那么，已经成为我们身体一部分的智好手机在人工智能领域到底扮演着什么样的角色？它们已经能够独立进行学习，乃至供应类似人工智能等级的做事吗？
从表面上来看，我们日常利用的智好手机在不少功能的利用上已经相称聪明，比如照片美化可以做到全自动，翻译功能也越来越逼近人类的语法习气，乃至连涌如今手机里的广告都很神奇的符合你的消费习气。
但这是你手机自己“想”出来的结果吗？还不完备是。目前，手机在人工智能里扮演的角色还是倾向于数据网络的功能，乃至连学习都还称不上。但未来随着运算架构与制程的演进，加入手机的传感器类型会不断增加，及像增强现实（AR）、稠浊现实（MR）等须要本地端打算能力强大到可以与环境互动的运用涌现，由手机自己实行的学习、互动以及更智能化的运算功能也会随之遍及。
当然，云真个学习与根本模型建立还是少不了，但本地真个进一步学习，以及对个人化模型的不断改动，是未来智能设备能不能”更好用”的关键。为了知足这个目的，手机芯片的打算架构选择与设计也会是重点，目前各大芯片设计公司都已经不谋而合往这个方向提高。
目前而言，我们现在所谈到的智能运用，险些清一色都是套用在云端上整理、打算来的模型，本地真个终端，比如说智好手机，在机器学习上扮演的角色实在并不是很主要，除因打算性能较弱，加上功耗预算有限，手机本身能达到的学习机制相称有限。但随着半导体技能的发展，以及手机运用的智能化以及个人化哀求的强化，手机上机器学习能力的强化，也变成未来必走的方向。
一样平常常见如 Siri、Alexa、Cortana 或 Google Assistant 等语音助理、各平台上的翻译做事，邮件做事中的垃圾信辨识功能，以及针对个人包含利用习气、安全辨识信息以及舆图定位功能等，都不同程度上运用了学习机制，借以改进精确性与回馈速率，这类型的学习机制也被利用在不少社交网络以及购物软件上，来作为判断消费习气以及广告精准投放的依据。
在拍照、相片处理等主流运用中，机器学习也扮演着重要角色。比如说，拍照之后，立时就能判断出照片中包含什么工具，或者凭借地点以及工具的结合判断并供应该工具的详细信息。
图丨智好手机已经成为机器学习主要的感官与运用载体
其余，美女们最爱的修图美颜软件，也早已经进步到可直接套用机器学习之后的五官、身体特色模版，让修图效果可立即呈现，不必再费时费力手动处理，且合成的效果远优于手动调度，险些可达天衣无缝的田地。
目前，Google 与麻省理工学院联合开拓的摄影场景修图软件，可在手机上实时预览拍照场景修图后的效果，让用户在按下拍照按键之前，就已经可以先看到拍出来、乃至是修图后的效果。虽然目前这些效果多数是在色调，或者是高动态光源方面的处理，但这确实可大幅减少事后修正的过程，有效提高拍摄的成功率。
图丨Google 联手麻省理工学院开拓全新机器学习算法，可在拍照前就看到终极拍摄效果
除了拍照功能外，手机游戏也是智好手机上极为主要的运用，干系市场规模产值非常弘大，2016 年环球手游产值已经超过 370 亿美元。虽然目前主流手游险些都强调在线真人对战，但实际上，玩家与打算机对战所占的韶光也不低。很多玩家在跟真人对战前，都必须先和打算机对战一番，提升自己操作水平。
但如果打算机对手太“弱智”，一成不变的游戏流程将对玩家体验造成侵害。因此各大游戏厂商已经针对游戏中的仇敌反应进行强化设计，通过机器学习，使其更靠近真人。打算机对手乃至可学习玩家的操作模式，自动调度强弱，让游戏过程充满新鲜感，老司机玩家也同样能感想熏染到寻衅性，借此将有效提升用户黏性。
图丨暴雪公司的经典游戏《星际争霸》是否会成为 DeepMind 的下一个寻衅目标？
总归而言，手机目前能做到一定程度的学习，让运用的表现看起来彷佛很聪明，但现有的学习模型套用还是相称粗糙——没办法针对性的优化体验，这点除由于运用的类型限定外，手机本身的运算性能还有待强化也是缘故原由之一。目前的运用针对的目的相对纯挚，但如果未来运用想进展到虚实结合，整合大量信息，并拥有个人化的呈现办法，那相对应的硬件平台也必须够强大才有办法实现。
AR/MR 成败与否，移动端机器学习是决定成分
空想很丰满，但现实总是很骨感，这也是为什么很多人会投入到虚拟的天下当中去追求不同的知足感，虚拟现实（VR）把人和现实抽离，这对人类的生理会有负面影响，由于无法印证到现实的事物，体验完VR运用之后的知足感越高，回到现实天下的空虚感也会更大。但 AR 和 MR 能让利用者与现实天下进行维系，透过打算器，让现实和虚拟可以重迭，现实不敷的信息，或感官打仗的缺少，可透过 AR 的各种传感器来强化人类的感知堆栈。
增强现实（AR）、稠浊现实（MR）是通过镜头、结合实景与虚拟 3D 建模，将各种实时运算产生的信息画面迭加在真实景物中，这些实时运算的工具或信息可以和真实天下进行完备的互动，让利用者用不同的角度去解读、理解这个天下。这种运用不论是在娱乐方面、家当方面，乃至是军事技能领域，都有着极为弘大的运用潜力。
但要在手机上实现这些运用，机器学习就扮演着关键的角色。不论是在游戏运用，或者是其他专业领域，AR 或 MR 都包含措辞识别与处理、视觉识别与合成等运算事情。随着各种多功能操控及感官回馈的加入，让干系打算的事情需求也更为吃重。
与目前盛行的拍照运用不同，这部分的体验与利用者本身，以及利用者身处的环境有极大的相干，无法仅纯挚套用基本模版。因此，让智能设备本身拥有的学习能力去针对个人利用习气来对模版进行相应调度，才能优化全体利用体验。
图丨电影《钢铁侠》堪称AR运用的经典范例
过去手机硬件性能不敷，限定了这方面运用的发展空间以及效果呈现。然而，随着半导体与制程技能的不断升级，还有像 GPGPU（通用图形处理单元）、DSP（数字旗子暗记处理器）乃至 FPGA（现场可编程门阵列）等架构的改造，手机上的整体打算能力险些已经可以和桌面端打算机相提并论，且功耗亦可掌握在合理的程度，这都有助于推动干系运用的发展。
也由于平台性能等客不雅观环境已经相对成熟，走在时期前真个苹果公司对 AR 生态方面的经营也转趋积极。苹果公司的自有处理器设计已是移动运用领域中最强大的架构，性能与功耗皆领先同期同类型的产品。
除硬件平台设计外，苹果就生态支持方面，不仅并购眼球追踪技能商 SensoMotoric Instruments，也在今年 6 月的 WWDC 正式发布了增强现实开拓工具 ARKit，以及包含加速 iOS 设备机器学习能力的 CoreML 机器学习框架，以是我们有情由有可以相信，在苹果的号召力之下， AR 技能将有机会快速取代 VR，成为未来手机虚拟现实平台的最紧张推动力。
图丨ARKit + CoreML = 移动端 AR 运用爆发？
随着苹果加入虚拟现实的沙场，非苹果阵营在这方面的发展肯定也不会放松。由于显示技能、处理器芯片设计，各家智能机方案供货商基本上都相差不会太大。因此，要在 AR 市场胜出，关键还是在各手机平台针对个人体验优化的机器学习设计是否到位，以及能否带动足足数目标开拓者进入这个市场。
苹果已经在干系的运用上投入了很大的心力，其他阵营如果不能快速遇上，技能差距将可能被进一步拉大。各家主流芯片设计商对人工智能的想法也存在不合，移动领域干系产品暂时没有太多选择。
ARM 架构独霸移动方案，GPU 技能以高通均衡性最佳
苹果加大迈向未来虚拟平台的步伐，想把非苹果阵营远远甩在背面，而财力不敷的非苹果阵营却无法像苹果一样不惜工本的设计自有方案，芯片上的每个晶体管的本钱都要锱铢必较。能知足从苹果，到小芯片设计公司的不同需求，且都基于同一架构，又要能供应不同的自定义架构弹性，在移动方案的架构选择方面，到现在也只剩下 ARM 一家了。
ARM 在针对人工智能方案方面供应了两大方向：在 CPU 方面，其最新架构供应了更多元化的核心互连办法，增加芯片的规模弹性以及运用效率；其余一方面，也供应了 GPGPU 运算加速功能，当然，手机上的 GPGPU 运算加速在运用数量或遍及率方面仍无法与 PC 平台相提并论，但硬件已经支持了，未来若 Google、苹果或百度、腾讯等公司能够推出标准开拓工具包，那么对此类的运算运用将有可能加速遍及。
图丨ARM 与软银连手布局 IoT，欲成为机器学习最大数据供货商／用户
当然，ARM 的目标市场实在包含做事器在内的高性能能打算平台，但 ARM 在高性能打算方面的履历和市场布局实在水平一样平常，但若依赖其在移动运用领域的一家独大的地位与开拓履历，将干系打算平台扩展到其他运用领域，并结合更多布局在 IoT 运用的各种型传感技能所产生弘大数据，将对 ARM 在机器学习乃至AI技能和市场布局更有利。
换句话说，机器学习有许多环节，ARM 虽然在高性能打算生态方面不足成熟，不能站上紧张的核心大脑地位，但是机器学习是要有数据源的。ARM 与软银结合，分散在各行各业的 IoT 大计策，目标便是要成为紧张的资料供应源。毕竟即便打算架构本身如何强大，若没有干系传感设备进行数据网络，也没办法构成故意义的资料。再加上智好手机这个最靠近利用者的终端，以及未来基于智好手机之上、包含 AR、MR 等各种与现实交互、能供应大量来自各种仿照人类感官的综合运用，将能渗透各种家当，构成极为强大的生态。
当然，目前所有的移动通讯芯片方案险些都是基于 ARM 架构，但这些方案实在还是有些不一样，比如说所搭配的 GPU，或者是 DSP 赞助打算核心的选择会不一样，终极呈现出来的效果也会不同。
图丨ARM 与软银的 IoT 大计策
CPU 部分我们略过不谈，毕竟都是标准 ARM 架构，即便是定制化，实在也和原版核心相去不远。最大的差别在于 GPU 和其他订制架构部分，目前在移动运用上的主流 GPU 架构包含 ARM 的 Mali、高通的 Adreno，以及 IMG 的 PowerVR，从单位能耗来看，Mali 最低，但随着技能迭代，有逐渐遇上竞争对手的趋势。
目前，ARM 架构下的所有可选 GPU 方案都支持通用打算，在移动运用中，GPU 的能耗、单位元面积性能表现要比绝对性能更主要，Adreno 与 PowerVR 在同代架构上的效率差距不大。PowerVR 最新的架构 Furion 除了强调能耗，也大幅改良单位元面积性能，单位元芯片面积能输出的打算性能可以说是移动通讯芯片中可选的性能最强的方案。苹果虽说要放弃和 IMG 的互助改用自家研发的方案，但下一两代的芯片不出意外仍会采取 PowerVR。
再来看看高通，其 Adreno 实在霸占了天时地利，其技能来源是当初的 ATI，本身就有不错的技能积累，且在知识产权方面的节制度高，而采取 Mali 架构的方案或者是客户，多多少少都有受到一些专利上的管束。
目前 PowerVR 与 Mali 都是纯粹的贴图渲染（Tile-Based Render）架构，这是一种延迟着色（DeferRender）技能，但 Adreno 可以针对着色工具的繁芜度，自动选择利用基于 Tile-Based Render 的延迟着色或者是像 PC 平台 GPU 所普遍采取的直接着色技能，对实际图形处理性能表现有极大的解释。
图丨智好手机上的可用机器学习硬件设计
不过，目前针对 GPGPU 的通用打算性能还没有一个比较公道的跑分程序，这方面孔前还是要回归 GPU 本身的面积性能比。但在未来，芯片商或架构供应商所供应的支持要比纯粹性能主要，比如说高通针对 Adreno 为客户供应 GPU 干系 SDK，包含 VR、AR，乃至 GPGPU 打算等等，借以帮忙客户开拓干系运用。ARM 也针对 Mali 供应了 VR SDK、Vulkan SDK 以及 OpenCL SDK。个中 OpenCL SDK 便是针对 GPGPU 打算模式开拓运用套件，这些做法都可能推动干系运用的发展。
PowerVR 方面也同样供应了类似的方案，IMG 目前虽苦于被苹果抛弃的可能性，未来预期收入也可能面临大幅萎缩，但其大幅降落 GPU 架构授权价格的做法，将有望从非苹果阵营夺回一定霸占率，从而在一定程度上填补未来由失落去苹果而带来的丢失。
移动打算乏力，X86 仍将坚守 PC 及做事器市场
Intel 曾经发力移动运用领域，想要从 ARM 的嘴里抢下市场大饼，但奈何 ARM 的生态太强大，从零组件本钱到系统成熟度，再怎么洒钱追赶也没有办法追上，数年之间花了上百亿美元，终极也只能放弃。
Intel 的努力化为泡影，AMD 则是苦苦的挣扎求生，根本没有余力往移动运用发展，因此两大供货商 Intel 与 AMD 在移动通讯的运用领域实在都乏善可陈，Intel 在人工智能领域并没有强调太多打算架构方面的东西，毕竟其主打还是既有的 X86 处理器。即便是针对海量并行打算与加速方面主推的 Xeon Phi 架构，基本上还是 X86 处理器的升级版，而不是全新架构。
图丨Intel首款集成多核架构产品：至强融核（Xeon Phi）协处理器
Intel 目前通过并购或者是拓展运用，期望推广自有 X86 架构在干系运算方面遍及率。不过针对移动运用方面，Intel 目前并没有太大的动作，毕竟其前几年在移动运用方面的考试测验刚被 ARM 打到铩羽而归，短期间内恐怕很丢脸到 Intel 这个名字涌如今移动方案领域，尤其是在人工智能干系打算方面。
AMD 虽比来大力改革，也推出不少极具竞争力的做事器、PC 产品，但其营收方面孔前才稍有转机，要谈到转亏为盈，乃至往其他领域发展，目前还言之过早。
除了 CPU 和 GPU，我们还能用什么？
利用现有标准架构来处理干系打算的好处是市场上有极为丰富的生态资源可以利用，不需从头自己设计轮子，但利用标准架构，会由于架构哀求通用性，芯片设计上就要考虑到少数状况，绝对运算性能也无法专用架构相提并论。
但事情没有绝对，架构的选择向来都不是非 A 即 B，我们可以结合不同方向的运算架构在同一芯片或终端上，以彼此搭配的办法，移多补少。当然，紧张还是得看针对的运用情境而定。
专用架构的性能表现已经是众所周知，Google 的 TPU（张量处理单元）人工智能专用芯片架构在 AlphaGO 一战成名，该设计是自行开拓、基于 TensorFlow 框架的打算架构，而 Google 也已经把干系的资源都开源，让一样平常开拓者可自行调用、开拓，未来也将有更多针对移动平台的架构方案推出；微软专门针对 AR 运用开拓了 HoloLens HPU，第二代 HPU 也会加入人工智能干系的打算能力。
以是说，如果厂商有足够的预算和人力，以及可见的市场空间，那么自己定规格、造芯片会是不错的办法，除了可以充分理解芯片本身的潜力，也可完备节制干系的本钱构造，不用担心芯片上会有冗余的部分造成额外的设计、制造以及功耗本钱。
但若是一样平常中小规模的终端从业者或方案设计业者，可能就很难采纳上述办法，此时就必须要利用标准架构，但这么一来和那些资金充足的厂商之间的差距是不是就无法拉近了？实在也不用担心，目前针对移动运用的打算加速构造实在还有不少的选择，即便不自己设计芯片，市场上也可以找到不少现成方案。
当然，一样平常常见的 DSP、FPGA 都已经相称成熟，也有不少供货商供应干系方案，不过这些方案在机器学习，或者是 OpenCL 之类的支持方面并不如主流 GPU 那样积极。以是，采取这类的方案必须要有生理准备。
但以绝对性能而言，这类方案实在不会逊色于 GPGPU，乃至在功耗、性能均衡性方面要有过之而不及。回过分来看 GPGPU 打算，其在 PC 及做事器平台上的遍及，紧张还是 CUDA 与干系生态的推波助澜，而非绝对性能的上风。
但必须把稳的是 Google 在其移动平台上大力推广 RenderScript 这个自有通用打算标准，而不采取 OpenCL，有部分缘故原由是由于芯片方案商所发卖的专用打算加速架构（比如芯片中整合了 DSP 或者其他多媒体打算加速单元）多数都是封闭的，不为开拓商供应标准的开拓工具包，导致芯片中可能有部分的区块的利用效率极低，因此造成运算性能的摧残浪费蹂躏，比如高通过去便是如此。
但不利用既有的成熟开放标准去达到同样目的，而是采取封闭标准，末了会不会变成芯片商也被 Google 绑架？往后干系打算加速单元的设计都要遵照 Google 的标准？这也是令业界深感忧虑的问题。
RenderScript 有其运用上的上风，在 Google 的平台上可以发挥极高的性能，且不同处理器之间的兼容性也很高，不用担心不同方案商采取的加速架构不同，这一点上要优于 OpenCL。但运用开拓上明显比标准 OpenCL 要繁芜不少，且由于是全新的 API，利用者须要韶光去学习适应，这可能会拉长运用开拓周期。
此外，OpenCL 的好处便是转换平台方便，即便是针对 Android 平台开拓，也不用担心把程序代码转换到 PC 或其他平台上会碰着问题。当然，iOS 就不用想了，苹果有自己的规矩。
在移动打算平台上利用机器学习，乍看之下选择不少，但实际上可用方案比较有限。Google TPU 这类针对性很强的架构，在相对性能上表现肯定是最好的，但相较于 GPGPU 的通用性，可能会有运用弹性较差的缺陷。
其余，DSP 和 FPGA 虽也是被业界广泛采取的架构，但移动打算平台上的机器学习对这些架构而言还是相称新颖的运用，可能在开拓环境方面尚需时日才会趋于成熟。
就目前而言，CPU 与 GPGPU 是立即可用的打算资源，如须要快速投入实战，这两种打算架构都可以胜任，但考虑到未来的运用需求以及繁芜度的变革，不同类型的架构还是有各自的优缺陷。不论是各自利用，或搭配混用，业界应针对运用处景做通盘考量。
