相較于云端AI需要用戶將數(shù)據(jù)發(fā)送到云端進(jìn)行處理，存在網(wǎng)絡(luò)穩(wěn)定性、隱私安全等問題。隨著終端算力的提升，端側(cè)AI本地處理數(shù)據(jù)的高隱私性以及對用戶使用習(xí)慣的智能感知，將為用戶帶來更可靠的個性化優(yōu)質(zhì)服務(wù)。
LiveVideoStack：莊光庭，你好，很高興代表LiveVideoStack采訪你。對于LiveVideoStack的讀者來說，OPPO和您可以說是“新面孔”，能否先向大家做下簡單介紹？
莊光庭：很高興有機(jī)會可以在LiveVideoStack進(jìn)行些AI和視頻相關(guān)技術(shù)的分享與交流，我是OPPO AI多媒體技術(shù)總監(jiān)莊光庭。OPPO致力于手機(jī)研發(fā)，為用戶提供至美科技的體驗，公司也持續(xù)在5G、AI、視頻、IOT等領(lǐng)域技術(shù)加強(qiáng)投入。希望可以借由LiveVideoStack和業(yè)界的技術(shù)專家們交流，共同激發(fā)更能提升用戶使用體驗的技術(shù)。
LiveVideoStack：從2G文字時代開始，到4G、5G視頻時代的再次爆發(fā)，AI技術(shù)曾經(jīng)歷過不止一次的高潮與低谷，你如何看待這一演進(jìn)歷程？
莊光庭：每次技術(shù)的演進(jìn)都伴隨著整體生態(tài)的改變。從2G的語音通訊開始，當(dāng)時更多的還是在從以局域網(wǎng)為主的大型主機(jī)時代逐漸過渡到PC互聯(lián)網(wǎng)時代。直到3G時代，原本運(yùn)營商期待透過視頻通話搶占市場的主要特性也沒起來，但越來越多的業(yè)務(wù)逐漸遷移到了互聯(lián)網(wǎng)云側(cè)。到了4G時代，對于所有應(yīng)用入口，手機(jī)終端已經(jīng)逐漸取代PC占據(jù)八成以上份額，移動互聯(lián)網(wǎng)成為主流。而5G時代，也是運(yùn)營商、互聯(lián)網(wǎng)、移動終端廠商重新洗牌竟合的關(guān)鍵時刻。各家企業(yè)都很看重AI、5G、AIOT、VR/AR等技術(shù)是否會引出新形態(tài)的Killer產(chǎn)品及應(yīng)用。對此演進(jìn)歷程，我們還是可以看到許多的創(chuàng)新�；蛟SAI技術(shù)會從2015年IMAGENET/AlphaGO/…所帶動起來的高潮，逐漸穩(wěn)定固化，并成為萬物互融時代下，滿足5G視頻及AIOT業(yè)務(wù)的剛需技術(shù)。
LiveVideoStack：5G 高帶寬、低時延，更多連接的特性為各行業(yè)的發(fā)展帶來了新的變革。5G時代的來臨將推動哪些AI應(yīng)用場景的快速落地？
莊光庭：目前我們觀察到5G的三大特性、高帶寬、低時延、更多連接，最直觀的收益應(yīng)用還是在視頻、VR、遠(yuǎn)程會議、AIOT等場景下。設(shè)備間的互聯(lián)會從有線連接，全方面的遷移到無線連接。萬物互融成為可能，所以O(shè)PPO今年整體的技術(shù)及業(yè)務(wù)方向也是朝萬物互融開拓及摸索。
LiveVideoStack：阿里、小米等各大廠商紛紛開始著手自研AI芯片，隨著AI 在智能？機(jī)與智能設(shè)備中的應(yīng)用越來越廣泛，什么樣的芯片才能夠真正適應(yīng)終端智能的需求？
莊光庭：對智能手機(jī)而言，視頻業(yè)務(wù)已經(jīng)逐漸取代了由文字、圖片所組成的業(yè)務(wù)服務(wù)，5G技術(shù)的來臨，視頻相關(guān)的技術(shù)需求肯定是最關(guān)鍵的。AI芯片除了要滿足DSP對視頻編解碼的需求外，必定還需要支撐視頻后處理的功能，因此對端側(cè)的視頻AI高算力需求是存在的。同時，面對AIOT多設(shè)備連接，和智能感知服務(wù)，長時間低功耗運(yùn)行的AI能力也同時需要。所以可以同時克服高算力及低功耗兩個截然不同方向的芯片能力，應(yīng)該才能真正適應(yīng)這變化萬千的智能終端需求。
LiveVideoStack：在實際應(yīng)用場景中端側(cè)AI技術(shù)相比于云端AI技術(shù)，具有哪些優(yōu)勢和不足？
莊光庭：端側(cè)AI的發(fā)展相比于云側(cè)AI，限制及差異是巨大的，技術(shù)在各方面都有劣勢。端側(cè)AI不僅在算力、功耗、內(nèi)存、芯片架構(gòu)等方面存在巨大差異，而且對數(shù)據(jù)基本是沒有掌控的。如何在保護(hù)數(shù)據(jù)隱私的前提下提供給用戶最佳的算法模型是極大的挑戰(zhàn)。云側(cè)在數(shù)據(jù)、算力、功耗、內(nèi)存、平臺方面并不存在像端側(cè)這么大的挑戰(zhàn)和限制。但端側(cè)AI也并不是完全沒有優(yōu)勢，端側(cè)AI對數(shù)據(jù)隱私的保護(hù)，相對而言是天然完美的屏障，所有數(shù)據(jù)可以都在端側(cè)進(jìn)行處理用后即焚，數(shù)據(jù)比較容易被保護(hù)及限制在端側(cè)設(shè)備中。另外一個優(yōu)勢就是在滿足隱私保護(hù)的前提下，基于用戶的使用習(xí)慣，更容易智能的提供差異性的個性化服務(wù)，同時保障用戶隱私又提供用戶智能感知推薦的服務(wù)。AIOT的設(shè)備普及后，借由多設(shè)備分布式智能融合計算，可以更輕易的提供小型化、輕量化低功耗的端側(cè)AI服務(wù)。
LiveVideoStack：近期，“Zoom隱私安全問題”掀起了一股新的風(fēng)波。對于AI可能存在的數(shù)據(jù)隱私問題，在端側(cè)AI平臺的設(shè)計和開發(fā)中會通過哪些技術(shù)或優(yōu)化來更好的保護(hù)用戶的隱私？
莊光庭：隱私安全問題一直是軟件技術(shù)最關(guān)注的一個基礎(chǔ)問題，用戶的數(shù)據(jù)是否會因為新的AI功能，暴露了新的漏洞及落點(diǎn)，這一定是每個技術(shù)研發(fā)人員要竭盡全力避免的事。當(dāng)前我們在設(shè)計端側(cè)AI平臺，我們希望從簡單直接的安全加密保護(hù)逐漸遷移到芯片等級的安全通路設(shè)計，同時采取用后即焚的數(shù)據(jù)處理策略，避免數(shù)據(jù)緩存被攔截竊取及篡改等。
LiveVideoStack：正如端上算力的不斷增強(qiáng)推動端側(cè)AI技術(shù)的發(fā)展，智能手機(jī)以及移動設(shè)備硬件條件的差異化也同樣帶來了不小的難題，應(yīng)該如何應(yīng)對？
莊光庭：移動終端等差異化，是我們端側(cè)AI最頭疼的問題。時常我們設(shè)計了一個先進(jìn)的算法，卻因為硬件的差異，而無法全面鋪開到所有產(chǎn)品，或是只能折衷采取裁剪的方式，讓算法可以適配更多的智能終端。更嚴(yán)重的是，企業(yè)很可能需要付出更多的人力預(yù)算來滿足所有硬件產(chǎn)品上的功能開發(fā)。因此針對硬件條件的差異化帶來的諸多難題，端側(cè)AI的平臺承擔(dān)了極大的責(zé)任，需要克服端側(cè)硬件的差異性，我們采取分層的設(shè)計，將算法對硬件適配的工作復(fù)用，支撐所有算法團(tuán)隊聚焦開發(fā)他們的功能特性，屏蔽算法模型對硬件的耦合程度，極大化的避免各個算法團(tuán)隊重復(fù)造輪子的工作。
LiveVideoStack：除了隱私問題，硬件差異帶來的影響之外，端側(cè)AI的實現(xiàn)還有哪些痛點(diǎn)以及需求？
莊光庭：端側(cè)AI的需求簡單可以分為幾個方面，比如高性能、高品質(zhì)、低時延、低功耗、超融合等大方向。這幾個大方向圍繞著視頻、游戲、顯示、音頻、投屏、場景感知、AR/VR、云游戲、設(shè)備連動等場景展開。而痛點(diǎn)除了數(shù)據(jù)隱私、硬件差異，我們發(fā)現(xiàn)端側(cè)還存在能力無法共享、應(yīng)用需求差異大、實時運(yùn)算要求高、模型算子支持度差、AI算法迭代速度快、運(yùn)行內(nèi)存受限、第三方合作困難等問題。
LiveVideoStack：總得來說，端側(cè)AI技術(shù)目前還處于爆發(fā)前的急速發(fā)展階段，未來的“AI”又會呈現(xiàn)出怎樣的形態(tài)、面貌？會有哪些令人驚嘆的場景及應(yīng)用？
莊光庭：未來的AI，肯定會朝著技術(shù)融合，基于用戶體驗的AI業(yè)務(wù)能力展開。舉例來說以前可能只是基于CV的AI算法能力的具備，直接提供物體識別的AI能力。未來肯定會是多模態(tài)基于各種傳感器的多通道訊息，提供一個整合的服務(wù)給到用戶。比如，智能設(shè)備可以分析用戶喜歡聽的音樂，分析出用戶的喜好歌手，推薦歌手相關(guān)的演唱會訊息給到用戶。又或是未來對話系統(tǒng)、AR眼鏡成熟之后，虛擬的家庭陪伴看護(hù)，或許會逐漸取代基于文字及語音的智能助手。我們可以透過表情、語言、手勢、視覺等訊息，搭配AR技術(shù)，借由手機(jī)為入口，虛構(gòu)出一個學(xué)生家教、家庭看護(hù)、健身教練、等虛擬人物來輔助用戶。這些場景都有可能在不遠(yuǎn)的未來會實現(xiàn)。
