2018-2019中国人工智能手机行业研究报告.pptx

2018-2019中国人工智能手机行业研究报告,开篇摘要, 发展阶段：当下人工智能手机进入了早期发展阶段，部分功能已举足轻重。 发展特点：人工智能手机的题中之义是通过AI技术让手机软硬件升级的效用最大化，重在“升级”而非“颠覆”，并以视觉、语音等重头应用场景为核心。 技术原理：算法的运行有终端和云端两种路径，终端主要负责任务执行，云端主要负责数据和模型的训练。 技术可靠：视觉技术、语音语义技术和深度学习的发展为人工智能向具体行业赋能奠定了基础，同时具体技术打破了应用到手机上的瓶颈，技术的安全、效率、准确性等指标被验证可靠，从而真正能实现落地。 商业化由点及面的驱动：人工智能手机产业链各环节呈现出“头部带动”效应，上下游厂商之间通过合作扩大优势，呈现出AI走向主流核心应用、各方合作模式逐渐成熟清晰、争相在行业生态入口布局的特点。而经济、政策、资本、行业的支撑，是人工智能手机行业得以发展的基础条件。 应用场景：人工智能手机通过创新和升级，在人机交互上，对用户需求先理解后执行，帮助用户解放了双手，在内容生产上，帮助应用变得更实用、更丰富。 消费者认知与体验：中国手机用户对人工智能手机具有较为广泛的认知与期待，现有人工智能手机用户渗透率高，潜在用户广泛存在，消费者整体认为人脸解锁和语音助手体验最好，并且最有价值。 新格局：以战略高度看待人工智能手机的竞争与布局，读懂趋势，深化与底层上游芯片、开发平台的合作，注重将手机与热门移动互联网应用有机融合。 新议题：出海战略下，手机厂商需要思考在特定海外市场，AI如何助力市场份额做大，研究细分市场和产品定位，采取因地制宜的策略。 新机遇：人工智能未来在移动互联网应用的内容产出提升方面大有可为，但需要解决硬件与技术没有通用标准的挑战。 新突破：未来人工智能、IoT、移动终端三者将呈现相互渗透关系，手机将会成为万物互联的端口。,AI手机发展概况AI手机核心技术AI手机商业驱动AI手机应用场景手机用户调研AI手机未来展望,人工智能手机行业发展概况人工智能手机行业发展驱动力三力模型人工智能手机消费者调研人工智能手机未来展望,1234,塞班、IOS、安卓系统问世，智能手,3G：2001,中国2009,零七年以来全球智能手机出货量持续上涨态势止步于2017年，增速转负。4G与5G时代临界点，全球智能手机市场性能驱动带来的增长逐步消退，AI开始推动手机产品的迭代，市场进入智能驱动阶段。,功能驱动市场,性能驱动市场,智能驱动市场,以史为鉴可以知兴替手机发展史AI将接棒 “性能之争”，成为市场增长的新驱动悉数手机发展史，手机市场的阶段性变化受到几个因素影响，一是通讯网络的代际发展，通讯的升级，直接导致了手机市场在增量市场与存量市场之间切换；二是手机产品的变化发展，这种发展有大哥大到功能机、功能机到智能机的颠覆式变革，也有像素、屏幕优化等升级式发展。因此，手机行业在不同时期，市场增长点也星移斗转，功能、性能、智能依次成为手机更新换代的主旨：2006年及以前，手机行业属于功能推动，从一开始围绕接打电话的单一功能，到承载拍照、听音乐、上网等复合功能；2007年-2016年市场由性能推动，配置成为了商家逐鹿的方向；2017年以后，市场进入了智能驱动阶段，人工智能开始推动手机产品的迭代，这一时期传统性能提升瓶颈渐显，硬件的升级需要依托软件技术来优化与凸显，而且在整体智能终端市场的培育下，用户也希望手机更人性化，能看得懂我们、也能听得懂我们。全球手机发展历程,4G：2009中国2013手机外观、材质、机身厚度、屏显下足功夫；拍摄优化、生物识别解锁如火如荼,3G：2001中国20092G：1991 触屏操作改变了人机交互方式；中国1995手机拥有了CPU、移动存储器、机时代来临；彩屏和摄像头，能通过WAP上 应用商店出现，手机开始成为各类服网、播放MP3、拍照、蓝牙传 务入口；输，不再是只能通话的“砖头”像素大战继续，手机语音助手诞生,1G：1983中国1987-2001世界上第一台手机诞生,AI芯片,内置独立神经网络计算单元通过通用计算单元联动赋予芯片深度学习能力,AI功能,人工智能手机概念界定人工智能手机=AI芯片+AI功能人工智能手机（AI Phone）是新兴起的概念，业界尚未完全统一认知。认为人工智能手机广义上是指搭载了满足AI算力需求的移动端芯片、且加载了深度学习AI功能的智能手机。满足AI算力需求的终端芯片是指：（1）芯片内置独立的神经网络计算单元；（2）通过CPU、GPU、DSP及其他通用计算单元联动赋予芯片深度学习能力。本报告围绕满足上述标准的人工智能手机展开研究分析，描绘人工智能手机行业的发展现状。研究对象界定人工智能手机AI Phone“满足AI算力需求的移动端芯片、且加载了深度学习AI功能的智能手机。”,手机内置AI功能，如人脸解锁、AI拍照、智能相册、AI智能助手等能够支持主流APP的AI应用,智能语音助手调用第三方应用；情景智能对会议、航班等信息提示；,直播视频边看边买；虚拟试妆、商品展示增强现实；随行翻译，支持多种语言,通话场景根据用户声纹特征，增强用户通话声波，在嘈杂背景中保障通话质量办公场景语音录入文字，图片识别；PPT拍摄优化和自动整理,在线教育场景在线教育APP提供个性化学习内容和计划推荐；将增强现实应用进视频教学,直播、短视频美颜瘦身，动态贴纸；启动游戏时智能优化后台系统、游戏过程网络加速,摄影分享场景识别拍照场景并智能调用拍摄参数；,虚化背景，自动美颜，调节光效；相册聚类管理，快速搜索与分享人机交互场景虹膜识别、人脸识别等解锁屏幕和应用；消息智能过滤；智慧识屏减少用户繁琐操控互动娱乐场景,交通出行场景自动标记停车地点、记录停车时长，驾驶勿扰模式下语音命令接听电话,人工智能手机应用全景图AI使手机常用功能得到360提升，让体验优化更加明显人工智能手机应用场景概览生活服务场景,2015,2018,2017,人工智能手机的发展阶段人工智能手机处于早期成长阶段，正如“孩童”人工智能手机与过去只加载了AI功能，但没有AI芯片的手机不能割裂地看待，后者是人工智能手机的序曲。过去手机上的语音助手已经通过智能语音语义等AI技术开始为手机赋能，为日后人工智能手机兴起埋下了伏笔。2015年起，智能相册分类、APP预加载等功能出现，背后的人脸识别、深度学习等AI技术开始广泛地落地在手机场景上，由此进入了人工智能手机的预热阶段。2017年是人工智能手机元年，AI芯片相继发布，基础层算力成熟落地，头部手机厂商推出AI旗舰机型，AI双摄、NPU、人脸解锁等相继成为热词，带动起人工智能手机的小高潮，市场已经萌芽。当下部分AI功能如AI双摄/三摄已经成了主流手机的刚需，并经历了一轮技术方案的迭代，人工智能手机正如“孩童”，处于早期成长阶段，未来将在AI智慧上达到更高层次。人工智能手机行业发展阶段,早期智能语音助手背后的语音识别和自然语义理解、知识图谱等AI技术开始为手机赋能,人工智能手机的元年以移动端AI芯片为核心的底层算力成熟落地,市场兴起第一轮迭代，如3D人脸识别技术开始迭代2D人脸识别技术、语音助手开始支持深层操作、AR由marker向SLAM的应用发展开始增,多,人工智能手机纷纷上市，部分AI功能成为刚需AI为用户使用体验带来了较大提升，不过手机,常用功能或产品形态没有发生重大革命,潜伏,预热,萌芽,成长,成熟,当前早期成长阶段,智能相册分类、APP预加载、智慧美颜、AR视频、指纹解锁等AI应用广泛地落地在手机场景手机AI芯片出货,AI旗舰机型频出AI双摄、NPU、人脸解锁等相继成为热词,人工智能手机系统、拍摄、智慧助手等都更具明显智慧，甚至颠覆式革新,2011,实时性,准确性,处理效率,人工智能手机的核心价值自我学习、自主服务，重构终端产品逻辑人工智能手机的主流功能不仅在实时性、准确性、处理效率等指标上表现优秀，还在AI算法与算力的支持下，通过自我学习理解人类世界的逻辑，通过自主服务变得更便捷，提升了用户体验。随着使用，人工智能手机会学习用户的习惯，优化手机功能，比如人脸解锁会学习用户外貌的细微改变降低拒识率，智慧助手可以按照用户的习惯处理常规任务。人工智能手机把以往针对碎片化需求的服务融合进手机功能，主动地、一步直达地给出用户需要的结果，比起繁杂的手动操作进步明显，例如，过去需要调光、对焦、修图等复合手动操作才能得到的“大片”，变得自主优化、随拍即美。这些功能与服务的融合重构了终端产品逻辑，使人工智能手机交互更人性、应用更灵活。人工智能手机的产品逻辑,功能指标,核心价值,智能体现,人机交互系统机制,重构人机交互逻辑：由传统触控操作升级为由自然语言理解辅助交互重构应用服务逻辑：从被动滞后、千篇一律改善为由手机挖掘、实时响应、精准服务,量体裁衣自我学习、自主服务一步直达,主流功能,面容ID/人脸识别解锁AR视频/乐趣AR贴纸AI拍照美化相册智能分类语音助手智能识图情景智能智慧识屏随行翻译常用APP自动预加载系统智慧省电,实时性视觉类功能毫秒级时延，呈现实时效果语音类功能秒速响应准确性正常环境下，面部解锁误识率低于0.01%图像识别准确率高于95%语音转文字准确率高于92%语义识别准确率高于90%处理效率能耗、性能、计算能力、速度大幅提升,AR特效：根据人脸信息制作个性化AR动态表情包,移动应用层APP软件层底层应用基础层芯片预装能力，与上层合力实现,拍照美化：B612、FaceU等；拍照翻译：有道词典等；AR特效：花椒直播等手势及人脸特效拍照优化：加载场景识别、双目虚化算法；人脸识别：2D人脸识别技术；相册聚类：自动识别算法和机器学习；智慧识屏：语义理解算法语音助手：如三星Bixby，vivo Jovi等，构建了场景服务体系；人脸识别：3D编码结构光/散斑结构光/TOF，时延与误识率更低；图像增强：部分机型基于芯片实现；拍照翻译：部分机型基于芯片优化，支持离线使用；,人工智能手机的发展特征AI能力划分为三个层级，在技术和商业上互有交叉根据AI功能调用手机软硬件结构的差异，我们将人工智能手机的AI能力划分为基础层、软件层、移动应用层，各层在技术和商业上有所交叉。技术上的交叉主要体现为，在不同型号的手机上，同一种功能是通过不同层级AI能力实现的，这主要是技术方案的差异和迭代导致，如利用可见光/红外光进行2D人脸识别主要基于软件层实现，而3D结构光人脸识别则需要基础层芯片与软件层联动。商业上的交叉主要是指，许多原本属于移动应用层的热门功能下沉为手机内置功能，并由技术提供方针对机型做专门方案与优化，效果更好、实时性更强，如美颜拍照类APP启发了手机内置相机拍人更美的需求，短视频APP的AR特效也让市场意识到AR的卖点、开发了类似Animoji的内置功能。AI能力三层级及其关系：鼎足而立，同气连枝智能语音助理：咪咕灵犀、布点语音等；,商业交叉,技术交叉,高端先行,纲举目张,是升级，不是颠覆：围绕着手机常用功能做加减法,把握大方向：围绕最易被消费者感知的语音、视觉及交互,市场定位：新潮功能集中在高端机型，中低端机型也达到较高的AI渗透率，,但AI功能还不全面、深入,AI手机高端机型优势：AI技术经过反复打磨，功能全面丰富，交互自然、理解匹配,研发定位,用户定位,人工智能手机的发展特征围绕手机常用功能升级，主要面向中高端市场在算力支撑出现和算法优化得到验证的现阶段，人工智能手机水到渠成地进入市场，但并未立意于对前代产品做颠覆性变革，而是围绕着常用功能做加减法，让手机具有更强大的功能指标、更简易的操作方式。哈佛商学院研究表明，人的大脑每天通过五种感官接受外部信息视觉占83%，听觉占11%，我们日常处理的信息以视觉、语音、文字为主，因此AI手机当下的核心命题还是围绕最易被消费者感知的语音、视觉及交互做优化，以达到更显著的体验升级。在AI手机的目标市场方面，受制于研发成本和硬件成本，新潮功能集中在高端机型，中低端机型也达到较高的AI渗透率，但AI功能还不全面、深入。高端机型AI技术经过反复打磨，交互更自然、学习能力更突出，中低端机型则受限于硬件条件，AI技术方案较保守，运行效果可能打折扣。人工智能手机的定位特点,人工智能手机行业发展概况人工智能手机行业发展驱动力三力模型人工智能手机消费者调研人工智能手机未来展望,1234,应用成熟落地商业化由点及面的驱动,技术可靠有效,合力影响：行业发展,AI手机行业“三力模型”,应用成熟落地,商业化由点及面的驱动,AI移动终端,助力,催生,关键词：能耗、实时性、准确率、安全、成本等技术壁垒与硬件支撑,关键词：场景需求、使用频率、使用体验、基础设施与宏观环境支撑加强用户感知,提升效率与质量,技术可用,AI手机行业内在要求,人工智能手机行业透视逻辑本报告将采用“三力模型” 描述AI手机行业发展驱动力人工智能手机行业与其他AI赋能行业类似，遵循关键因素合力驱动发展的逻辑，即被验证可靠有效的技术、应用的成熟落地、由点及面开展的商业行为，三者共同构成行业发展的内核模型。本报告将围绕技术、商业化、应用场景，以合力发展模型为主线，梳理阐述人工智能手机行业的现状和发展脉络。人工智能手机的行业研究逻辑,各方合力效应抽象地类似于物理上力的合成,落实关键词：寻求技术与应用的红利制胜之道：行业理解、布局生态,人工智能手机行业发展驱动力三力模型人工智能手机发展驱动力之一：可靠有效的技术人工智能手机发展驱动力之二：由点及面的商业化人工智能手机发展驱动力之三：成熟落地的应用,22.12.22.3,人工智能手机技术原理-终端终端通过SoC或协处理器运行AI算法手机中AI算法可以通过终端或云端来运行，其中终端运行是主流方式。终端AI目前有两类方案，分别是算法在SoC上运行和在局部元器件上运用协处理器运行。在SoC中算法可以通过调用通用硬件单元实现多种AI应用，也可以加入独立处理单元完成，是当下最成熟，也是应用最多的解决办法；在局部元器件上的协处理器中实现AI处理并且已经产品化了的，目前只有智能图像处理的案例，算法主要通过调用处理单元矩阵，在摄像头上对照片处理进行智能加速，实现单摄虚化等效果，目前谷歌在其自身的手机产品上探索和使用这一方案。人工智能技术在终端中运行的原理图,数据信息输入,人脸识别,语音识别文字识别图像处理,AI算法在芯片（SoC）上运行,调用API 转换格式AI算法在摄像头上运行软件+云计算控制编译器,调用通用硬件单元运算,方案一调用AI独立处理单元运算神经网络处理单元方案二调用AI图像处理单元协处理器（IPU为主）,AI算法（深度学习）,计算机视觉模型,语音识别模型自然语言处理模型知识图谱模型AI算法（深度学习）计算机视觉模型,终端AI,执行HDR+,技术,人工智能手机技术原理-云端云端训练+终端运行是主流的解决办法云端拥有强大的算法、算力和数据运力是深度学习训练和建模的最佳场景，但由于成本高、能耗高、存在时延性等问题，在设备上运行AI算法体验略有不足，面对使用频率高，对时效性有很大要求的手机场景，就更显乏力。除Google Pixel系列手机以外，目前很少有品牌选择云端AI的解决办法，主要是通过在云端训练和建模，在终端执行和加速来实现的。深度学习算法流程中云端与终端的关系,数据输入,训练数据集,模型优化,效果输出,运行,从现有数据中学习新能力云端AI由于深度学习训练过程需要海量数据支撑并保持较高灵活性，一般在“云端”进行，云端服务器收集数据后，依靠强大的计算资源和专属硬件，提取出相应的训练参数,把习得的能力应用到新数据终端AI等到模型训练完成后，将训练完成的模型用于各种应用场景（图像识别、语音识别等），推断所需参数由云端训练后，定期下载到终端运行,计算机视觉整体技术成熟，达到了实时、可靠等在手机落地的关键要求计算机视觉通过对采集的图片或视频进行处理以获得相应场景的信息，人工智能手机广泛应用了计算机视觉技术，使人脸解锁、相册分类等功能得以实现。计算机视觉技术在AI手机的典型技术流程是由终端设备首先获取图像并进行预处理，提取图像特征并识别比对，完成图像识别、图像分类等任务。过去几年，计算机视觉的识别精度与分类准确率有了质的飞跃，并出现了两个技术里程碑：一是2014年香港中文大学汤晓鸥团队将卷积神经网络应用到人脸识别上，在LFW人脸数据集上第一次得到超过人类水平的识别精度，二是2017年ImageNet大赛图像分类错误率降至2.3%的历史最低值，计算机视觉整体技术走向成熟。如今，计算机视觉技术达到了实时性、可靠性等在手机落地的关键要求，以人脸解锁为例，手机人脸解锁速度约为几百毫秒，误识率约万分之一，部分机型可以达到百万分之一，并支持活体检测，有效防止照片或视频攻击。,计算机视觉典型技术流程,计算机视觉技术的可靠性得到验证,1 图像获取通过传感器获取场景图像，转换成计算机处理格式,2 预处理校准失真图像，改善图像质量,特征提取,3,提取出反映图像特征的元素或数值,特征匹配,4,基于图像特征点的匹配,判别归类,5,三维重建,6,对匹配后的图像分类处理,推导出现实环境中物体的三维信息,精度超过人眼,2014年，人脸识别技术第一次超过人类的识别精度，准确率达到98.52%,准确率创新高,2017年，ImageNet大赛图像分类错误率为2.3%，达到历史最低值,手机场景达到要求,计算机视觉技术达到了实时性、可靠性等在手机落地的关键要求,技术,智能语音交互满足日常应用需求，仍有较大发展空间智能语音交互是基于语音输入的交互模式，人工智能手机中的语音助手功能主要应用了该技术。从整体来看，智能语音交互技术主要包括感知层（语音识别+语音合成）和认知层（自然语言处理NLP）。目前，智能语音交互中语音识别技术已经达到较高精度，能够满足用户日常使用需求。不过，由于语言的模糊性与复杂性更高，语音交互中的自然语言处理技术依然存在一些不足。具体来看，一是对语音的处理受复杂的中文同音字、方言等因素影响，二是对意图的理解受上下文环境的影响，三是对语言的理解还需要感知用户的语气和情绪，这些都可能导致系统对于语义的理解出现偏差，手机答非所问。目前，业内期望通过加强对多轮语音交互的研究、强化自然语言处理技术来优化智能语音交互功能，使手机在理解、,思考与学习上走的更远。,智能语音交互系统技术流程图,自然语言理解,语音识别,前端处理建模,唤醒后续识别系统语音激活检测,找到最匹配的词序列作为识别结果输出,跟踪用户意图与上,下文对话状态，选择对话方案自然语言生成,语音识别通过声学模型和语言模型进行特征提取,智能对话系统通过词性标注、机器翻译、文本聚类等进行解码,语音合成输出,技术,深度学习识别非结构化数据，提升处理准确性深度学习为人工智能手机相关应用的实现提供了强大支持，例如手机中的图像识别、文字识别、语音识别、网页推荐等功能主要通过深度学习中的卷积神经网络算法得以实现。该算法擅长识别非结构化数据（图像、声音、视频、文本、时间序列），之后经过卷积层滤波器的特征检测、池化层的聚合统计、全连接层的特征分类，最终输出分类结果。深度学习通过神经网络模型的构建和海量数据集的训练，对AI手机获取的具有表示性的特征（ 图片中的单一元素、声音的结构等）进行学习，进一步提升了准确性。随着对于深度学习研究的逐渐深入，未来将会使得手机的大脑得以进一步升级与优化，为用户带来更多丰富和人性化的体验。深度学习卷积神经网络算法流程图,输入层非结构化数据（图像、声音等）,卷积层,检测低阶特征（边、角、曲线等）检测低阶特征组合（半圆、四边形等）检测人脸、字体等,第一个卷积层滤波器第二个卷积层滤波器第N个卷积层滤波器,池化层对数据特征进行聚合统计,全连接层整合卷积层/池化层具有类别区分的局部信息,x1x2x3输入,y1y2y3输出,技术,输出层输出判断结果,人脸识别语音识别文字识别其他应用运用训练模型实现识别判断,人工智能手机行业发展驱动力三力模型人工智能手机发展驱动力之一：可靠有效的技术人工智能手机发展驱动力之二：由点及面的商业化人工智能手机发展驱动力之三：成熟落地的应用,22.12.22.3,人工智能手机产业结构AI芯片提供商和AI算法提供商是AI手机产业链的特色AI手机产业链上游由“硬基础”供应商与“软基础”供应商组成，与传统手机产业链有所区别的地方主要在于，芯片环节由新的AI架构设计商和传统芯片厂商合作提供AI芯片，集成环节引入了AI算法提供商。在移动端想要获得更顺畅、更重度的AI体验，在算法与算力上需要提升与创新，芯片制造商与技术提供商在其中起到关键作用；中游主要由手机品牌商和代工厂商组成，使AI手机产品化，形成商业落地；下游由销售渠道、运营商和APP服务商组成，使产品最终抵达消费者手中。整条产业链分工明确、布局清晰，承载了众多国际巨头型公司，为AI手机发展持续提供动力。人工智能手机产业链,商业,芯片制造商,电池提供商,屏幕提供商通信元件提供商,AI芯片厂商,AI算法提供商,销售渠道商消费者,电信网络运营商,基础原件提供商,手机设计与制造外包服务商,APP厂商,手机系统提供商,芯片架构设计商,摄像头提供商外壳提供商,手机厂商,2.22.2.12.2.22.2.3,人工智能手机发展驱动力之二：由点及面的商业化商业驱动点商业联动线商业支撑面,商,业,人工智能手机落地商业驱动点上游：AI芯片结构多样，未来或呈现并行式发展判定AI手机最重要的标准就在于芯片。在确保成本可控的前提下，手机芯片巨头厂商为行业带来了不同的AI实现路径。高通通过神经处理引擎NPE对其SoC中CPU、GPU、DSP进行调度，意图打造均衡且适配广泛的AI解决办法；苹果、联发科、三星和华为海思则研发独立AI处理模块，对AI应用进行加速，以实现智能化。目前，这两种途径在效果上目前尚无明显差距。芯片服务商的发展与多样化创新，为AI手机行业持续提供前进动力。,18%,8%,6%,21% 20%,14%,11%,8%,高通,苹果,联发科,三星,华为海思,2016年,2017年,巨头手机芯片厂商AI产品信息,2016-2017年手机芯片厂商市占率排名41% 42%,商业驱动点,人工智能手机落地商业驱动点上游：技术提供商推动人工智能在手机场景的落地随着AI技术向更多行业渗透，手机凭借丰富的使用场景、日益强大的硬件基础和高频的人机互动成为了其天然的承载平台。与苹果、三星软硬一体的整体解决方案不同，如华为、小米、OPPO、vivo等中国手机品牌与技术提供商从研发环节合作，开发更适合手机场景的AI解决办法，共同打造人工智能手机，这其中不止体现出对技术提供商的认可与信任，也表明巨头愿意为技术买单的决心。中国人工智能技术提供商近些年来发展迅猛，备受行业和资本的注目，其中涌现出了如商汤科技、科大讯飞等具有国际水平的企业，其自身良性的发展也为人工智能技术商业落地奠定了基础。中国人工智能手机技术提供商代表企业,点,商业驱动点,商,业,2016.09,商汤科技与港中文,团队合作，夺得,ImageNet 5项主要,比赛中的3项世界冠,军,2014.10.15,公司成立,Pro上实现手机行业首次应用,2018.12,商汤联合vivo NEX打造3D焕颜美拍新体验,nova3,融资：数千万美元,融资：数千万美元,融资：4.1亿美元,人工智能手机落地商业驱动点上游：技术提供商将赋能手机列为战略重点以商汤为例以商汤科技为例，在ImageNet大赛中夺得冠军，其技术准确率和可靠性得到验证。完成C+轮融资后，总融资额超过16亿美元，估值超过45亿美金，成为了全球总融资额最大、估值最高的人工智能独角兽。手机行业是商汤科技的关键发力点，截至目前，商汤与OPPO、vivo、小米、华为、一加、魅族等国内主流手机品牌达成合作，为它们提供人脸解锁、AR特效等技术，是国内外知名的AI手机视觉技术提供商之一。商汤科技手机业务发展历程,点,商业驱动点,2014.08 A轮,2015.11 A+轮,2017.07 B轮,2018.05 C+轮,2018.04 C轮,2018.03 为OPPO提供AR相关技术2017.11 为OPPO、vivo提供手机人脸解锁等技术2017.10 与Qualcomm宣布战略合作2017.08 人脸关键点从106点到240点的突破2015.12 2017.06首次中国公司在 为OPPO R11提供AI双ImageNet竞赛夺冠， 摄技术取得两项世界第一,2018.07 商汤SenseMoji搭配华为2018.06 2118.11 打造小米8透明版全球首 商汤为OnePlus 6T提供人像光效、双摄预款3D结构光技术安卓手机 览虚化、人脸解锁、人脸关键点等技术支持 为OPPO Find X提供人脸 2018.113D重建和前置3D虚化 vivo X23幻彩版应用商汤超分辨率技术，2018.05统提供人脸识别解锁,2118.12 商汤3D人体实时追踪技术在OPPO R17突破手机摄影画质 为OnePlus6（一加6）提 2018.09供AI美拍人脸技术基础 商汤SenseAR美体塑形落地vivo X232018.04 2018.09 与魅族合作为Flyme 7系 vivo NEX搭载商汤AI智慧双摄技术融资：6亿美元 融资：6.2亿美元,商,业,人工智能手机落地商业驱动点中游：巨头带动效应明显，中国品牌影响力提升自从苹果定义了智能手机之后，整个手机行业开始走向产品标准化，这其中巨头厂家带动效应显著。在AI手机时代，中国品牌凭借对AI视觉技术的理解和产品化能力，在出货量方面拥有了与iPhone一较高下的资本。数据显示，三星、苹果、华为、小米、OPPO以连续出货量保持世界前五，领跑整个智能手机行业，2018年Q2数据中华为更是首度超过苹果成为了世界第二大出货量的手机品牌。中国品牌在行业中的话语权逐步提升，拥有了引导行业发展的机会。,21.0%18.0%22.0%,12.0%18.0%15.0%,10.0% 8.0% 7.0%10.0% 7.0% 7.0%11.0% 7.0% 8.0%,2017Q12017Q2,2017Q32017Q42018Q1,2018Q2,20.9%Samsung,12.1%Apple,15.8%Huawei,8.6% 9.3%OPPO Xiaomi,iPhone3G初代iPhone,APP Store开启了官方应用市场下载APP的时代多点触摸电容屏拉开了智能手机的序幕,指纹识别空前成功，指纹识别成为行业标配智能语音助手Siri此后，各大品牌相继推出智能语音助手Retina屏幕（视网膜屏幕）随后视网膜屏幕逐渐成为智能手机的标配,iPhone5siPhone4siPhone4,iPhoneXiPhone7P,iPhone技术迭代及带动效果3D结构光人脸识别，仿生芯片A11AI手机时代，iPhone再次走在了前沿双摄像头虽然不是首发，但对普及有强大助推作用,全球智能手机出货量TOP 522.0% 14.0% 9.0% 7.0%4.0%22.0% 11.0% 11.0% 8.0% 6.0%,国产手机品牌崛起，在AI手机时代将与iPhone争锋,点,商业驱动点,商,业,人工智能手机落地商业驱动点中游：打破产品发展桎梏，巨头定义行业方向智能手机行业经过多年的“装备竞赛”已经将屏幕、摄像头、机身材料等组件的可提升空间压缩的很小，手机的发展达到瓶颈，需要引入人工智能技术来打破桎梏。而常规的智能手机虽然可以运行AI应用，但它们在流畅度和能耗方面不能满足用户更高层次的需求，所以打造一款被市场认可的AI手机，就成为了手机品牌商的诉求和下一轮竞逐的方向，巨头厂商在其中扮演了引领者的角色，从多方面推动AI手机落地。据预测，到2022年，搭载AI功能的智能型手机出货量占比，将从2017年的不到10%提升到80%，年销量将超13亿部。AI手机将是未来手机行业的产品方向。,手机巨头的典型AI手机解决办法,Exynos 9810AI芯片Bixby AI助手实时翻译人脸识别+虹膜识别动态萌拍,麒麟970、980AI芯片HiAi AI开发者平台3D人像光效场景理解拍照拍照参数智能调校,A11、A12仿生芯片IOS-Core MLAI开发能力AR Kit AR开发平台Siri AI助手3D结构光人脸识别,高通骁龙AIE芯片MACE AI开发框架小爱同学助手单摄背景虚化3D结构光人脸识别,AI级芯片骁龙845Color OS 5.1AI系统ARunit AR开发者平台3D人像光效智能美颜,AI级芯片骁龙845vivo AI全球研究院Jovi AI助手TOF技术场景理解拍照,2017-2022年全球智能手机出货量,14.65,14.62,15.05,16.54,16.66,16.79,2017,2022e,2018e 2019e 2020e智能手机出货量（亿部）,2021eAI手机占比,点,商业驱动点,人工智能手机落地商业驱动点下游：电信运营商进行基础重构，迎合更高层的软硬件需求作为人工智能手机产业链中重要的组成部分，电信运营商迎合发展进行自我升级，是AI手机落地的一大助力。随着以手机为代表的终端应用的不断发展，通信网络需要面临两方面的重要变化：一是连接数量和流量规模的爆发式增长；二是终端用户对网络的容量、速率、时延、稳定、安全、规模等新能的差异化需求。伴随AI时代、物联网时代的到来，电信运营商作为内容承载和连接传输的重要组成部分，从基础上进行重构，引入SDN（软件定义网络）/NFV（网络功能虚拟化）、云计算、大数据、AI等新型信息通信技术，从网络层发力促进全行业发展。电信运营商适应新发展的三层架构,协同管理编排网络功能基础资源,OSS（运营支撑系统）/BSS（基本服务）通过AI技术进行网络功能、性能自动化编排与管理网络功能软化网络功能以软件形式出现，便于升级、调用、扩展虚拟计算 虚拟存储 虚拟网络虚拟化OS基于虚拟化OS，所有硬件资源实现云化、共享,