相較于云端AI需要用戶(hù)將數據發(fā)送到云端進(jìn)行處理，存在網(wǎng)絡(luò )穩定性、隱私安全等問(wèn)題。隨著(zhù)終端算力的提升，端側AI本地處理數據的高隱私性以及對用戶(hù)使用習慣的智能感知，將為用戶(hù)帶來(lái)更可靠的個(gè)性化優(yōu)質(zhì)服務(wù)。
LiveVideoStack：莊光庭，你好，很高興代表LiveVideoStack采訪(fǎng)你。對于LiveVideoStack的讀者來(lái)說(shuō)，OPPO和您可以說(shuō)是“新面孔”，能否先向大家做下簡(jiǎn)單介紹？
莊光庭：很高興有機會(huì )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)總監莊光庭。OPPO致力于手機研發(fā)，為用戶(hù)提供至美科技的體驗，公司也持續在5G、AI、視頻、IOT等領(lǐng)域技術(shù)加強投入。希望可以借由LiveVideoStack和業(yè)界的技術(shù)專(zhuān)家們交流，共同激發(fā)更能提升用戶(hù)使用體驗的技術(shù)。
LiveVideoStack：從2G文字時(shí)代開(kāi)始，到4G、5G視頻時(shí)代的再次爆發(fā)，AI技術(shù)曾經(jīng)歷過(guò)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(zhù)整體生態(tài)的改變。從2G的語(yǔ)音通訊開(kāi)始，當時(shí)更多的還是在從以局域網(wǎng)為主的大型主機時(shí)代逐漸過(guò)渡到PC互聯(lián)網(wǎng)時(shí)代。直到3G時(shí)代，原本運營(yíng)商期待透過(guò)視頻通話(huà)搶占市場(chǎng)的主要特性也沒(méi)起來(lái)，但越來(lái)越多的業(yè)務(wù)逐漸遷移到了互聯(lián)網(wǎng)云側。到了4G時(shí)代，對于所有應用入口，手機終端已經(jīng)逐漸取代PC占據八成以上份額，移動(dòng)互聯(lián)網(wǎng)成為主流。而5G時(shí)代，也是運營(yíng)商、互聯(lián)網(wǎng)、移動(dòng)終端廠(chǎng)商重新洗牌竟合的關(guān)鍵時(shí)刻。各家企業(yè)都很看重AI、5G、AIOT、VR/AR等技術(shù)是否會(huì )引出新形態(tài)的Killer產(chǎn)品及應用。對此演進(jìn)歷程，我們還是可以看到許多的創(chuàng )新。或許AI技術(shù)會(huì )從2015年IMAGENET/AlphaGO/…所帶動(dòng)起來(lái)的高潮，逐漸穩定固化，并成為萬(wàn)物互融時(shí)代下，滿(mǎn)足5G視頻及AIOT業(yè)務(wù)的剛需技術(shù)。
LiveVideoStack：5G 高帶寬、低時(shí)延，更多連接的特性為各行業(yè)的發(fā)展帶來(lái)了新的變革。5G時(shí)代的來(lái)臨將推動(dòng)哪些AI應用場(chǎng)景的快速落地？
莊光庭：目前我們觀(guān)察到5G的三大特性、高帶寬、低時(shí)延、更多連接，最直觀(guān)的收益應用還是在視頻、VR、遠程會(huì )議、AIOT等場(chǎng)景下。設備間的互聯(lián)會(huì )從有線(xiàn)連接，全方面的遷移到無(wú)線(xiàn)連接。萬(wàn)物互融成為可能，所以OPPO今年整體的技術(shù)及業(yè)務(wù)方向也是朝萬(wàn)物互融開(kāi)拓及摸索。
LiveVideoStack：阿里、小米等各大廠(chǎng)商紛紛開(kāi)始著(zhù)手自研AI芯片，隨著(zhù)AI 在智能？機與智能設備中的應用越來(lái)越廣泛，什么樣的芯片才能夠真正適應終端智能的需求？
莊光庭：對智能手機而言，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(lái)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(mǎn)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，因此對端側的視頻AI高算力需求是存在的。同時(shí)，面對AIOT多設備連接，和智能感知服務(wù)，長(cháng)時(shí)間低功耗運行的AI能力也同時(shí)需要。所以可以同時(shí)克服高算力及低功耗兩個(gè)截然不同方向的芯片能力，應該才能真正適應這變化萬(wàn)千的智能終端需求。
LiveVideoStack：在實(shí)際應用場(chǎng)景中端側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AI的發(fā)展相比于云側AI，限制及差異是巨大的，技術(shù)在各方面都有劣勢。端側AI不僅在算力、功耗、內存、芯片架構等方面存在巨大差異，而且對數據基本是沒(méi)有掌控的。如何在保護數據隱私的前提下提供給用戶(hù)最佳的算法模型是極大的挑戰。云側在數據、算力、功耗、內存、平臺方面并不存在像端側這么大的挑戰和限制。但端側AI也并不是完全沒(méi)有優(yōu)勢，端側AI對數據隱私的保護，相對而言是天然完美的屏障，所有數據可以都在端側進(jìn)行處理用后即焚，數據比較容易被保護及限制在端側設備中。另外一個(gè)優(yōu)勢就是在滿(mǎn)足隱私保護的前提下，基于用戶(hù)的使用習慣，更容易智能的提供差異性的個(gè)性化服務(wù)，同時(shí)保障用戶(hù)隱私又提供用戶(hù)智能感知推薦的服務(wù)。AIOT的設備普及后，借由多設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AI服務(wù)。
LiveVideoStack：近期，“Zoom隱私安全問(wèn)題”掀起了一股新的風(fēng)波。對于A(yíng)I可能存在的數據隱私問(wèn)題，在端側AI平臺的設計和開(kāi)發(fā)中會(huì )通過(guò)哪些技術(shù)或優(yōu)化來(lái)更好的保護用戶(hù)的隱私？
莊光庭：隱私安全問(wèn)題一直是軟件技術(shù)最關(guān)注的一個(gè)基礎問(wèn)題，用戶(hù)的數據是否會(huì )因為新的AI功能，暴露了新的漏洞及落點(diǎn)，這一定是每個(gè)技術(shù)研發(fā)人員要竭盡全力避免的事。當前我們在設計端側AI平臺，我們希望從簡(jiǎn)單直接的安全加密保護逐漸遷移到芯片等級的安全通路設計，同時(shí)采取用后即焚的數據處理策略，避免數據緩存被攔截竊取及篡改等。
LiveVideoStack：正如端上算力的不斷增強推動(dòng)端側AI技術(shù)的發(fā)展，智能手機以及移動(dòng)設備硬件條件的差異化也同樣帶來(lái)了不小的難題，應該如何應對？
莊光庭：移動(dòng)終端等差異化，是我們端側AI最頭疼的問(wèn)題。時(shí)常我們設計了一個(gè)先進(jìn)的算法，卻因為硬件的差異，而無(wú)法全面鋪開(kāi)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。更嚴重的是，企業(yè)很可能需要付出更多的人力預算來(lái)滿(mǎn)足所有硬件產(chǎn)品上的功能開(kāi)發(fā)。因此針對硬件條件的差異化帶來(lái)的諸多難題，端側AI的平臺承擔了極大的責任，需要克服端側硬件的差異性，我們采取分層的設計，將算法對硬件適配的工作復用，支撐所有算法團隊聚焦開(kāi)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(gè)算法團隊重復造輪子的工作。
LiveVideoStack：除了隱私問(wèn)題，硬件差異帶來(lái)的影響之外，端側AI的實(shí)現還有哪些痛點(diǎn)以及需求？
莊光庭：端側AI的需求簡(jiǎn)單可以分為幾個(gè)方面，比如高性能、高品質(zhì)、低時(shí)延、低功耗、超融合等大方向。這幾個(gè)大方向圍繞著(zhù)視頻、游戲、顯示、音頻、投屏、場(chǎng)景感知、AR/VR、云游戲、設備連動(dòng)等場(chǎng)景展開(kāi)。而痛點(diǎn)除了數據隱私、硬件差異，我們發(fā)現端側還存在能力無(wú)法共享、應用需求差異大、實(shí)時(shí)運算要求高、模型算子支持度差、AI算法迭代速度快、運行內存受限、第三方合作困難等問(wèn)題。
LiveVideoStack：總得來(lái)說(shuō)，端側AI技術(shù)目前還處于爆發(fā)前的急速發(fā)展階段，未來(lái)的“AI”又會(huì )呈現出怎樣的形態(tài)、面貌？會(huì )有哪些令人驚嘆的場(chǎng)景及應用？
莊光庭：未來(lái)的AI，肯定會(huì )朝著(zhù)技術(shù)融合，基于用戶(hù)體驗的AI業(yè)務(wù)能力展開(kāi)。舉例來(lái)說(shuō)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(lái)肯定會(huì )是多模態(tài)基于各種傳感器的多通道訊息，提供一個(gè)整合的服務(wù)給到用戶(hù)。比如，智能設備可以分析用戶(hù)喜歡聽(tīng)的音樂(lè )，分析出用戶(hù)的喜好歌手，推薦歌手相關(guān)的演唱會(huì )訊息給到用戶(hù)。又或是未來(lái)對話(huà)系統、AR眼鏡成熟之后，虛擬的家庭陪伴看護，或許會(huì )逐漸取代基于文字及語(yǔ)音的智能助手。我們可以透過(guò)表情、語(yǔ)言、手勢、視覺(jué)等訊息，搭配AR技術(shù)，借由手機為入口，虛構出一個(gè)學(xué)生家教、家庭看護、健身教練、等虛擬人物來(lái)輔助用戶(hù)。這些場(chǎng)景都有可能在不遠的未來(lái)會(huì )實(shí)現。
