下半场：从扁平到立体
尽管得到了上游芯片厂商的支持，但也只是标志着手机AI军备竞赛的下半场将正式开始。因为当大家在硬件层面都处在同一起跑线的时候，竞争会变得多样化。
如果说手机AI 1．0是二维平面，单纯依靠智能手机的终端硬件——AI芯片来在端侧实现；那么如今手机AI 2．0的时代业已成为一种三维的通路：面对日益复杂的AI工作场景，需要从芯片、终端再到云端进行协作运算。在这方面，华为的HiAI平台则跑在了前面。
首先，芯片硬件的AI算力是实现AI功能的物质基础，AI算力的强弱决定了智能手机执行AI任务的速度。
以风靡全球的Prisma软件为例。作为第一款结合了人工智能技术的滤镜软件，一经问世便走红全球，它的特点在于将用户的照片赋予梵高的《星空》等经典大作的风格。其实现原理就是AI中的“卷积神经网络”学习，在用户选择要添加艺术滤镜的原照片后，Prisma软件便开始了“物体识别－－纹理合成－－风格提取－－图片合成”这一系列的工作流程，这其中最难的工作就是物体识别。
在一张集成了错综复杂的线条、色彩与光影的照片中，如何较为精准地区分出物体的轮廓？这就回到了卷积神经网络技术，通过不断的训练与学习，一步步地对目标图片中物体进行“筛选”和“过滤”，最后就会得到较为清晰的物体轮廓，进而用算法生成与经典画作一样风格的照片。因此在进行AI任务，如用Prisma软件修图时，拥有不同AI算力的智能手机表现也会有显著的差距。华为麒麟980等集成独立NPU单元的Soc对于卷积神经网络运算的支持更加到位，这是由于卷积神经网络在运算时需要进行大量的并行计算。相比依赖CPU等进行AI运算的芯片，具有独立NPU的芯片有着4倍的速度与仅仅1／50的功耗。
其次，AI功能的落地离不开软件的支持。华为在软件上打造了一个完成度非常高的AI闭环。从打开手机开始，用户可以使用系统层面的智能情景助手和智能语音助手小艺；打开相机，可以用AI摄影大师进行场景识别并自动优化拍摄参数；打开AI识物可以识别食物的卡路里、搜索看到的商品或者进行即时翻译，等等……用户随时随地都在使用着真实可感的AI服务。
另外，随着对于复杂AI工作场景的不断开发，必然要实现终端（智能手机）到云端（服务器）的协同计算。因为硬件本身的算力毕竟是有限的，只有借力于云端服务器，才能实现更好的AI运算。
譬如当用户将镜头对准一只不知其种类的小狗，终端和云端的AI接力开始。终端芯片凭借NPU迅速地识别镜头下小狗的各种特征，首先识别出它是一只狗，但可能储存在手机内部的算法并不知道具体是一只什么狗。此时云端存储的不同品种小狗的特征进行对比和校验，最后在屏幕上显示出小狗的准确种类让用户了解，这只是一个很小的AI协同工作的场景，但举一反三，未来在手机会做出更多令人期待的功能。
因此在华为HiAI 2．0中，开发了基于 “芯、端、云”三层AI生态，HiAI Foundation芯片能力、HiAI Engine应用能力与HiAI Service服务能力，以芯、端、云结合的三层开放能力满足开发者的各种需求。在未来，更多成熟的AI应用一定是有赖于完善的AI计算与开发平台。打通芯片（硬件）—系统及APP（软件）—云端（计算）这一完整的通路，才能实现更好的AI功能。
总结：
如今的智能手机行业显然已经到了一个关键的十字路口。处理器性能的单纯提高和硬件上的进化，在过去的十年里充当了这个行业主要的任务，而在这些基础性能之上，如今AI已经成为智能手机通向未来的一把钥匙，在算力和数据的马太效应之下，会加速智能手机AI的进化速度。对于智能手机来说，随着上游芯片厂商的推动，AI的上半场已经逐渐尘埃落定，而下半场，哨音已响。
