「2019到2020年，全球會有86億支智慧型手機，手機毫無疑問地會成為最大的終端AI（人工智慧）平台，」高通技術公司產品管理資深總監蓋瑞·布洛特曼（Gary Brotman）說道。
都說2017年是台灣AI的元年，那麼AI究竟是如何走進我們的生活中？要數最直接相關、最有感覺的，勢必就是人手一台的智慧型手機了。綜觀市面上，不論是高通、聯發科，華為、蘋果、三星，現在不少手機晶片，都已經具備AI處理能力。
那麼，市佔最高的晶片龍頭廠商高通，又是如何透讓AI，在手機上化為現實？
三大手機AI應用，你有感還是冷感？
談起高通的「AI前世今生」，最早得回朔到2007年。
「當時我們要做第一個針對AI的研究，想看看能不能做一些跟人腦非常相似的處理模式，」 高通技術公司資深總監暨企業研發部門人工智慧研究計畫負責人侯紀磊回憶道。
而後，高通終於把技術化為現實，2015年第一次在旗艦處理器，也就是Snapdragon 820上加入了AI引擎；時間推移至2018年12月，Snapdragon 855在夏威夷發表時也搭載了AI引擎，但這已經是高通第四代的AI手機晶片。
高通畢竟不是OEM廠商，只能打造一個AI平台，讓廠商各自發揮想像，去思考AI究竟可以用何種型態出現在手機上。但侯紀磊觀察，現階段在手機上的AI，主要目的還是為了加強用戶體驗。
「比較常見的有三種應用，第一個類型，是針對檢測、判斷和分類的應用，」聽起來頗為複雜，但侯紀磊解釋，事實上就是像Google助理對話時要用到的語音辨識、相簿圖片分類功能，以及人臉辨識解鎖，這些需要「判斷」的應用。
第二大類則是「回歸類」的模型應用，這些應用是對語音、圖片、影片數據可以起到增強或是再現的效果。像這一類型應用，或許消費者的感受不會那麼大，往往不太會以一項獨立的功能推出，像是通話時語音降噪等等，可以感受到比較明顯的例子，便是手機相機在夜拍時，會有畫質增強效果等類似的優化功能。
至於第三類應用，應該也是近期討論度最廣、對每一個人的生活影響最大的應用--可以判斷、決定的AI，最常見的就是Google助理、Siri這些「智慧助理」，可以對生活中的一些事物進行推薦，甚至是預測接下來會發生的事，給予客製化的選項。
「比如說我早上九點要開會，一般我都八點半出門，但是這個應用發現今天正剛好會塞車，它就會提前給我一個提示，像是你今天可能要提前15分鐘、提前半個小時出門，這已經是從一種智慧的角度，在跨應用進行綜合判斷，給你一個更有用的訊息。」侯紀磊解釋。
各類AI應用，事實上在你甚至不知道它已經導入AI時，就已經滲透在日常大小事中。當然，還有一個更好的例子——美顏，在相片無美顏不歡的時代裡，因為鏡頭本身處理的能力有很大的侷限性，這時得靠大量的AI能力在軟體裡，才能媲美單眼相機，或自動修掉不必要的瑕疵。
5G和AI是互相衝突，還是1+1>2？
然而，隨著5G手機一支支問世，不禁讓人好奇——未來5G對手機上的AI會有何影響？是相互衝突，還是「1+1>2」的助力？
「我不認為它是一種衝突，一旦有了5G之後，它會讓AI的雲端、終端混合模式更靈活地部署，5G和AI應該有這種組合性的互補優勢。」侯紀磊點出，大頻寬、低時延的5G對於AI最大的幫助，就是資料處理、運算時可以直接在裝置上，也可以在雲端上自由轉換。
簡單來說，AI在終端裝置上的研發和商用部署，大致分為三個階段——第一個階段是深度學習模型的訓練和部署全部在雲端；第二個是模型的訓練在雲端，而部署在終端；第三個階段，則是模型的訓練和部署可能是雲端、終端，一種靈活混合的模式；然而，目前幾乎都停留在一、二階段。
「舉個例子，很多時候我們發現，在手機上的語音指令，是事實上都可以在手機上直接處理，但很多時候，如果發現手機處理不夠準確，要把數據送到雲端，或者處理的場景需要雲端的數據和知識時，就要要把自己的東西放上雲端，這種情況下，5G就能夠非常靈活轉換部署。」
或許有點複雜，侯紀磊進一步解釋這麼做的「好處」。比方說私密性高的事情，或是個人化的事情，在手機上的數據就夠用了，可以在終端直接處理，避免雲端大廠擁有用戶的私密性資料；但有些東西秘密性要求不高，或者對於雲端大數據庫有需求，可以放到雲端去處理。
「但要達到這種部署，我覺得可能至少需要兩三年，可能三到五年會更實際。」
AI下一塊領土——教育與醫療
最後，談到AI落地除了手機之外，在垂直產業機會，侯紀磊相當「有感」。
「在企業端，AI落地性也非常的強，像是跟政府、安全相關的監控，在美國和中國都有很多用例，」除此之外，像是銀行風險的監控、投資的決策，以及零售業為了加強客戶體驗，都大量導入了AI能力；而以長遠趨勢來看，未來三到五年侯紀磊認為AI除了導入自駕車外，還有兩大行業潛力最大——醫療和教育。
「我覺得教育上，它可以表現出來的是『個性化』，我舉個例子，比如有些人比較外向，有些人比較內向，有些人可能文科比較好，有些人可能理科比較好，將來AI能夠根據你屬於不同類別的特性，實際上在進行教育的過程中，他的『針對性』就會非常強。正好在機器學習裡面有一個非常重要的領域，叫作強化學習（reinforcing learning），恰恰是說我能不能在跟你互動的過程中，透過瞭解你的特點，能夠使得我能夠更加針對性、更加滿足你個人的特性，強化學習有非常強潛力。」
至於醫療，更不用說，光在台灣，已經有各式各樣的案例導入AI，接下來的應用，仍舊值得期待。
