相信这样的场景你已经经常见到了：用手机的智能语音设置闹钟、iphone里提升打字效率的QuickType、与外国人交流使用的翻译软件、拍照自动实现景深效果的相机app……这些司空见惯的日常行为，背后都有强大的人工智能技术支撑着。
人工智能技术已经开始与手机融合，未来还会越来越紧密。Deloitte Insights发布的《2020科技、传媒和电信行业预测》报告中，就提到一个正在发生的趋势：人工智能与设备加速融合。
这个趋势与本周《麻省理工科技评论》发布的2020年“全球十大突破性技术”一致：”微型人工智能“上榜。也就是说，未来我们使用的手机、电脑人工智能能力会越来越强，这些设备不需要连接到云端就能实现很多智能化操作了。
去年 5 月，谷歌宣布可以在用户手机上运行谷歌助手，无需向云端发送请求；从苹果的 iOS 13 操作系统开始，iPhone可本地运行 Siri 的语音识别功能和单手操作的QuickType键盘；IBM 以及亚马逊现在也提供了开发平台来制作和部署微型人工智能。
什么是边缘AI，以及对边缘AI的三个误解
你应该经常听说的词就是“边缘计算”。今天，大多数设备要实现人工智能运算，都只能通过大型数据中心的云上来完成，未来，它们不需要一直连着云端，自己就能完成之前的AI运算。把云端当中心的话，这些设备不就是边缘么，所以这些设备就叫边缘设备，这种能力就是“智能边缘计算”。
为什么这些边缘设备自己就能实现以前只有大型数据中心才能完成的工作呢？原因是技术的进步。今天的芯片体积更小、耗用功率更低、成本更低，运算能力更大了。连我们的手机就能实现人工智能计算功能了。
所以，智能边缘计算的普及，将会拉动一个新的产业，那就是边缘人工智能芯片。也就是那些不是用在IT巨头提供的云平台，而是用在用户使用的设备里的芯片。
要理解一个科技产业，就要先知道科技到达的时点是不同的，有一个先后顺序。就拿边缘AI来说，它是IoT的底层需求：因为只有先有了AI计算能力，才会有智能设备之间的联网，进而催生出智慧环境、智能家居、智慧交通、智慧物流、智慧城市。因此我们预测：2020年开始，IoT企业将会以前所有为的速度崛起。边缘人工智能作为不可缺失的支撑技术，将很可能取代一部分IT巨头（微软、亚马逊、谷歌）的云平台功能。
那么，当IoT设备崛起后，边缘人工智能会不会取代IT巨头的云平台功能呢？我们认为两者会长期共存，需要即时处理的任务可通过边缘设备完成，另外一些量大但不需要即时的任务可连接至云端。所以再做另外一个预测：大多数情况下，边缘人工智能计算和云计算将会长期共存，甚至采用混合的方式，一部分由设备自身执行AI计算，另一部分通过云平台完成。
在边缘AI的发展过程中，有许多被人们误解的现象，其中有三个是比较常见的。如果没有真正理解背后的机理，可能会影响你对未来的判断，本文就带你解读关于边缘AI的三个趋势。这三个误解分别是：
– 制造AI芯片的制造企业才是最大的受益者；- AI芯片很贵，只有苹果、华为这样的高端机型才用得起；
– AI计算要等到5G网络成熟后才会真正开始普及起来。
谁是边缘人工智能的受益者？很可能不是芯片制造商
谁会从边缘人工智能芯片市场的增长中受益？我们的直觉会告诉我们说：制造AI芯片的企业，他们一定有机会。理由也很明显：他们与AI芯片直接相关。根据报告数据，三年前这个市场几乎为零，到2020年将实现超过25亿美元的收入。
但是不要忘了，2020年全球芯片半导体行业预计4250亿美元，边缘AI芯片只有整个芯片市场的0.5%，仅仅靠制造人工智能芯片本身，并不能对整个行业格局产生影响。
目前，所有的消费级边缘AI芯片中，70%都用于智能手机。也就是说，我们人手一部的手机，是消费级边缘AI芯片产业的最大推动因素。
在我们习以为常的时候，你每天已经通过手机使用了大量的人工智能计算服务：指纹和面容解锁、语音助手对话、翻译、人像自拍和风景拍摄……在未来，这种使用的频率还会不断增加。
手机里的增强现实
据Digitimes的消息，苹果全新的iPad Pro系列正在生产，预计在2020年的3月春季发布会上与大家见面。这款iPad Pro会添加一项全新的功能：ToF（飞行时间3D传感器系统），可以实现更丰富的AR应用，比如帮助iPad Pro测量外界的距离和大小。到那个时候，对人工智能计算的需求还会不断增加。
除了我们日常用的手机，平板电脑、智能音箱、可穿戴设备芯片也会配备这种AI芯片了，它们将成为我们未来生活中不可分割的一部分。
智能手机是最大推动因素丨来源：Deloitte Insights
一直有个说法，当各种智能设备兴起，手机可能会消亡。我认为这是错的。为什么呢？因为手机是一个核心节点，是一个强大的随身的智能助理。它对你的理解超过所有其他设备，因为它天天随身跟着你。甚至你的智能可穿戴设备的数据，也都会同步到手机里进一步去处理和解读。所以手机是你的最随身最懂你的智能终端。
人工智能芯片很贵，只有苹果、华为这样的高端机才用得上？
人工智能芯片成本不但不贵，反而很便宜，未来会越来越便宜。
有分析者认为，人工智能芯片降价的速度比想象得来的更慢，只有排名靠前、价格高于1000美元的高端手机才会配备人工智能芯片。但是他们没想到的是，进入西方国家市场的小米9这样的手机，也配备了人工智能芯片，售价竟然低于500美元。
这种误解也是情有可原，因为人工智能芯片的成本预算很难进行量化。手机里所谓的“人工智能芯片”，并不是说单独做一块有AI功能的芯片，然后把它塞进去，它其实只是一整块芯片里的一部分。这个一整块芯片，集成了CPU、GPU、存储等等一系列功能，现在加上了AI计算功能，所以它才会被人们称之为SoC芯片（也就是system on a chip，把整个系统装到一个硅片上）。
芯片上进行人工智能运算的部分，与芯片其它部分的制造材料、制造工艺流程、制造工具都是完全相同的。不同的地方在于芯片的人工智能部分的晶体管排列方式不同，因此具有不同的架构，这个部分通常被称为“神经处理单元”，在去年九月的苹果发布会上就采用的这种叫法。
苹果发布会上介绍的神经网络引擎
虽然说AI芯片的成本难以量化，但已经有分析师给出了较为真实可信的估值。比如，三星的Exynos 9820芯片图像显示，整个芯片约5%的功能用于人工智能计算。如果按照三星手机的芯片成本70.5美元来计算，人工智能处理部分占总成本的5%，折算下来仅仅为3.5美元。在苹果公司的A12芯片中，7%的区域用于人工智能计算，整个芯片的材料成本为72美元，人工智能部分的成本约为5.1美元。
苹果的A12芯片
面对低至2~5美元的制造成本，未来的智能手机还有进一步降价的空间，如今有分析师预测，即使是价格低至250美元的智能手机，也能够配备人工智能计算了，从而实现跟高端手机一样的智能拍摄、语音助理等功能。
苹果也看到了这个成本较低的市场，媒体9to5Mac，曝光了一批苹果将在今年3月发售一款廉价版的iPhone 9，最低价格可能仅为399美元，国行价低于3000元。
只有等5G成熟了，IoT设备才能使用人工智能？
人工智能运算会应用到越来越多的消费级和工业级设备上。两三年前，有分析师认为人工智能需要大量的计算能力，因此只有等到具有超高网络、低延迟、实时处理的5G网络成熟后，才能胜任这项高难度的计算任务。
但是这种观点在今天不再成立，因为他们忽略了不同技术路线之间可以进行“组合创新”的方式。因为在之前，只有IT公司的大型数据中心才能实现人工智能计算，而今天当用户端的设备也能实现人工智能运算后，“边缘AI+云”混合的方式成为了新的解决方案。
航空公司已经开始探索这种方式。一架空客A-350喷气式飞机配备了6000个传感器，每飞行一天便能产生2.5 TB（约2560 G）的数据。如果把这些数据传输到云端进行存储和分析，不仅成本高，操作也是非常复杂的。航空公司已经在探索把人工智能计算芯片内置在飞机上，例如摄像头可配备视觉处理器，直接对数字图像进行实时分析和处理，而不那么紧急的数据则可以传输到云上进行处理。
在某些情况下，不需要联网的设备也能正常执行必要的功能了，比如无人机。在澳大利亚新南威尔士，内置人工智能运算的无人机在沙滩上巡逻，以确保游泳者的安全。这些无人机能够识别被卷入潮流的游泳者，能够在鲨鱼攻击游泳者之前发出危险警告。由于这些功能都是内置在无人机里的，因此都是在未联网的情况下完成的。
毫无疑问，5G技术会进一步促进人工智能计算，但是在5G真正到来和普及之前，无所不在的人工智能已经在我们身边大显身手了。
参考文献：
[1]Deloitte, 《2020科技、传媒和电信行业预测》，Feb, 2019
[2]Technology Business Research, “Telecom edge compute market landscape,” June 11, 2019.
[3]Gartner, “Gartner Says worldwide smartphone sales will decline 2.5% in 2019,” press release, August 1, 2019.
[4]Michelle Alarcon et al., “Samsung Galaxy S10+ teardown,” Tech Insights, March 1, 2019.
虽然5G还没来，但未来会有试点逐步开始启动。人工智能要往前继续发展，需要有大量的数据支撑。传感器厂商、IoT解决方案厂商会起来，未来会出现越来越多的数据。
比如有一家位于德州奥斯汀的设计生产物联网芯片以及传感器的公司Axzon，就正在研发体积极小的物联网芯片。他们要在不久的将来让传感器可以足够小而且足够便宜到可以布署在每一个物件里，让所有物件从被造出那一刻实现实时可查。
在海量产生的数据支撑下，对人工智能计算的需求也会进一步增加。在可预见的未来，资本、研发都会加大这方面的投入，创造出难以估量的价值。