人工智能在智能手机中的应用分析

1 引言

我国智能手机产业发展喜中有忧，人工智能成为产业发展新动力。近年来，我国智能手机产业发展成绩突出：一是我国在全球市场智能手机出货量中占据重要地位，根据Canalys公布的数据，2017年中国智能手机市场总出货量为4.59亿部，全球市场占有率达31.4%；二是涌现出一批具有国际竞争力的智能手机企业，以华为为例，2017年全年华为出货量同比增长19%，在中国智能手机市场份额达19%，排名第一。与此同时，我国智能手机产业仍面临巨大挑战，主要表现在智能手机出货量增长乏力。根据Canalys公布的数据，2017年中国智能手机出货量比2016年下降4%，这是国内市场首次出现整体下滑。其中，2017年第4季度表现最差，出货量仅1.13亿部，同比下滑超过14%。经过10年高速发展期后，我国智能手机渗透率接近饱和；同时，移动互联网时代进入尾声，人口红利和流量红利逐渐消失，智能手机急需新技术、新模式变革。

2 人工智能在智能手机中的应用现状

2.1 人工智能在智能手机中得到广泛应用

（1）主流厂商智能手机产品纷纷搭载人工智能芯片

一是智能手机厂商自己研发人工智能芯片，意图提升智能手机产品性能。例如，苹果iPhone8/8Plus和iPhone X搭载自研的A11Bionic仿生芯片，集成“神经网络引擎（Neural Engine）”，通过专用机器学习硬件针对AR/VR和沉浸式3D游戏进行性能优化，其性能比上代芯片A10Fusion提升30%，功耗只有后者的50%。

二是人工智能专用芯片厂商通过IP授权，与下游智能手机厂商开展合作。例如，华为Mate10手机搭载麒麟970芯片，集成中科院下属企业寒武纪1A深度学习处理器作为核心人工智能处理单元（NPU），极大地增强了人工智能应用算法处理能力，图形处理性能提升20%，能耗降低50%，智能手机应用体验得到极大地提升。

（2）多种人工智能技术应用被应用在智能手机中

一是语音助手极大地提升人机交互性能。例如，谷歌Pixel手机搭载GoogleAssistant语音助手，能够回答超过90%的用户问题，同时准确率达80%以上，在同类语音助手中排名第一。

二是人脸识别应用解决方案得到完善。例如，小米8探索版采用专注3D及计算机视觉的以色列MantisVision公司相关技术，基于编码结构光技术实现人脸3D识别功能。

三是智能手机纷纷推出人工智能拍照自动美颜功能提升拍照效果，受到以女性消费者为代表的用户青睐。例如，魅族Flyme 7手机推出“One M ind”互联计划，将人工智能算法接入One M ind AI引擎，自动识别被拍摄者特征，同时根据被拍摄者性别、年龄、肤质等信息向用户提供个性化美颜方案。

2.2 人工智能在智能手机的应用处于初级阶段，未来仍有提升空间

（1）当前智能手机芯片计算能力无法满足人工智能应用的计算需求

一方面，目前ARM架构在智能手机芯片中处于绝对优势地位，其采用精简指令集，适合处理通用型简单任务，但人工智能在实际应用中需要短时间内响应密集的计算分析请求，同时处理多项复杂并发性任务，当前智能手机芯片处理能力难以胜任；另一方面，人工智能手机计算能力的提升还需考虑手机物理体积及能源有限性的约束，需要兼顾手机计算力和能效比等诸多因素，人工智能手机芯片需通过工艺、架构、相关算法及应用等方面协同升级，才能有效支撑人工智能应用的计算需求。

（2）各种识别技术在复杂应用场景下识别性能大大降低

以智能语音助手为例，目前智能手机中语音助手获得超越人类的识别准确率，主要因为该试验在实验室安静环境下进行，同时说话者使用普通话发音。但是在真实应用场景中，环境噪音、用户语气情绪、语音语调、方言口音等多种因素都会降低语音助手识别准确率，甚至导致语音助手答非所问。此外，目前智能美颜相机主要适用于对用户在自然光照下正脸拍摄的照片进行美化，受制于技术本身不成熟，在光照强度过强或者过弱、人像侧脸或者有遮挡、被拍摄者化妆条件下，图像识别算法准确率会出现不同程度的下降，从而影响智能美颜效果。

（3）应用程序在调用用户隐私信息时存在隐私信息泄露风险

应用程序需要通过应用程序编程接口（API）频繁调取用户使用数据，在调用之后应用程序编程接口会遗留用户身份证号、地址、年龄、家庭、账户、密码、指纹、使用偏好等大量隐私信息，智能手机厂商利用用户隐私信息进行精准营销、定向推送等增值服务时，存在泄露用户隐私信息风险。例如，Facebook、Tw itter和Instagram等公司已被证实会将用户的个人喜好、行为轨迹、分享内容等记录出售给第三方。

（4）以手机终端企业为核心的人工智能手机产业生态体系构建较为缓慢

人工智能手机终端厂商处于产业链中下游，向上对接上游芯片企业和中游算法企业，向下联系互联网应用提供方，理论上来说建立以自身为核心的人工智能手机产业生态较为合理。然而，目前包括谷歌、亚马逊以及BAT在内的互联网巨头在应用端依托海量用户数据和产业强势地位，试图将人工智能与云计算、物联网等结合，掌握“人工智能+智能手机”产业生态体系话语权。与此同时，手机终端企业长期忽视应用开发者在产业生态体系构建中的重要作用，未能建立合适的利益分配机制，抑制了开发者的积极性，阻碍以手机终端企业为核心的人工智能手机产业生态体系构建进程。

3 未来人工智能在智能手机中应用趋势展望

（1）人工智能多传感器融合技术将在智能手机中得到应用

近年来，随着信号处理、神经网络、模式识别等人工智能技术的发展，多传感器融合技术逐步在智能手机中得到应用。多传感器融合技术充分利用人工智能对按时间序列采集的多传感器观测数据，采用模糊逻辑理论、神经网络、专家系统等人工智能方法，在一定准则下对观测数据进行分析、综合、控制和应用，获得对温度、高度、光照强度等被测物理量的一致性解释与描述，进而实现相应的决策和估计，协助智能手机完成相应环境感知、人机交互等功能。

（2）人工智能软硬件一体化模式将在智能手机中得到体现

人工智能芯片等硬件性能不断优化升级，为人工智能手机应用程序蓬勃发展提供可能；同时，应用程序升级优化对人工智能芯片的处理能力、运算速度、能耗比等指标提出更高要求。未来更多厂商通过研发定制场景AI手机芯片等方式，促进人工智能软硬件一体化发展，提升智能手机运行性能。例如，华为麒麟970手机集成最新i7协处理器，内置获得央行和银联双重安全认证的inSE安全引擎，支持CRT-RSA、RSA、DES/3DES、AES等加解密算法，拥有和银联IC卡、U盾相同安全等级，有效提升智能手机安全防护能力。

（3）人工智能在智能手机中的应用更多依赖云端协同

云侧人工智能和端侧人工智能各有优势，适合处理不同任务：端侧人工智能可以快速响应用户需求，以低功耗和低成本方式向用户展示处理后图像、视频、语音和文本信息，适合完成人工智能推理任务；云侧人工智能实现多终端数据汇聚，在数据吞吐量和处理速度等方面更具有优势，适合完成人工智能训练任务。因此，端云协同的人工智能处理模式将在模型训练和数据推理等方面发挥重要作用。

（3）人工智能与VR/AR、5G等技术融合提升智能手机性能

一方面，5G技术发展使得云端协同的人工智能处理模式成为可能。5G通信技术具有高速度、高可靠性、低时延等特点，用户发出的命令在端侧智能芯片进行初步处理后，运用5G网络与云端进行实时交互，之后使用5G网络将云端处理结果反馈给用户，提升数据处理能力，有效降低时延。另一方面，人工智能算法提升手机VR/AR应用性能。例如，华为P20手机基于麒麟芯片和人工智能算法提升人脸图像建模和周围环境重构性能，搭载谷歌AR Core和华为AR Engine双引擎，支持AR购物、AR展示、AR游戏、AR拍照、AR教育等诸多AR应用场景，极大提升用户AR体验。

（4）人与人工智能手机交互方式更加自然，用户体验显著提升

随着智能手机产业不断发展，人和智能手机交互方式也从按键向触摸屏演进。伴随人工智能技术在智能手机中的应用不断深化，图像识别、语音识别和自然语言处理技术不断发展，人机交互形态被重新改写，智能手机开始具备听、说、看、写等多种能力，可根据场景精准感知用户需求，理解用户的当前所处的情感状态，自动选取最为恰当的用户服务方式。

（5）智能手机等智能终端之间互联互通和协同应用越发重要和迫切

根据华为预计，2025年个人智能终端数将达400亿，平均每用户将拥有5个智能终端，其中20%用户将拥有10个以上智能终端；届时，全球联接总数达到1000亿。与此同时，人工智能技术在智能手机等智能终端得到充分应用，一个重要前提就是不同设备通信标准和应用之间能够兼容互通。然而，在实际使用过程中，不同智能终端设备在标准、应用等方面兼容性很差，限制了智能终端互联互通能力的提升，为用户使用造成了不便。

4 对人工智能在智能手机中应用的建议

（1）推动基于人工智能算法的多传感器融合技术在智能手机中的使用

一是利用集成的人工智能计算方法（如模糊逻辑+神经网络、遗传算法+模糊逻辑+神经网络等）提升多传感器融合性能，充分发挥各种人工智能算法的优势；二是加速推进已有多传感器融合方法工程化与产品化进程，与芯片开发厂商开展合作，开发支持多种复杂融合算法处理能力的芯片，提升数据实时处理和分析能力。

（2）提升手机芯片面向特定人工智能应用的支撑能力

一方面推动人工智能手机芯片中专用计算模块加速发展，以适配人工智能手机对特定应用场景下计算能力的需求；另一方面，增强人工智能手机芯片与上层操作系统、算法等的耦合程度，同步推动面向智能手机应用的算法优化，以强化对应用创新的有效支撑，提升人工智能手机能效比及用户体验。

（3）推动面向特定应用场景核心技术攻关与融合创新，加快产学研一体化

一是发挥智能手机产业链协同效应，以智能手机产业链上下游整合为契机，开展定制化生物识别模组等方面的研究，增强手机特定场景和应用性能；二是加快产学研一体化进程，积极推动高校和研究院所等与智能手机产业链各环节企业围绕人工智能创新算法、模型、应用开展合作，加速科研和创新成果产业化；三是建立人工智能、物联网、VR/AR、5G等先进技术研究人员定期沟通交流机制，推动不同先进技术之间融合发展，以融合促进创新。

（4）采取多模态识别、等级保护等机制，加强用户隐私信息安全防护

一是采取多模态识别等技术提升防护能力。充分发挥虹膜识别、人脸识别、语音识别算法各自优势，打造多模态生物识别体系，提升识别精度，确保只有经过授权的人工智能应用才能访问用户隐私信息，实现用户隐私信息安全调用。二是加快制定人工智能在智能手机中应用安全规范，充分听取人工智能芯片制造企业、人工智能算法提供商、智能手机厂商、消费者等各方意见，充分反映各方利益诉求。

（5）加强智能手机和其他智能终端之间标准兼容和应用互联互通

一是成立智能手机产业联盟、智能终端产业联盟等，加强联盟内部企业间在技术、标准、应用等方面的合作，采取定期会议等机制加快相关技术标准和应用规范的制定工作；二是建立人工智能手机开放创新平台，提升设备互联互通能力，提升人工智能手机内容和服务集成化程度，增强人工智能手机应用协同化水平。

（6）加速以终端企业为核心的人工智能手机生态体系构建进程

一是积极同国内外互联网巨头在应用程序开发等领域开展合作，学习后者“人工智能+智能手机”产业生态运行维护先进经验，制定合适的人工智能手机产业生态发展体系；二是重视应用开发者生态，通过定期举办技术专题沙龙，向开发者开放智能手机应用分发平台流量、账户支付和运营大数据等方式，寻求与广大开发者在人工智能手机内容、硬件、技术和生态层面开展合作，增强开发者在人工智能手机应用程序开发运营方面的优势，促进基于人工智能技术的智能手机产业生态走向繁荣。

人工智能这一新兴技术的发展深刻改变了智能手机产业，然而这一技术仍处于发展初期，在智能手机中的应用面临一系列问题。需要加快技术升级融合和产业生态构建进程，使智能手机更好地服务于用户。