假如說全球最受迎接的電子花費品有個排行榜的話，那末手機無疑是榜單中的NO.1。
1973年4月3日，間隔明天44年前，摩托羅拉一位叫做Marty Cooper的工程師在陌頭拿出了一臺重2.5磅、長9英寸、厚5英寸的挪動裝備，按下“摘機”按鈕后，勝利向貝爾試驗室撥出了第一通德律風，就如許，第一部傳統意義上的手機出生了。而在閱歷了傻瓜機到功效機再到智能機的幾輪換代后，手機開端成為人們身旁最密切的同伴，它不只贊助人們樹立無界限的溝通，也讓挪動互聯的世界走得更快。
但手機的出貨量現在曾經走到了一個高位，在浩瀚手機調研機構的出貨量預期中，將來幾年的手機增加率能夠都在個位數乃至是更低的數據下彷徨。而且，在很長的一段時光內，手機上曾經沒有涌現過“推翻式立異”的計劃，從雙攝到指紋解鎖再到周全屏，千機一面開端讓花費者覺得疲憊。
誰能替換手機？智能硬件的狂歡與落漠、AR、VR的鼓起與沉靜，即使是年夜熱的智能音箱也沒法讓這個成績的謎底變得清楚。但環繞在手機高低游的科技廠商們曾經開端有所覺悟。客歲，Google Deepmind團隊的AlphaGo克服了職業九段李世石，才活著界規模內掀起了對人工神經收集的存眷，但蘋果、華為和高通等浩瀚廠商早已開端摸索AI在挪動真個能夠性。
以手機AI芯片為例，在2007年高通開端啟動聽工智能項目，并開端摸索面向盤算機視覺和活動掌握運用的機械進修脈沖神經辦法，隨后還將其研討規模從仿生辦法拓展到了人工神經收集。固然人工智能硬件將來出現的方法或許是多樣的，但在高通看來，人工智能的裝備起首是高機能低功耗的裝備，然后可以或許應用現有沒有線通訊技巧，完成應用5G裝備端和云之間的智能合營和銜接，而這些都是高經由過程去幾年所專注的范疇。
和芯片廠商高通一樣，蘋果在人工智能范疇的結構也簡直在十年前就曾經開端，2008年蘋果以2.78億美元收買了2003年成立于加州的高機能低功耗處置器制作商PA Semi，并在兩年后又以1.21億美元收買了1997年成立的美國得州半導體邏輯設計公司Intrinsity，專注于設計較少晶體管、低能耗同時具有高機能的處置器。除芯片以外，從2010年至今，蘋果還陸續收買了幾十家創企，包含語音辨認、圖象/臉部辨認、盤算機視覺、AR、數據發掘、機械進修、地圖、定位等。
比較高通和蘋果，華為的結構稍晚，但追逐的速度其實不慢。
2009年，K3v1宣布，這是華為海思成立以來宣布的第一款智妙手機芯片。固然因為技巧上的不成熟招致這款芯片終究沒有走向市場化，但這顆芯片卻開啟了華為海思前面的“疾走形式”，也有了麒麟的生長。華為海思的一位技巧高管艾偉已經如許對筆者表現，人工智能將使挪動互聯網進入到聰明互聯時期，華為不只僅愿望將來的手性能聽懂、看懂，乃至愿望它可以或許以人類的思慮方法來懂得人類訴求，讓人們取得自立而適當的信息和辦事。
現實上，作為手機芯片廠商，高通在新技巧上做提早結構不須要任何來由，但關于蘋果和華為來講，之所以從芯片層面就開端參與競爭，筆者以為基本的緣由照樣在于對焦點技巧完成周全掌控的盼望，特殊是AI技巧的焦點強調的是對海量數據的處置，不管是出于平安性照樣貿易性的角度，從底層到平臺，手機廠商都須要構建本身的才能，而不是受制于人。
但也有一個不爭的現實是，因為AI研發投入過年夜，滲入滲出下游關于手機廠商來講其實不必定是一個好的選擇，特殊是關于手機利潤仍然較低的國產手機廠商們來講，期待市場成熟或許是更好的機遇。
由于從市場來看，今朝AI在手機上可以或許完成的功效還重要集中在圖象辨認和處置上。好比翻開拍照機，假如你把相機瞄準一小我，那末預覽畫面的左下角就會涌現一個“人”的小圖標；假如你瞄準植物，就會涌現一個植物的小圖標。更確實地說，這類AI依然是“嬰兒”狀況，即須要用戶發送指令，手機上的AI能力施展感化，履行的是“主動式反響”。
但在將來，行業中殺青的共鳴是，AI技巧可讓手機基于用戶行動習氣自我進修，進而優化、智能感知用戶場景、猜測用戶行動再智能分派資本。更直不雅地說，跟著AI在手機中的運用，手機開端自動不雅察你、懂得你，手機本來只是個對象，但在將來會釀成了一個外腦，不再只是一個硬件狀況。
例如，在攝影時，手機在極短的時光內完成場景檢討后，主動調出與場景相婚配的攝影形式并調理好最好參數，乃至曾經構好了圖，而我們要做的，就是按下快門鍵，真正完成順手拍，轉變如今拍完照以后還要用各類P圖軟件調劑照片的形式。如今，在網上買了片子票，進入影院后，還要翻開手機調出取票碼再取票，今后能夠就沒有這類場景了，手機可以主動定位用戶地位，當定位到用戶達到了片子院，而且記憶過主人曾買過這個片子院的票子，那末即便是在鎖屏界面上，也能夠將取票碼推送給主人，異樣的情形還可以用于快遞、打車等生涯的各個方面。
AI可否“解救”滯漲的手機行業，今朝還說不清晰，但弗成否定，手機和AI的聯合將會是將來科技風口之一。不外，如同科技迭代老是須要周期，手機進入真AI時期、開拓出推翻性的變更而且找到落地場景也須要走更長的路。
