2019手机人工智能技术与应用分析报告.docx

2019手机人工智能 技术与应用 分析报告 2019年 6月 目 录 一、 智能手机产业发展基本态势 . 1 （一） 智能手机市场趋于饱和 . 1 （二） AI 技术趋于实用化，从云侧向端侧延伸 . 4 （三） AI 与手机融合创新空间广阔，手机企业加快布局 . 5 （四） 明确 AI 手机定义，将促进产业生态良性发展 . 6 二、 AI 在智能手机中的应用趋势 . 7 （一） 端侧异构芯片加速升级，支撑 AI 专用计算力需求 . 7 （二） 智能化传感器件逐步成熟，推动感知交互技术创新 . 10 （三） 端侧 AI 框架和算法迭代创新，提供应用加速能力 . 11 （四） 5G 网络技术逐步走向商用，极大拓展 AI 应用场景 . 15 （五） AI 丰富智能手机应用场景，极大繁荣应用生态 . 17 三、 AI 对全球智能手机产业链的影响 . 18 （一） 手机芯片产业 . 19 （二） 关键元器件产业 . 20 （三） 手机软件产业 . 22 四、 我国智能手机 AI 技术与应用发展情况 . 24 （一） 我国终端产业对 AI 技术的应用已较为成熟 . 24 （二） 手机厂商加快 AI 技术布局 . 25 （三） 算法企业深化手机场景能力 . 26 五、 面临的问题与挑战 . 26 （一） 底层技术创新和生态建设布局有 所不足 . 27 （二） 手机智能化能力标准与规范尚需完善 . 27 （三） 手机与 AI 的结合带来安全与监管新挑战 . 28 六、 未来发展与展望 . 30 （一） AI 芯片开始从高端向中低端普及 . 30 （二） 算力、通信等基础能力提升，打造 AI 终端生态体系 . 30 （三） AI 终端多领域融合，向垂直行业渗透 . 31 （四） 软件框架降低使用者技术门槛，扩展 AI 终端创新群体 . 31 1 一、智能手机产业发展基本态势 （一）智能手机市场趋于饱和 从市场规模来看，智能手机市场进入滞涨期。 据 IDC 统计数据显示，全球智能手机出货量在 2015 年达到峰值，之 后出现放缓趋势。 2017 年全球智能手机出货量同比下滑 0.1%， 2018 年前三季度出货量达到 10.3 亿部，较 2017 年下滑 2.9%。从国内市场来看，由于 4G 市场趋于饱和， 5G、 AI 等新技术尚未成熟，新的市场需求刺激不足导 致换机周期拉长，我国智能手机出货量连续六个月负增长，市场呈现 加速下滑态势。 54000 52000 50000 48000 46000 44000 42000 40000 图 1 2012-2018 年全球智能手机市场出货量统计 据中国信通院数据统计， 2019 年第一季度国内智能手机出货量 总和达到 7693 万台，较 2018 年同比大幅下滑 11.9%，下滑趋势较全球市场更为明显。 Digitimes Research 的数据显示， 2019 年第一季度中国手机制造商的智能手机出货量季度环比下降 30.5%，同比下降 5.8%，至 1.4 亿台。而 Canalys 的一项研究估计，中国智能手机市场 2012Q12012Q22012Q32012Q42013Q12013Q22013Q32013Q42014Q12014Q22014Q32014Q42015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42 9月 10 月 11 月 12 月 2019年 2018年 6月 7月 8月 4月 5月 2017年 1月 2月 3月 5000 4500 4000 3500 3000 2500 2000 1500 1000 500 0 第一季度同比萎缩 3%。 图 2 2017-2019 年国内智能手机出货量统计 从技术架构来看，智能手机硬件技术处于微创新阶段 。 据企鹅智库发布的调研报告，自 2017 年起，用户的换机频率明显下降：从未用过 iPhone 的安卓用户中，至少一年一换的用户比从 34.7%下降到了 23.5%； iPhone 用户每年换机占比则下降至 16%。造成这一现象的主要原因在于 4G 浪潮褪去，智能手机创新势头放缓，性能提升主要围绕硬件规格的升级。纵观 2017 年至 2018 年，智能手机创新依旧主要围绕双 4G、全面屏、 FaceID、无线充电等既有技术，双 4G 技术仅针对有双卡需求的部分用户；无线充电技术还在发展过程中，存在充电速度较慢、发热严重、标准不统一等问题；全面屏技术经过多年发 展，屏占比已超过 90%关口，继续提升的空间十分有限；而人脸识别 技术用户体验褒贬不一，甚至受到部分用户的抵制。不难看出，近两 年智能手机在总体技术发展上依旧延续现有构架，缺乏颠覆性创新技 术或设计，创新点主要用于提升用户感受以及使用方便度，难以对消 3 2011 2012 2013 2014 2015 2016 2017 2018 10% 0% windows 20% Android IOS 塞班 黑莓 80% 70% 60% 50% 40% 30% 费者换机形成真正的强驱动力。 从操作系统来看，寡头垄断市场格局已经确定。 全球智能手机操作系统市场垄断态势明显 ，其中安卓占据 86%的市场份额， iOS 占据 14%，其余操作系统的市场份额基本为零。纵观 2011 到 2018 年，随着手机产业从功能机到智能机的时代转型， Android 凭借其开源优势， iOS 凭借极致的用户体验，逐步打造了开放和封闭两种截然不同的生态模式，瓜分了手机操作系统的市场。随着智能机市场进入成熟稳定 发展期，操作系统双寡头局面形成并稳固。 图 2 2011 至 2018 年几种主流操作系统占比变化 从应用程序来看，数量持续增长，应用场景、应用模式固化。 随着智能手机的逐渐普及，其智能化的核心载体移动应用软件 （ 下文简称 app）呈现井喷式的增长，对人们的社会生活方式和经济生产方式产生了深刻的影响，成为推动整个社会变革的重要抓手。例如 Whatsapp、微信等即时通信类 app，基本代替了手机原本的运营商短信甚至语音业务，成为智能手机必备的基本功能之一。然而，据 4 Gartner 数据的不完全统计显示，即时通信、搜索引擎和网络视频几 类应用分别占据了 90%、 80%和 70%以上的使用率，表明移动应用改变 人们生活习惯的爆炸式突破后，其新增数量虽然持续上涨，但应用种 类和每种类别的头部应用却相对持平，用户对移动应用的使用情况基 本稳定在几种特定的应用上，应用的使用模式和使用场景也相对固化， 缺少突破。 0.95 0.9 0.85 0.8 0.75 0.7 即时通信 (%) 搜索引擎 (%) 网络新闻 (%) 网络视频 (%) 网络音乐 (%) 网上支付 (%) 网络购物 (%) 0.65 2018Q4 2018Q2 2017Q4 2017Q2 数据来源： IDC 统计数据 图 3 移动互联网用户 app 使用情况 （二） AI 技术趋于实用化，从云侧向端侧延伸 人工智能与行业领域深度融合。 当前 AI 应用百花齐放，产业化发展由人工智能本身转为人工智能驱动， AI 融合赋能成为趋势。当前 AI 主要与安防、金融、交通、教育、医疗等领域相融合，利用深度学习、语音识别、人脸识别、机器视觉、逻辑推理等人工智能领域 关键技术，支撑各行业的快速发展，为互联网创新提速注入能量。 人工智能技术端云一体态势初现。 传统而言，很多对神经网络的 5 训练和推理都是在云端或者基于服务器完成。随着移动处理器性能不断提升，连接技术不断演进所带来的完整可靠性，很多人工智能推理工作，如模式匹配、建模检测、分类、识别、检测等逐渐从云端转移 到了手机侧，其主要原因可归结为以下三点。 一是用户使用场景所需。 2018 年是人工智能大众化应用的开始， 而移动手机作为当前互联网服务的主要入口，对人工智能功能需求也 越来越迫切，虚拟助手、图片处理、图像识别、人脸解锁等应用成为 主流。二是提升用户体验所需。手机侧人工智能的关键优势包括即时 响应、可靠性提升，此外，还能确保在没有网络连接 的情况下用户的 人工智能体验能得到保障。三是数据隐私保护所需。个人数据隐私问 题将成为人工智能领域除了技术、应用之外的一大热点。 尽管在这场迁徙中还面临着异构解决方案的融合、硬件开发成本、手机算力瓶颈等问题，但人工智能从云到端的演变已经在路上，未来 人工智能算力将是端侧、边缘侧和云端的协同发展。 （三 ） AI 与手机融合创新空间广阔，手机企业加快布局 AI 应用范围不断扩大，极大提升使用体验。 一是图像领域，其应用场景聚焦于场景识别、美颜、相册分类、背景虚化、暗光增强、人脸识别和文字识别。二是语音领域，包括智能助手 、语音翻译、语 音搜索等。其中，智能助手是目前使用最为广泛的功能，其语音识别能力更让人机交互体验达到了前所未有的便捷。三是系统软件领域， 终端从系统层面进行自适应优化，应用场景为内部资源智能感知分配和用户 /应用行为预测，用于提升系统流畅度、降低资源消耗（如节 6 电 ） 、解决安卓手机卡顿等。四是虚拟 /增强现实（ VR/AR）类领域， 虚拟现实的沉浸式体验给用户带来了全新的使用感受，而增强现实本身就是一种对周围环境的智能化感知， AI+5G+AR/VR 模式将突破传统应用壁垒，成为 AI 在终端应用的一大亮点。 领先智能手机企业向 AI 战略转型。 一是软硬件齐推进：华为在 2018 全联接大会上首发 AI 战略，从轮值董事长徐直军的话语不难发现，华为已经 ALL in AI； vivo 于 2018 年 7 月宣布成立 AI 全球研究院，希望打造人工智能软硬件平台，推动手机平台完成从 “ 智能 ” 到 “ 智慧 ” 转型。二是手机 +智能硬件的产品生态链转型模式： 2018 年 9 月上海世界人工智能大会上，小米集团董事长兼首席执行官雷军表 示，要把人工智能作为小米最重要的战略。三是科研专利转型路线： OPPO 早在 2016 年就已经开始投入研发，建立了先进的训练集群和数据中心，并积累了超过 300 项人工智能专利。从这些领先的手机企业争相向 AI 转型的动作不难看出，人工智能将是手机产业的下一个风口浪尖。 （四 ） 明确 AI 手机定义，将促进产业生态良性发展 目前智能手机市场，颠覆性创新短期内难以形成突破，同质化竞争是一个大的态势。产业链厂家着力寻求新的增长点，随着人工智能成为热点， 智能手机厂家纷纷推出 “ AI 手机 ” 。但何谓 “ AI 手机 ” ，国内外产业界尚未形成统一的共识，也缺乏统一的评测规范。定义和边界的模糊造成了消费者的困惑，很多宣称的 “AI 手机 ” 并不能达 到和满足用户的心理期待和使用需求。因此， 对“ AI 手机”进行规 7 范和界定，对引导和规范市场行为、促进产业生态良性发展是十分重要且必要的。 本白皮书编写组认为， AI 手机是具有系统结构 AI 化，业务应用 AI 化的智能手机。其具体特征可描述为：从系统架构上来看， AI 手机应同时满足在硬件层具备 AI 加速单元，软件层支持专用机器学习框架，交互层支持摄像头、传感器、触屏、语音等多种感知方式；且从业务功能和应用场景来看， AI 手机应搭载基于计算机视觉、自然语言处理等技术的应用，能通过收集和分析各类交互信息、感知用户使用习惯来优化系统资源配置、经云侧或端侧进行学习处理，提升使 用效率、降低系统功耗，同时能够结合场景的数据分析和用户行为感 知，为使用者提供更 “ 智慧化 ” 和个性化的服务。 二、 AI 在智能手机中的应用趋势 （一） 端侧异构芯片加速升级，支撑 AI 专用计算力需求 AI 芯片也被称为 AI 处理器，即专门用于处理人工智能应用中涉 及的各类算法的加速计算模块 （ 其他非加速计算任务仍由 CPU 负责 ） 。 AI 芯片算力的高速发展，是工业场景和自动驾驶等高实时性 AI 应用的有力保障。同时，芯片在算力和功耗之间的兼顾和优化，将是端侧 手机 AI 芯片未来发展的重要主题。 通用芯片奠定 AI 算力基础。 提供 AI 算力的通用型芯片主要包含 CPU、 GPU 和 FPGA 三种，这三种芯片在传统上分别擅长复杂串行计算、图像处理和可重构电路。在 AI 计算领域，依据不同芯片结构，这几种芯片各有其优缺点。就目前来说，特别在 AI 训练领域，以 GPU 为 8 代表的传统通用芯片仍是业界 AI 算力的中流砥柱。 图 4 CPU 组成架构示意图 下表对比了 CPU、 GPU 和 FPGA 这三种主要通用 AI 芯片的性能特点、适用场景和能耗。通过下表可以看出 ， GPU 是在智能手机终端上最适合进行 AI 计算的通用芯片类型。事实上，目前主流高端手机处理器的内嵌 GPU 性能都十分强大，执行少量 AI 计算无论是在性能上还是在能效上都是可以接受的。 表 1 通用 AI 芯片间的横向对比 芯片类型 性能特点 CPU 优点 :可处理复杂串行计算和大量逻辑操作 缺点 : AI 计算性能一般 GPU 优点 : 擅长并行线性运算，提供数千个计算核和大量高速内存 ,单元控制逻辑更简单 缺点 : 执行复杂串行计算效率低，成本 （功耗 ） 也较高 FPGA 优点 : 可在电路级重复编程 ,和 CPU/GPU 相比 , 计算效率高 , 门电路直接操作 ,无指令 缺点 : 受设计资源和内存接口限制，峰值性能远低于 GPU