旷视联合IDC发布AI+手机行业白皮书：CV将成手机行业关键

AI手机处于初始阶段

IDC白皮书指出，AI经历 60 多年的起落沉浮，终于在新一轮数字化浪潮下步入成熟期，渗透到社会生活的各个角落。可以说，AI 的大幕已经开启，人类世界正处于继蒸汽时代、电气时代、信息时代之后的又一次伟大变革时代。

另一方面，如今手机成为承载人类数字化生活与工作最重要的设备。AI 时代的到来，将为手机带来翻天覆地的变化，从而突破现有的发展瓶颈，衍生出更加多元的应用，展开更为庞大的市场图景。

然而，智能手机市场正面临艰难的转型期。经过十年的黄金发展期，在 2017 年，智能手机行业遇到了发展的重要转折点。

此外，终端消费者的购买行为正在发生转变，“品质”正在成为重要的考量因素之一。

2017 年，越来越多的手机厂商意识到了 AI 给智能手机行业带来的价值，纷纷推出了自己的 “AI+手机” 。2018 年，主流手机厂商更是在各自的旗舰机型中全面引入 AI 技术，甚至搭载 AI 芯片的手机正在成为市场的主流。

但是，同样我们也看到，目前的“AI+手机 ”还处在较为初级的阶段，很多的功能应用还具有局限性，只是在部分特定场景下才能发挥作用，距离真正的“AI 手机”普及还有不小的技术门槛。

（AI技术在手机应用中的渗透率）

那么，什么才是真正的AI手机呢？

IDC在AI+手机行业白皮书中指出，AI对于智能手机的价值，是能够提前预测用户需求，主动给出相应指引或回应，实现从 Smart 到 Intelligent，AI解锁仅仅是行业向前迈出的第一步。

从上图中我们还可以明显的看到，视觉应用是手机 AI 应用中最主要的诉求，主流的手机 AI 应用大多与视觉应用相关(蓝色柱状图)，可以说，提升视觉技术是当前是改善用户体验最直接和最有效的手段。

在 2017 年《IDC Consumerscape 360°》调研中，51%的用户会将拍照作为购买手机的七大选择因素之一，视觉应用正在成为提升用户体验，影响用户购买行为的重要指标。而计算机视觉技术恰逢其时的成熟与市场需求让视觉AI正在成为行业竞争的“护城河”。

（当你购买手机时，影响你采购决定的 7 个最重要的因素是什么? ）

计算机视觉已经成为手机终端不可或缺的技术。视觉技术应用的好坏，已经成为评判一款手机产品重要的指标之一。

想要给最终用户带来超预期的视觉体验，需要产业链的协同发展。视觉技术的推陈出新，与产业链的发展紧密相连，“应用”、“算法”、“解决方案”、“硬件”任何一环的短板都会使技术创新的价值大打折扣。

因此，IDC 将计算机视觉技术对 AI 手机的影响分为四个层面，每一个层面的创新既相对独立，又互相促进。利用新器件、新算法，打造新方案、探索新应用，改善用户体验，提升用户粘性，是AI手机快速普及的重要助推力。

计算机视觉应用全景图

应用层

从应用方面来看，计算机视觉技术是赋能者。视觉在手机 APP 中具有丰富的应用场景，而创新算法赋能的视觉应用，将帮助 APP 开发者创造出无限的可能。从技术上来看，计算机视觉 技术在手机的应用主要可以分为三大方向：识别与认证、AI 摄影、3D 视觉。

3D视觉是手机视觉技术最具潜力的应用。随着光学器件的提升，3D视觉将原来平面的数字世界做到立体。

IDC 认为，3D 视觉将实现计算机视觉在手机领域的重大突破，为手机应用打开了更为广阔的空间，例如：AR 游戏、虚拟试穿等应用，未来 3D 能为 “AI 手机” 带来更多的想象空间。

但是在前面的调研数据也可以看到，目前基于 3D 的视觉应用还不普及，应用、算法、 硬件、解决方案之间的技术壁垒还没有完全打通，需要有更为简单和高效的技术方案来进行一站式的整合，需要产业生态进行更深度的融合与协作。

算法层

算法是应用的灵魂，算法的优劣决定着应用体验的差异。

目前，计算机视觉普遍采用基于深度学习的算法。深度神经网络的办法弥补了手工设计特征的缺陷，非线性变换可以做非常多次，特征表示能力显著提高，并且可以自动地训练所有参数，大幅提升了视觉算法的效率。

此外，在同样的算力下可以提供更高的精度和更快的速度同样重要。尤其是在手机应用领域，手机由于受到成本、外观、电池容量、供应链等多种因素的限制，需要保持性能、体验和价格的平衡，如何在有限的算力基础上输出最好的结果，这对算法提出了更高的要求。

算法层同时需要开放和易用。算法层除了需要创新，更需要实用，需要支持标准化、开放性和易用性，可以被更多的开发者高效的集成到应用之中，通过人脸识别、人脸检测、人脸建模等算法，满足用户需求。

解决方案层

如果说算法层更多的是为应用层服务，解决方案层更多的是为硬件层提供支撑。随着视觉应用的场景化，不同的场景需要不同的视觉解决方案，底层算法需要根据不同的应用场景提供深度计算、深度修复、深度优化、标定、畸变校正等不同的能力，并针对双摄、三摄、深摄等不同光学器件提供个性化的优化方案。此外，任何被制造出来的光学器件都不可避免的具有偏差，如何利用算法对其合理的优化是视觉应用中重要的一环。

硬件层

最后是硬件层，要想达到最佳的视觉效果，摄像头、传感器、芯片及硬件模组的作用毋庸置疑。特别是 3D 光学器件的成熟，未来基于 3D 技术的应用将快速普及。同样，如前文所述，任何一个应用的爆发都不只是某一个环节的成功，应用、算法、解决方案和硬件之间的有效整合至关重要，双目、结构光和 TOF 方案都需要高清摄像头、IR 投射器、IR 接收器、激光发光器等设备的搭配组合，实现软硬一体，协同发展的产业生态。

我们可以发现，AI视觉产业生态的整合正在发生。以高通(Qualcomm)、联发科(MTK)、紫光展锐等公司为代表的芯片厂商，以及以奥比中光(Orbbec)、艾迈斯(AMS)、舜宇光学(Sunny)、奇景光电(Himax)、Bellus-3D等公司为代表的光学器件和模组厂商，正在通过战略合作、资本入股等形式与上层的算法和应用公司进行深入合作。

随着 AI 应用场景的不断拓展，视觉应用需求更加强烈，但是开发周期和技术门槛、手机设计的特殊要求等，让视觉技术的产业整合势在必行，应用、算法、解决方案、 硬件等多方供应商需要紧密配合，才能将用户体验做到极致，未来视觉技术的产业链将向融合发展的方向不断整合。

计算机视觉技术发展前景广阔

IDC在白皮书中指出，计算机视觉技术封装将成为手机产业链的关键环节。

一方面，计算机视觉将与元器件相结合，提升在收发端数据获取的数量和准确性。将计算机视觉技术运用于收发组件组成的传感系统，可以形成嵌入式计算机视觉感知系统，使前端设备不仅能完成基础的视觉感知，即将被检测的目标转换成图像信号，还能将信息进行初步的识别和分类，并将处理结果实时转变为数字化信号并输出结果，实现更智能的自动识别功能。

经过初步处理、筛选与分析，数据的准确性与针对性进一步提升，将减轻传输过程中的带宽压力，从而避免数据丢包与压缩引发的信息丢失或误差，使后续的智能分析收益，提高整个过程中的准确性。

另一方面，计算机视觉算法将与芯片深入融合，提升数据分析质量。计算机视觉可以将一些特定的图像算法通过芯片的方式实现，并融入基于神经网络的深度学习，实现数据和计算的并行处理，从而突破给定计算量设备上的带宽限制和算力限制，优化逻辑运算。

同时，深度学习的成功应用也将倒逼神经网络的升级，使网络设计日趋完善，并进一步优化视觉分析过程，全面提升数据分析结果的质量。

计算机视觉是 AI 最为成熟的技术之一，其应用已经在政府、金融、互联网等行业市场率先落地。但是，整体而言，计算机视觉的应用仍处于起步状态，当前市场关注度、渗透率及技术采用度相对较高的应用场景，如人脸识别、物体识别、物体检测等还停留在较为基础的物体探测阶段，在更具体 的事件检测、更灵活的人机交互及更复杂的信息重组、自主行为等方面的应用明显不足。可以说， 当前的应用仅是冰山一角，未来的发展前景明显更为广阔。

（计算机视觉全景应用图谱 ）

随着万物互联的物联网时代的到来，AI 面临着全新的发展机遇，与物联网的结合将更为紧密。越来越多的物联网设备接入网络，通过嵌入式模组、计算单元、感知单元等将物理世界数字化，获取丰富的数据，大大提升 AI 的感知能力，为 AI 奠定坚实的数据基础，让充分的数据价值挖掘成为可能。

同时，AI 通过深度学习技术，可以迅速形成高结构化、高可用性的知识，让物联网设备变得更 为智能，更能理解用户，从而在各个行业应用场景中提升效能。

旷视在手机“AI化”浪潮中扮演什么角色？

旷视科技副总裁 谢忆楠

作为业界最早一批进军AI移动智能终端产业的人工智能企业之一，旷视科技也是手机AI解决方案提供商，在以AI助力手机厂商差异化增长的过程中，旷视有自己的思考和实践。

2017年，旷视开始将核心AI技术应用拓展到了手机行业，基于核心的深度学习和计算机视觉技术推出人脸支付、人脸识别解锁、人像光效、人像背景虚化、视频美化、3D Animoji等一系列移动端AI产品，以满足不同手机厂商在人脸解锁、图像增强、相机增强、智能图像和视频处理上的需求，在不到一年的时间内已经与华为、小米、vivo、OPPO等国内头部手机企业实现深度合作。

旷视科技在AI+手机行业白皮书中分享了其在解锁、支付、人像处理等场景的应用创新，其中包括首款搭载3D结构光的量产安卓机型OPPO Find X，通过海量的数据训练和自主研发的核心算法，旷视为OPPO Find X提供的3D人脸解锁支付及3D人像光效能力，为用户带来更好的人机交互体验；而在与vivo 的合作中，旷视科技为只保留前置单摄摄像头的vivo X23提供了红外双通零光感人脸解锁方案，以综合解锁体验、安全性和硬件成本。10月18日刚刚发布的联想S5 pro中，也融合了旷视的AI能力用于解锁、3D美型和人像光效处理。

获得资本的青睐，靠“务实”

作为一家以人工智能为核心的物联网解决方案提供商，旷视从不缺乏资本的青睐。

2017年10月31日，旷视科技在宣布正式完成 C 轮 4.6 亿美金融资，这一数字也打破了当时国际范围内人工智能领域融资纪录。相比其他CV领域的公司，旷视有哪些独特的优势？为什么会被吸引投资界如此看重？

“深度学习目前在整个计算机视觉领域的应用非常多，但是却存在着短板，”谢忆楠认为，“深度学习的短板在于需要进行大量的监督式学习，这和人靠经验和常识不同，机器学习需要大量的数据标签和训练过程。另外，机器学习在解决很多新的场景问题时也不如人类，未来，算法能力的提升要求从监督学习到小样本无监督学习转变，而这是旷视科技的长处。”

“另一方面，旷视是一个务实的公司。”谢忆楠说道，“一家创业公司融资，可能在A轮、B轮时靠demo，但在C轮时能拿到融资必定是商业模式经过验证的公司。”

旷视是进行商业化落地较早的公司，因此能够获得资本的青睐不难理解。他说道，资本市场进入寒冬阶段是整个行业的不幸，但是优胜劣汰，却对真正务实，真正做技术和解决方案的公司来说是一件好事。

据了解，除了在手机和摄像头上应用AI，旷视还于今年4月份收购了艾瑞思机器人公司，开展智能机器人业务。谢忆楠表示，旷视不仅在做人脸识别，它还是一家计算机视觉公司，旷视不仅要做机器人的眼睛，更要深入研究机器人的手和腿。

“未来，我希望设备可以具备与人协作的能力，产生更多价值，旷视未来探索的方向将包括开发产生数字化数据的智能化设备。”谢忆楠说道。