基于芯片的AI攝影到底有哪些體驗呢？

在咱們身邊，有一個鐵打的定律，那就是一個東西或者名稱火了，馬上就會群起而模仿之。久而久之，這種“微創(chuàng)新”甚至“不用創(chuàng)新”的方式，被國人冠名為“山寨文化”。

互聯(lián)網領域則更是如此，團購火了能百團大戰(zhàn)，O2O火了能全面“開O”，共享經濟火了，愣是連男友女友都能“共享”。

山寨得多，就連技術都可以山寨。比如到了今年，全面屏等技術普及之后，AI似乎成為了各手機廠商普遍希望蹭到的熱點。

那么問題來了，到底實現(xiàn)AI有哪些方法，各種方法最終又會得到什么結果呢？讓我們先從攝影說起，聊一聊手機AI攝影的三個流派。

流派一：用芯片提供AI攝影通用加速

去年，華為發(fā)布了搭載NPU的麒麟970芯片開始，之后蘋果也公開了A11仿生神經芯片。從后來華為、榮耀的相關搭載產品，以及蘋果iPhoneX來看，基于AI專用芯片來實現(xiàn)手機的AI攝影功能，是這類手機的核心AI能力。

這可以看做是手機AI攝影的第一個流派：芯片派。

從底層芯片開始做AI處理能力。有兩個層面的目的，一是在硬件里完成終端AI計算，可以保證攝像任務的實時性和安全性。畢竟攝影任務上傳到云端計算有卡頓可能，斷網后無法工作，圖片上傳服務器面臨的數(shù)據(jù)危險也是顯而易見的。

另一方面，芯片派容易被忽略的目的，在于對AI攝影任務進行通用加速。比如有的玩法要人臉識別，有的直播要讀取動作指令，有的濾鏡要搞空間處理，把這些全擠在CPU、GPU上手機馬上會進入龜速狀態(tài)，用云處理無法支持不說，更喪失了實時體驗。APP的攝影需求有千千萬，目前來看只有在終端有AI處理單元才能滿足這些“未知需求”。

說到底，基于芯片的AI攝影到底有哪些體驗呢？

華為Mate10、榮耀V10以及iPhone X的能力數(shù)據(jù)說明，AI攝影可以體現(xiàn)在識別、動作捕捉、光影分析、AR等幾個方面。

比如iPhoneX利用A11仿生芯片，可以與結構光傳感器、深度陀螺儀進行結合，處理人臉、AR等任務，并可以快速處理圖像識別。

接下來，榮耀、華為的新產品，以及新一代iPhone必然會繼續(xù)這條路。

這個流派的優(yōu)點在于，用戶可以體驗到AI的多樣化和增長性，手機里不是一成不變的AI體驗，而是可以隨著生態(tài)和技術的發(fā)展不斷進化。但問題是芯片流的門檻很高，需要研發(fā)的巨大投入和長達幾年的等待周期。

流派二：基于攝像頭搞AI

第二個AI手機攝影流派，不能不提到讓人愛恨糾葛的谷歌。

眾所周知，谷歌是不大力押注硬件技術的，而是在戰(zhàn)略上選擇強打AI算法優(yōu)勢和云計算強項。這個被谷歌稱為AI First的戰(zhàn)略，已經體現(xiàn)在谷歌各種穿戴、家庭以及移動設備上，其中pixel系列手機也不例外。

去年推出的谷歌pixel2，給出了一個非常特別的AI攝影模式，它沒有專屬的AI芯片，卻利用算法和AI圖像處理單元完成了動態(tài)模糊攝影等攝影能力的補償。甚至把攝像頭切割成非常復雜的成像單元，來供給算法端實現(xiàn)對景深、空間感的AI計算。

這種“吃力不討好”的方式，大概也只有谷歌會做。背后的核心原因，一方面是谷歌希望用戶適應所有數(shù)據(jù)都上傳到谷歌云的生活方式，另一方面也是希望加強AI優(yōu)勢的商業(yè)化通道。

谷歌手機的AI秘訣，不在底層芯片里，而是在攝像頭區(qū)域里藏了一顆專用圖像處理協(xié)處理器，即ImageProcessing Unit （IPU），專門用來結合云計算與算法集群處理AI拍照與視頻任務。

但這樣做的問題是圖像任務會在專門的部件里處理，并且極大程度依賴云計算。但確實一定程度上繞開了開發(fā)芯片的難度，彌補了谷歌硬件上的弱勢。這種劍走偏鋒，讓手機各部件自行AI的思路，有賴于谷歌強絕天下的算法積累，以及云計算處理能力。缺點是：除了谷歌大概沒有人可以嘗試。

流派三：搞個帶算法的APP算了

在手機AI概念火熱起來之后，國內手機廠商似乎很快就按耐不住了。雨后春筍版的“AI攝影”字樣應運而生，于是也催生了AI攝影的第三個流派：APP派。

所謂APP派很好理解，想一想我們用的各種美顏拍照相機、動態(tài)美顏錄制應用等等，這些能力，在今天基本都要用到AI算法來實現(xiàn)更好的效果。比如美圖秀秀旗下的美圖相機，就是在APP里集成了機器學習算法，用來識別拍攝人像和背景、光源間的關系，從而把人像分離出來。

假如把這種基于算法的“AI應用”或者“AI濾鏡”，直接搭載到產品攝像頭里，說這是AI攝影功能，行不行呢？

好像，大概，可能，也可以吧？

前不久，紅米Note5主打了所謂“千元AI雙攝”打開了這場關于AI的宣傳戰(zhàn)序幕。隨后vivo X21也以AI攝影能力作為宣傳。從產品說明中可見，這兩部手機的解決方案基本就是上文所說的“AI濾鏡”模式：開發(fā)具有一定識別特性的攝影功能，然后在不卡的前提下部署在手機中就可以了。

剛剛發(fā)布的小米Mix2S，也是走這種解決方案。即在手機相機中初始化搭載“美圖相機”之類APP的算法功能。比如場景識別拍照、用機器學習進行人臉和人體輪廓識別，自動進行背景虛化和摳圖等等。

這類手機的問題，在于芯片和攝像頭中缺乏專項處理AI任務的單元，一旦運行高負載的AI任務就需要呼喚云端。而云端的響應速度不夠，就可能導致AI攝影的識別率和準確率下降。

舉個例子，處理夜拍效果時，手機需要運用光源捕捉、空間捕捉等AI算法，從而實現(xiàn)夜晚中清晰拍照和光源還原。

而這類APP派假如要加載夜拍類的AI應用就有點尷尬了。因為這類深度學習的負載很大，用傳統(tǒng)移動芯片+云計算來跑這類AI拍攝任務，會出現(xiàn)黑夜一層層褪去，半天無法對焦。拍照之后又要上傳到云端進行很長時間“處理”，精準度和體驗都很差。而一旦沒網就更麻煩了。所以我們能看到的是，目前大部分國產手機宣傳所謂的AI拍照時，都絕口不提夜拍、動作捕捉等復雜任務。

于是，這個流派中消費者看到的宣傳材料里的“AI拍照”，也就變成了整個手機的全部AI能力。其實這些能力弄個不算太差的手機下載個相關APP就可以實現(xiàn)了，單獨作為一款產品的主要宣傳材料就有點奇怪。