养和交流等多个方面同一方向、深度合作，共同朝着用AI改善交通、城市以及社会的终极目标前进。

　　 ACM2018图灵奖得主之一，Mila创办人约书亚.本吉奥(Yoshua Bengio)透露，Mila正在进行自成立以来最重要的转型，将从一家纯粹进行深度学习基础科研的学术机构，转变为一支在国际层面上推动深度学习改变世界的力量，成为来自不同国家、不同行业的公司，以及政府、学术和私营领域之间多层次合作的桥梁。

　　滴滴AI Labs负责人叶杰平表示，作为一家在智能出行领域持续探索的公司，滴滴正在加速推进人工智能技术，并基于海量的数据开发更加智能的决策系统，用于进一步改善城市交通状况，而正是这些优势获得了Mila的青睐。

　　本吉奥现年55岁，出生于法国巴黎，在加拿大魁北克省蒙特利尔市的麦吉尔大学完成了计算机科学博士学位，随后前往AT&T实验室担任博士后学者，师从机器学习开创者之一的迈克尔.I.乔丹。本吉奥于1991年发布了成名论《人工神经网络及其在序列识别中的应用》，从1993年开始在蒙特利尔大学任教，并创办了Mila的前身“适应式系统计算机实验室”，截至目前全世界最大规模的大学级别深度学习研究组织。

　　因为从上世纪90年代至今的不懈研究和贡献，本吉奥和纽约大学的杨立昆(Yann LeCun)、多伦多大学的杰夫.辛顿(Geoffery Hinton)被合称为深度学习的三剑客，共同获颁了被称为“计算机界诺贝尔奖”的国际计算机学会(ACM)2018年图灵奖。

　　本吉奥在神经网络概率模型、高维度向量自然语言表征和注意力机制，以及生成对抗式神经网络方面做出了重要贡献。他和其他专家合著有《深度学习》一书，被誉为同名领域内的“圣经”。他还是Google Scholar计算机科学领域论在近期被引用最多的作者，2018年平均每天被其它论引用131次。

　　2018年，本吉奥访问中国并造访了许多顶级学术机构和知名科技公司，滴滴正是其中一家。“滴滴在深度强化学习(deep reinforcement learning)方面的研究吸引了我的注意。这是一项非常重要的技术，在【机器人(300024)、股吧】、智能交通以及许多重要的工业领域当中有重要的前景，”接受硅星人采访时本吉奥表示。

　　约书亚.本吉奥和南加州大学知识系统专家尤兰达.吉尔、滴滴出行自然语言首席科学家凯.奈特就AI赋能社会展开讨论

　　当被问及为何选择滴滴进行战略合作时，本吉奥指出，滴滴不但拥有数据，也在积极应用许多学术界最前沿的深度学习技术和方法，是一家上进的公司。“你会到，许多世界上的知名公司拥有大量的数据，这些数据却十分杂乱，这些公司也不知道该如何用它做些什么。在Mila，我们更喜欢和那些已经充分准备好利用自己优势的公司进行合作。”

　　与智能驾驶密切相关的基础技术研究，包括智能驾驶车辆的自主定位和导航、迁移学习和域适应学习等，将会成为滴滴和Mila战略合作的主要内容。比如，双方将在提升多agent系统的智能决策方面展开合作，从而改进滴滴的智能运力调度能力，进一步改进交通状况。与此同时，双方还将通过这次合作关系促进人工智能人才的培养。

　　本吉奥在今年获颁图灵奖，是深度学习成为计算机科学重要技术的最佳注脚，但即便这位资深专家也不得不承认，深度学习的发展实在是太快了，自己三年前撰写的《深度学习》当中，有许多内容在今天已经不适用了。

　　滴滴科技合作总监吴国斌也指出，Mila的学术力量，特别是资深教职和研究专家的密度在深度学习领域内是非常高的，如果工业界的公司想随时了解最新的深度学习技术进展，接触最优秀的人才，和Mila这样的机构合作是毫无疑问的选择。“我们和Mila接下来会进一步详细探讨可以一起研究的技术领域，比如多agent决策系统，这将会对滴滴带来巨大帮助。”

约书亚.本吉奥和吴国斌就Mila和滴滴出行的战略合作接受采访

　　去年，滴滴成立了AI for Social Good(AI赋能社会)共创平台，与十多所高校、科研机构和社会组织展开合作，在安全、健康、环境、无障碍等几大核心方向进行项目研究，其中包括绘制高清空气质量地图帮助解决环保问题、推进新能源解决方案和智能交通技术的融合发展，以及推出司机AI关怀助手等。

　　本吉奥表示，滴滴在AI赋能社会方面的努力和Mila一致，“过去，Mila曾经是一个专注基础科学研究的机构；转变思路之后，我们的主要任务之一就是产出能够对世界带来正面影响的研究。”

　　叶杰平表示，作为出行服务的提供者，滴滴一直非常愿意和学界、工业界及相关各方合作。Mila因其对深度学习领域的重大贡献而在全球范围内获得了广泛的认可，相此次合作也将能充分发挥双方优势，在全球交通产业创新前沿实现突破，共同发展有益的人工智能，培养更多顶尖的AI人才，为社会发展创造更大价值。

　　最近一段时间，华人在北美学术界一度面临前所未有的政策压力。位于加拿大的Mila是头一家公开站出来对中国科技公司和研究者张开怀抱的北美顶级学术机构，在当前环境下显得尤为可贵。

　　本吉奥指出，“我们正处在一个关键时间上，比历史上任何时候都更需要强有力国际协作。否则，我们将永远无法在气候变化、在AI的道德、社会责任感问题，以及用AI赋能社会等问题上达成共识。在这样的背景下，Mila与滴滴的战略合作只是一小步，希望有更多的(北美)学术机构能够站出来。”

3、AI与手机融合创新空间广阔，手机企业加快布局

　　 AI应用范围不断扩大，极大提升使用体验。一是图像领域，其应用场景聚焦于场景识别、美颜、相册分类、背景虚化、暗光增强、人脸识别和字识别。二是语音领域，包括智能助手、语音翻译、语音搜索等。其中，智能助手是目前使用最为广泛的功能，其语音识别能力更让人机交互体验达到了前所未有的便捷。三是系统软件领域，终端从系统层面进行自适应优化，应用场景为内部资源智能感知分配和用户/应用行为预测，用于提升系统流畅度、降低资源消耗(如节电)、解决安卓手机卡顿等。四是虚拟/增强现实(VR/AR)类领域，虚拟现实的沉浸式体验给用户带来了全新的使用感受，而增强现实本身就是一种对周围环境的智能化感知，AI 5G AR/VR模式将突破传统应用壁垒，成为AI在终端应用的一大亮。

　　领先智能手机企业向AI战略转型。一是软硬件齐推进：华为在2018全联接大会上首发AI战略，从轮值董事长徐直军的话语不难发现，华为已经ALL in AI；vivo于2018年7月宣布成立AI全球研究院，希望打造人工智能软硬件平台，推动手机平台完成从“智能”到“智慧”转型。二是手机 智能硬件的产品生态链转型模式：2018年9月上海世界人工智能大会上，小米集团董事长兼首席执行官雷军表示，要把人工智能作为小米最重要的战略。三是科研专利转型路线：OPPO早在2016年就已经开始投入研发，建立了先进的训练集群和数据中心，并积累了超过300项人工智能专利。从这些领先的手机企业争相向AI转型的动作不难出，人工智能将是手机产业的下一个风口浪尖。

AI在智能手机中的应用趋势

1、端侧异构芯片加速升级，支撑AI专用计算力需求

　　 AI芯片也被称为AI处理器，即专门用于处理人工智能应用中涉及的各类算法的加速计算模块(其他非加速计算任务仍由CPU负责)。AI芯片算力的高速发展，是工业场景和自动驾驶等高实时性AI应用的有力保障。同时，芯片在算力和功耗之间的兼顾和优化，将是端侧手机AI芯片未来发展的重要主题。

　　通用芯片奠定AI算力基础。提供AI算力的通用型芯片主要包含CPU、GPU和FPGA三种，这三种芯片在传统上分别擅长复杂串行计算、图像处理和可重构电路。在AI计算领域，依据不同芯片结构，这几种芯片各有其优缺。就目前来说，特别在AI训练领域，以GPU为代表的传统通用芯片仍是业界AI算力的中流砥柱。

　　专用芯片提升端侧AI性能。一般来说，AI专用芯片指的是ASIC(Application Specific Integrated Circuit)，即专用集成电路，相对GPU能提供更好的能耗效率并实现更低的延时。ASIC需要大量研发投入，且芯片功能流片生产后无法更改，量产数目小或市场方向改变，前期投入都将无法回收，具有较大市场风险；但ASIC作为专用芯片性能高于FPGA，依靠特定优化和效能优势，在成本和能效要求极高的手机终端上大行其道。

　　软硬件协同定义突破性的下一代AI芯片技术。采用可重构计算技术，允许硬件架构和功能随软件变化而变化，具备传统处理器的灵活性和AI专用芯片的高性能和低功耗。通过计算阵列重构、存储带宽重构和数据位宽重构三个层面的可重构计算技术来实现“软件定义芯片”，有效提高AI芯片自身动态配置能力，实现软硬件协同设计，为AI芯片带来了很高的灵活度和适用范围。

　　目前，大多数手机AI芯片厂商采用软硬异构技术方案作为产品技术架构。高通采用NPE(Neural Processing Engine)软件框架和Hexagon神经网络库为接口，调动处理器中已有的CPU、GPU和DSP处理器模块，实现面向人工智能任务的异构计算，能够运行通过Caffe/Caffe2或者Tensorflow训练的一个或多个神经网络模型；华为通过HiAI异构计算平台来加速神经网络计算，快速转化和迁移已有模型，借助异构调度和NPU加速过得最佳性能，目前可以支持Kirin970，Kirin980等芯片;联发科的NeuroPilot将CPU，GPU和APU(AI处理单元)等异构运算功能内建到SoC中，为人工智能应用提供了所需的性能和功效，支持TensorFlow，TF Lite，Caffe，Caffe2Amazon MXNet，Sony NNabla或其他自定义的第三方通用架构。

2、智能化传感器件逐步成熟，推动感知交互技术创新

　　以 3D摄像头为代表的新型光学传感器件崭露头角。随着用户对于智能手机图像识别精度和准确度等的需求不断增加，3D图像传感器开始逐步应用于智能手机。3D图像传感器通过3D成像技术，能够识别视野内空间每个位的三维坐标息，从而得到空间的3D数据，复完整的三维世界并实现智能三维定位。目前智能手机主流的3D成像技术有结构光、飞行时间和双目测距三种。

　　结构光(Structure Light)方法是将具有特殊结构的光束投射到物体表面，由摄像头采集后，根据光号的变化计算物体的位置和深度息，进而复整个三维空间。飞行时间(TOF，Time Of Flight)方法通过专用传感器，捕捉近红外光从发射到接收的飞行时间，判断物体距离。双目测距(Stereo System)方法是从两个视观察同一景物，通过三角测量理计算图像像素间的位置偏差(视差)来获取景物的三维息。

　　借助人脸识别，3D传感将成为手机零部件的发展热。目前市面上大部分手机还属于2D识别，即通过前置摄像头读取脸部图片，再利用软件进行对比，实现难度和成本较低，但在光线较差的场景下无法识别解锁；3D传感摄像头除使用摄像头外，还配备结构光发射端、结构光接收端或时差测距/距离传感器，可一定程度进行活体判断，防止被攻破解。目前，苹果、华为、oppo等发布的新机型开始逐步配备3D摄像头，3D传感器将会进一步普及，或逐渐成为智能手机的标准配置。

　　以指纹和人脸为代表的新型生物特征识别技术应用逐渐成熟。从2018年开始，部分品牌开始使用人脸识别代替指纹识别，手机指纹识别技术的渗透率出现下降。但由于凭借成本、体验和速度方面的优势，未来一年指纹识别将仍是生物特征识别技术的主流。指纹识别依靠指纹识别传感器，包括传统指纹识别和屏下指纹两种模式。随着智能手机全面屏的发展，传统指纹识别将逐渐被淘汰；未来在生物特征识别领域将是屏下指纹技术与人脸识别技术的较量。

　　声纹识别的大规模普及还有赖于语音识别技术和体验的提升。声纹识别依靠手机麦克风捕捉可用电声学仪器显示的携带言语息的声波频谱模型，根据语音波形实现身份判定。目前市面上已经出现了一些支持声纹解锁的手机，但由于其技术尚未完全成熟，存在复杂环境识别准确率较低，或需要佩戴专用耳机等影响用户体验的问题，因此在手机中的普及度还较低。

3、5G网络技术逐步走向商用，极大拓展AI应用场景

　　2018年6月14日，第一版本(R15)的5G核心网标准已在SA全会上批准冻结。随着SA5G标准正式确立，城市规模组网试验的展开，5G商用已经进入倒计时。2019年5G产业配套将会逐步完备，2020年开启全球商用。作为第五代移动通技术，5G具有大带宽、低延时、广连接的特和优势，其三类典型应用场景(增强移动带宽eMBB、大规模机器类通mMTC、超高可靠超低时延通URLLC)可分别从数据、时效和算力上为人工智能技术提供更好的支撑基础，大幅促进其各类终端使用场景的落地和应用。

　　5G就如同一条“息高速公路”，为庞大数据量和息量的传递提供了高速传输通道；人工智能是云端大脑，依靠高速公路传来的息学习和演化，完成整个机器智能化进程。5G时代下，人工智能可以为用户提供更多拥有更快响应、更丰富内容、更智能认知的应用模式。可以说，5G补齐了制约人工智能发展的短板，是驱动人工智能发展的新动力。人工智能赋予【机器人(300024)、股吧】类的智慧，二者相结合，会为整个社会生产方式的改进和生产力的发展带来前所未有的提升。

4、AI丰富智能手机应用场景，极大繁荣应用生态

　　从应用角度。较为成熟的手机AI应用场景聚焦于智能拍照、人像美颜、图片管理、语音助手、智能翻译、语音搜索和增强现实类应用等。

　　从资源管理角度。从操作系统层面，通过内部资源智能感知功能，安卓手机的卡顿问题(APP资源竞争、后台任务繁重、权限不合理设置、件碎片化等引起)得到了有效缓解。手机厂商或通过记录用户习惯进行学习，预测用户使用APP的行为，标记优先级，降低冷启动概率；或改变安卓理和机制，整理内存碎片、消除碎片件，通过后台内存压缩、极速内存回收保证CPU的资源调用。

　　从芯片层面，利用芯片层系统管理和优化，可优化系统运行速度并延长电池寿命；通过在性能核心与能效核心之间合理分配任务，智能地管理芯片的性能，可给用户带来直观的体验提升。华为海思麒麟970处理器，利用NPU专门处理机器学习相关的运算，采用HiAI移动计算架构，可根据使用状态智能管理和平衡处理器的性能，达到快速运算且省电的目的。

AI对全球智能手机产业链的影响

1、手机芯片产业

　　人工智能驱动移动芯片产业创新。时至今日，摩尔定律遇到了技术和经济上的双重瓶颈，处理器性能的增长速度越来越慢，然而在移动应用、大数据、人工智能等新的应用兴起后，对于计算能力、计算功耗和计算成本的需求并未减缓。据Strategy Analytics的数据显示，2018年第一季度拥有AI能力的智能手机应用处理器市场份额同比增长近三倍。受益于AI带来的东风，苹果、海思、高通和三星等智能终端企业也在通过多种方式推动AI芯片市场的创新，如专用AIIP模块、DSP与GPU的异构组合等。

　　人工智能拉动手机芯片市场增长。手机AI芯片在终端领域迅速渗透，产业规模将呈现快速扩张之势。从2017年开始，苹果、华为海思、高通、联发科等主要芯片厂商相继发布支持AI加速功能的新一代芯片，目前AI芯片逐渐向中端产品渗透。除了追求性能提升外，手机AI芯片也逐渐专注于特殊场景的优化。2017年全球手机AI芯片市场规模3.7亿美元，占据全球AI芯片市场的9.5%。预计2022年将达到38亿美元，年复合增长率达到59%，未来五年有接近十倍的增长。

　　人工智能加剧手机芯片市场竞争。2017年全球手机AI芯片市场规模3.7亿美元，发展空间巨大。手机AI芯片的迅猛增长之势，吸引了包括谷歌、Facebook、微软、亚马逊以及百度、阿里、腾讯在内的互联网巨头相继入局，加剧有手机芯片市场竞争。在云端，Nvidia的GPU芯片被广泛应用于深度神经网络的训练和推理；Google TPU通过云服务Cloud TPU的形式把TPU开放商用，处理能力达到180Tflop，提供64GB的HBM内存，2400Gbit/s的存储带宽。三星、苹果、华为、高通、联发科等厂商纷纷推出AI芯片，并竞相推出升级产品。

　　人工智能加速手机芯片实现先进工艺突破。手机AI产业链包括三大环节，分别是提供AI加速核的IP授权商、各种AI芯片设计公司、以及晶圆代工企业。目前产业链环节各企业基本就位，IP授权企业包括新思、Cadence、GUC、ARM；设计企业包括苹果、高通、联发科、海思；代工企业主要有台积电。由于手机空间有限，独立的AI芯片很难被手机厂采用。AI芯片对单位能耗算力要求较高，一般采用14nm/12nm/10nm等先进工艺生产，台积电目前已实现7nm AI芯片量产。

2、手机软件产业

　　操作系统厂商将AI作为战略转型重，推动手机操作系统厂商作出重要战略转型。操作系统加持AI，可以实现一定的认知功能，使操作系统发展成为智能助理和电子顾问。基于神经网络的操作系统，具备了工作记忆、预测、情境启动、抽象、分类等弱人工智能功能，使操作系统高效工作，人与操作系统的交互更加自然便捷。目前，谷歌、微软等操作系统厂商均将AI作为未来战略重。许多基于人工智能的操作系统项目正在研究推进，苹果Siri、Google Now、微软小娜、三星Galaxy AIUX、荣耀Magic等，应用自然语言处理、深度学习算法等实现语音交互、拍照优化、增强操作系统流畅度等功能。

　　操作系统整合移动端AI算法框架助力AI向终端侧发展。近两年，各大厂商纷纷推出轻量化的AI算法框架，适用于部署在手机等轻量级硬件平台上，包括谷歌的Tensorflow lite、Facebook的Caffe2、苹果的Core ML、XMART LABS的Bender、百度的Mobile Deep Learning library等。此外，Google开源了专为移动端优化的MobileNets模型，Face 提出了适合移动端的ShuffleNet模型，这些使得移动端模型大为丰富。AI算法框架运行于操作系统之上，通过API接口进行模型调用实现AI在终端上的快捷部署，实现手机APP图像识别、自然语言处理等各种功能。

　　人工智能推动面向手机应用和系统优化算法演进。一是人机语音交互，苹果Siri、Google Now、微软小冰等应用自然语言处理、深度学习算法等实现语音交互；二是拍照优化，通过虚化、图像处理等算法和【海量数据(603138)、股吧】训练，让手机替代人类进行专业摄影知识的学习；三是身份认证，基于深度学习算法和海量数据训练，准确识别生物属性，可以应用于智能客服、身份验证、内容审核等场景；四是系统优化，终端能耗智能管理方面，通过在操作系统中加入自适应电池(Adaptive Battery)功能，减少CPU负担，并提供贴合用户使用习惯的“自动亮度”功能，实现节能；解决卡顿方面，通过在系统中加入AI算法，学习用户习惯，预测用户使用APP的行为，实现资源智能分配。

　　人工智能推动终端侧深度学习算法框架开源。基于深度学习的推断的计算量相对训练过程小很多，但仍涉及到大量的矩阵卷积、非线性变换等运算，为了满足在终端侧限定设备性能及功耗等因素的场景，业界开发了众多终端侧软件框架，包括最早出现的终端侧推断软件框架Caffe2go、可以运行在Android和iOS平台的TensorFlowLite，这些框架可助力移动平台实现较为高效的AI移动端应用速度，以及优化拍照、语音等应用。手机AI平台的终极竞争是生态，通过开放AI能力聚拢上下游产业链是大势所趋，因此以上深度学习框架均采用开源模式。

我国智能手机AI技术与应用发展情况

1、我国终端产业对AI技术的应用已较为成熟

　　我国在传统芯片领域起步略晚，然而在智能芯片这个新兴市场却布局较早。2018年5月，中科院旗下的寒武纪科技公司在上海召开的全球新一代人工智能芯片发布会上发布了我国研发的多个最新一代终端IP产品——采用7nm工艺的终端芯片Cambricon1M、首款云端智能芯片MLU100及搭载了MLU100的云端智能处理计算卡，其中云端芯片理论峰值速度达每秒128万亿次定运算。2018年8月，华为率先发布全球首款基于7纳米技术打造的手机芯片麒麟980，其集成69亿晶体管，实现了性能与能效的全面提升，在CPU、GPU、AI等性能以及能效领先幅度超过30%。百度、地平线、云知声、深鉴科技等互联网企业，也纷纷推出了基于神经网络、或自研AI架构的IP、FPGA、ASIC等产品，覆盖图像、语音和自动驾驶等多个领域和场景的AI芯片。

　　我国人工智能算法研究能力已较为雄厚。中国学者在发表AI学术论、申请专利和参加国际竞赛方面成果斐然。Elsevier的SCOPUS数据库中的数据显示，2011~2015年，中国学者在AI领域出版的论数量排名世界第一，创下了超过4.1万个出版物的记录。自2016年以来的论发表数量仍继续上升，并且华人学者在顶级国际学术会议中担任重要角色的比率也越来越高。中国研究人员发起的专利申请，近年来也上涨了两倍。在近3年的ILSVRC视觉识别竞赛中，中国团队获得冠军的比率也越来越高。在2017年度ILSVRC竞赛上，来自中国大学和企业的AI团队将各项比赛第一名全部包揽，而且参赛的27个队伍，其中超过一半来自中国。这些成就表明我国在AI算法研究方面有较大潜力，影响力扩大到全球。

　　我国手机产业在生态落地、场景应用方面能力已位居世界前列。AI算法的突破和核心芯片研发的推进，为人工智能在产业应用打下了坚实的基础。百度于2016年开源了PaddlePaddle深度学习平台，是国际上继Google、Facebook、IBM后第一家将人工智能技术开源的中国公司。【科大讯飞(002230)、股吧】在感知智能、认知智能以及两者的深度结合等领域均有所涉猎，并在多项国际高水平语音赛事中取得过成绩。此外，AI领域的创业公司，如旷视科技、商汤科技、云知声、思必驰等，聚焦在深度学习最擅长的视觉识别和语音识别领域，推动中国相关领域的技术水平提升。在场景应用方面，我国终端厂商和移动开发者更是紧跟AI的浪潮，将智能助手、智能拍照、智能家居等一系列接地气的智能化场景引入用户生活的方方面面，引领了终端产业智能化应用落地的发展方向。

2、手机厂商加快AI技术布局

　　从中国畅销手机TOP50人工智能机型数量来，2018年支持AI应用的手机大幅攀升，数量已超过非人工智能手机。国内的主流手机厂商均已发力手机人工智能，从芯片、到系统、到应用等多场景切入。华为采用芯片 应用模式，软硬结合双管齐下，打造手机全产业链AI化；OPPO则发力图像处理，主打拍照美颜应用；vivo以Jovi智能助手为入口的人工智能手机场景化体验；小米则围绕核心业务打造AI技术，落地智能产品。

3、算法企业深化手机场景能力

　　我国机器视觉算法企业研发和产业化能力快速提升。商汤、云从、依图、旷视等代表性企业已经开发一批业内领先的机器视觉算法、产品及解决方案，行业内多家企业已经开始了“算法 芯片”的尝试。例如商汤科技围绕移动终端和物联网产品，将机器学习模型和算法，与高通的骁龙芯片结合起来，在创新视觉和基于摄像头的图像处理方面开展研究。百度与美国英伟达公司达成战略合作，结合百度算法和英伟达GPU芯片共同研发无人驾驶技术。

　　目前，以互联网企业为代表，构建AI手机生态为目的，已涌现了一批国产框架。NCNN是腾讯开源的终端侧AI软件框架，支持不同软件框架搭建的模型进行相互转换，主要面向CPU的AI模型应用，是国内目前较为广泛使用的终端侧AI软件框架；Paddle-mobile是百度自研的移动端深度学习软件框架，支持iOS GPU计算。虽然行业巨头纷纷推出了基于自身技术体系的训练及推断软件框架，但由于产业生态尚未形成，深度学习模型表示及存储尚未统一，训练软件框架及推断软件框架尚未形成一一对应关系，技术生态争夺将继续进行。

未来趋势与展望

1、AI芯片开始从高端向中低端普及

　　与 2017年只有少数AI芯片运用到高端手机的情况相比，2018年在手机市场不仅有了海思麒麟980、高通骁龙855、三星Exynos9810等运用在高端手机的AI芯片，也有了联发科P60、P22和高通骁龙450等中低端手机的AI芯片。高通推出的在手机上运行神经元网络的骁龙神经元处理引擎(Snapdragon Neural Processor Engine,SNPE)，SNPE不仅支持骁龙800系列芯片，也支持部分骁龙600系列芯片和骁龙400系列芯片。联发科也推出NeuroPilot平台，通过整合硬件(AI处理器)及软件的方式让搭载联发科芯片的产品具备AI能力。

2、AI终端多领域融合，向垂直行业渗透

　　目前AI终端上的应用主要停留在面向终端用户的个性化功能体验；随着AI逐渐被社会关注和认同，AI移动智能终端将深入影响各行各业。如在医疗行业，智能终端可利用AI功能记录患者身体机能参数，并通过对过往病例和身体监控大数据预测病人发病的概率、时机，并给出相应的诊断；教育行业，AI智能终端可以变成虚拟导师，记录学生的平时表现，智能打分，综合评定其素质发展能力；汽车行业，在L5级自动驾驶模式下，车载终端将充当驾驶员，从行车控制到车载娱乐，为行车模式带来巨大改变。法律行业，带有NLP功能的智能终端可以再几分钟内总结成千上万页的法律件，快速梳理现有资料，并通过对过往案件数据的分析学习，实现智能审判。在垂直领域的探索和发现，将为AI移动智能终端产业带来全新的市场机遇。

3、软件框架降低使用者技术门槛，扩展AI终端创新群体

　　对于大多数开发者而言，使用各类开源框架构建人工智能模型是耗时耗力的复杂过程，较高的技术门槛一定程度上阻碍了其创新发展的速度。谷歌在2018年初发布的Cloud AutoML服务，将实现人工智能开发过程中，机器学习的环节自动化、可视化，使开发者脱离代码进行上传图像、训练及管理模型等操作，其模型准确率与传统开源框架建模方法不相上下。百度的EasyDL产品，在没有机器学习相关知识的情况下，通过全程可视化操作，最快15分钟即可获取一个高精度模型，支持图像识别、本分类以及声音分类等基础服务。

　　降低技术门槛将是AI开源框架的未来发展方向。轻量级、易使用的开源框架也更能适应端侧AI训练的场景，为AI终端的进一步普及提供强有力的技术支持，有助于优秀的创意更便捷地付诸实施，扩大部署范围，在人们生产生活地方方面面切实落地。

　　智东西认为，2018年起，各主流终端厂商的旗舰机型均引入人工智能元素，通过触屏、摄像头、语音等多种方式，更直接地满足用户需求，改变其生活方式。虽然目前手机AI发展依然处在比较早期的阶段，不过随着AI芯片的发展和开发工具、分发平台的完善，在未来可预见的时间里，芯片厂商、手机厂商和第三方开发者会持续在手机AI上进行投入，AI对手机体验的加成会越来越明显。在即将到来的5G时代，AI很可能和5G一起，成为未来智能手机的一项基本能力，共同定义下一代的智能手机体验。