您可以掌握多少智慧？ 答案是很多。
2017 年是人工智慧 （AI） 最終應用於我們的智慧型手機的一年。不僅體現在我們智慧型手機所連接的雲端，更體現在智慧型手機本身。
此類手機配備端側 AI 引擎，旨在高效地從感測器擷取資料，加以整合，然後在裝置本地進行儲存和運算。此類手機執行臉部識別、活動預測和強化資料加密等任務時，須在額外儲存空間及運算功耗需求與尺寸限制、成本效益和電池功耗之間進行平衡取捨。由於此類手機搭載的 AI 晶片須能根據本地資料提供快速而準確的決策，因此依賴更快且更具創意的系統記憶體及儲存裝置。
AI 智慧型手機的真實世界使用案例
最新智慧型手機提供的強化影像、聽覺和語音處理功能，已締造了全新的使用者體驗。智慧型手機所帶來的下一波體驗將是支援 AI 新使用案例的應用程式，包括語言處理、人類活動預測及強化資料加密等。
隨著用於使用者驗證的面別識別技術逐漸普及，創新者將運用端側 AI 促使使用者驗證變得更為複雜，但卻更為安全及方便。例如，在此之前，照片可以用來攻破面別識別功能。現在，利用多個 3D 深度感應器及紅外線熱影像儀，智慧型手機使用者驗證將更加安全且快速。
自然語言翻譯與端側 AI 可以強化大多數智慧型手機已具備的語音識別能力。此外，透過使用意圖預測，本地分析和處理手機和聊天談話有助提升智慧型手機的反應能力，其中便可預測一個人的行為，且由智慧助理作出行動或購買建議。未來的智慧型手機應用程式必定會將若干買家協助功能從雲端機器人移轉到智慧型手機上，這將更加快速，更為安全。
雲端 AI 與端側 AI 的整合，將進一步擴大使用案例範圍。例如，加州大學柏克萊分校有一個名為 MyShake 的地震警告應用程式，可利用您手機中的加速度傳感器（當您將手機側轉時，它會調整螢幕）和 GPS 來測量當地的震動程度。加之從您附近的其他 MyShake 使用者收集報告並在雲端進行綜合分析，此應用程式旨在成為個人地震儀及預警系統。
智慧型手機成為學習機器
作為轉移至本地的推動力，端側 AI 是新的專用 AI 處理晶片，從技術角度來看，此類晶片更像是機器學醫，而非 AI。機器學習是 AI 的分支；這項技術能透過對不同的資料類型作出反應並最終建立可重複的模式，幫助機器逐漸進行自主學習，而無需手動編程。神經網絡系統可幫助此類機器學習應用程式整理資料，以便計算機能夠更快速地對資料進行分類。2017 年，工程師學會如何在單晶片系統 (SoC) 中加入新 AI 元件，以提高「智慧型」或 AI 輔助任務的效能和效率，並使其在成本、功耗和尺寸方面具有效益。
人工智慧正在加速行動裝置的尺寸及功耗帶來的挑戰
在智慧型手機的元件中，CPU/GPU、顯示器和記憶體的功耗最大。除此之外則是目前的全新 AI 引擎的功耗需求。消費者需要更多高像素顯示器以及更多記憶體來支援彼等增加的負載，因此電池壽命仍然是製造商的重點關注問題。
商用 5G 網絡服務預計將於今年晚些時候於特定城市推出。未來無處不在的超高速無線連網能力，提供最多比現有 4G 網絡快 50 倍的輸送量，延遲方面較 4G 改善至少 5 倍，為多媒體和視訊體驗帶來無限可能。但行動裝置需要更複雜的記憶體子系統，才能在不增加功耗或佔用空間的情況下滿足速度和儲存要求。
專用 AI 引擎需要進行處理
本地 AI 處理將增加記憶體尺寸和儲存空間需求。更重要的是，隨著寫入更多 AI 特定應用程式，對更快儲存效能的需求將呈指數增長。
3D NAND 正成為須以微型空間實現高密度和高容量的行動裝置的首選儲存解決方案。最新的 64 層 3D NAND 垂直堆疊資料儲存單元層，以建立容量最多比舊有 2D 平面 NAND 技術高六倍的儲存裝置。
此外，最新的 3D NAND 記憶體裝置使用高效能 UFS 儲存介面，能夠以比上一代 MMC 5.1 介面更快的隨機讀取速度同時啟用讀寫命令。這種 3D NAND 矽和快速 UFS 介面的組合，可在較小的晶粒區域提供更多儲存空間，令配備 AI 的行動裝置顯著節省成本、實現低功耗、高效能。
閃耀未來
智慧型手機上的智慧輔助特徵及功能須支援快速但準確的資料流決策。緩慢的儲存和記憶體意味著 AI 訓練效能緩慢，造成待機時間更長，電池快速耗盡。好消息是，記憶體和儲存裝置創新正在提供更快的 I/O 操作和近乎即時的 AI 計算，以滿足這些 AI 引擎不斷增長的資料需求，打造震撼的使用者體驗。