【拓墣觀點】蘋果、Google、華為輪番出招,智慧手機 AI 狂潮要來了?

作者 | 發布日期 2017 年 09 月 28 日 18:44 | 分類 AI 人工智慧 follow us in feedly

Google 上週宣布以 11 億美元買下宏達電 Pixel 手機代工部門震撼業界,不少人直指 Google 是為未來智慧手機 AI 與 AR/VR 發展布局;無獨有偶,蘋果近期發表的十週年新機 iPhone X 以人工智慧為本,在人臉辨識、攝影推出革新功能,中國智慧手機品牌旗下晶片廠海思,近期則發表 AI 應用處理器麒麟 970,智慧手機品牌也開始擁抱 AI,AI 之於智慧手機,究竟能為我們擘劃什麼樣的未來新藍圖?



人工智慧(AI)發展方興未艾,愈來愈多大廠投入人工智慧研究,技術逐步應用在金融、醫療、汽車工業等領域,另一方面,智慧手機做為應用最為廣泛的行動終端,甚有人認為,智慧手機導入 AI,是早已面臨同質化、創新瓶頸的智慧手機市場新解藥。

裝置的革命往往從處理器、單晶片而起,今年可看見處理器架構商、晶片商到品牌商自製行動應用處理器(AP),紛紛強調 AI 的導入,包括最主要的智慧手機處理器架構商 ARM,在今年 3 月推出針對機器學習與人工智慧的全新處理器指令集 DynamIQ;到近期手機品牌商華為旗下晶片公司海思,推出 AI 晶片麒麟 970;以及近日蘋果 iPhone X 搭配自製 AP A11 Bionic,強調其機器處理能力,並將此應用在重要功能人臉辨識「Face ID」、攝影功能「人像光線」上。

當紅的 AI 晶片到底是什麼?

AI 晶片到底是什麼、神在哪裡?又能賦予智慧手機什麼樣的應用新未來?

近年崛起的所謂 AI 晶片,其實精確一點來說,是 AI 機器學習晶片,機器學習是人工智慧學習的分支之一,機器學習之後又發展出深度學習,兩者都是透過「訓練」由巨量資料提取特徵、從特徵建構模型,進而做出「推斷」進行判別與預測。其中深度學習會將特徵分層處理,透過層層特徵來建構模型做出預測,且特徵之間的處理訊息可共享。

如人臉辨識第一層先將圖形進行分割,定義出簡單的圖形邊界;第二層定義圖形的角度或弧度;第三層針對圖形和人臉眼睛鼻子等部分特徵進行匹配,再將所有特徵值連結起來完成臉部辨識。一連串建立特徵、模型的過程是「訓練」,而利用模型做出判別,則是「推論」的任務。

(Source:Google Deepmind)

「訓練」需要巨量資料的支持,以及大量的運算資源,一般會在雲端進行,而訓練完成的模型將能執行「推論」,諸如圖像/語音辨識、文本翻譯都是機器學習模型之應用,「推論」能在雲端也能在終端產品執行。

(Source:NVIDIA)

此次 iPhone X 的人臉辨識功能「Face ID」、攝影功能「人像光線」就是運用機器學習的「推論」,以 Face ID 為例,其利用 3D 感測模組(蘋果稱此技術為 TrueDepth 相機),藉由紅外線光線投射 3 萬個光點與反射取得影像資訊,由處理器的「神經網路處理引擎」(為 Neural Engine)每秒六億次運算,計算人臉不同部位的位置與距離,判定是否為使用者本人。

AI 晶片還分雲端、終端?

Face ID 為何能在裝置終端實現人工智慧,在於蘋果自家 A11 Bionic 晶片,A11 Bionic 首度使用了蘋果自主設計的第一款 GPU,除了能玩 3D 遊戲,A11 Bionic 因此能與自家 iOS 11 推出的 Core ML(核心機器學習)框架,以及雙核架構神經網路處理引擎(Neural Engine)做結合。華為在此前推出的 Kirin 970 放入的所謂神經處理器(Neural Processing Unit,NPU)也是一樣的概念。

而這樣的神經網路硬體加速器就是基於機器學習、深度學習概念,利於「訓練」或「推論」的運算,兩者都需要經過數百萬次的計算,因此善於圖像處理,可平行運算一次處理大量數據的 GPU,搭著 AI 機器學習熱潮趁勢崛起,其他包含 FPGA、DSP 同樣適合平行運算、做為機器學習晶片的選擇。

一般而言「訓練」比「推論」需更大的運算資源,「訓練」精度通常要達到 32 位元的單精度浮點運算、甚至 64 位元的雙精度浮點運算;而「推論」精度要求較低,甚至在軟體優化、演算法成熟下,精度在 16 位元、8 位元就已足夠。這樣的設計簡化,降低成本、功耗有助於在裝置終端的搭載與推廣。

Kirin 970 NPU 可達到 1.92 TFLOPS 半精度(16 位元),若對比伺服器專用的加速器,舉極端一點的例子如 NVIDIA 最新的 Tesla V100,雙精度(64 位元)可達 7.5 TFLOPS、深度學習(16 位元)之下將來到 120 TFLOPS,耗電會上到 300W,是 NPU 的數百倍,當然不可能放在行動裝置上。根據華為官方提供的資料,NPU 一分鐘約能辨識逾 2,000 張照片,做即時分析的應用已然足夠。

智慧手機 AI 浪潮關鍵在應用

而智慧手機晶片龍頭高通也未在這場智慧手機 AI 競賽缺席,在 2015 年就以 Hexagon DSP(數位訊號處理器)解決人工智慧的運算處理,首度搭載於 Snapdragon 810,Sony 當時旗艦機 Xperia Z5 採用 810 做影像融合處理,卻也因臨界處理器的極限導致過熱的悲劇。今年高通持續強化 Hexagon DSP 的性能,支援向量擴張的計算支援,再向 AI 靠攏了一大步。

智慧手機 Android 系統的推動者 Google,近年同樣致力於 AI 在智慧手機的搭載,2016 年 Google 發表 Pixel/Pixel XL,率先將自家 AI 語音助理 Google Assistant 置於智慧手機,近期 Google 買下宏達電 Pixel 代工部門,也被視為意圖拓展 AI、AR 等新興領域在智慧手機的布局。

從高通、Google 到蘋果、華為,這股 AI 浪潮終於來到手機品牌商,然 AI 能否為智慧手機產業帶來新希望,還得看殺手級應用是否出現。蘋果將人工智慧導入生物辨識,且做到在裝置終端就能處理,避免資料上雲端的隱私疑慮,是一條路,也有不少軟體開發商以 AI 技術發展出修圖、聊天、甚至醫療相關應用程式。

一般軟體開發週期其實相當快,甚至三個月內就能推出一個 APP,這股 AI浪潮 Google、蘋果甚至接下來的華為,已準備好了,預期接下來有愈來愈多軟體商會動起來,智慧手機 AI 生態系已然動了起來,接下來科技還會為我們帶來什麼驚喜,值得期待!


集邦科技與拓墣產業研究所舉辦 2018 年科技產業大預測活動,為傳統年度科技業盛事,提供最為深入的產業分析,讓與會者了解 2018 年科技業將如何發展,歡迎 9 月 29 日直接現場報名!活動詳情請見「2018 集邦拓墣科技業大預測」。