作者：TalkingData 首席数据科学家 张夏天
从 AlphaGo 到 AlphaZero, 人工智能在短短的一年多内首先摘取了人类智慧的桂冠，然后又一骑绝尘的摆脱了对人类千年智慧和经验的积累，从 0 开始登上智能巅峰。在 ImageNet 竞赛中，2014 年算法也超过了人类的水平。这些事件也许不代表 AI 已经能够颠覆人类，但是确实标志着我们进入了人工智能时代。人工智能的兴起给我们带来了无限的遐想和可能性。同时，随着移动互联网和移动智能设备的普及，我们已经身处在移动互联网时代，移动智能设备在我们的生活中越来越重要，甚至某种程度上成为了我们的“器官”。人工智能结合移动互联网的广泛应用已经是近在眼前的新浪潮。
在这个新时代，如何让移动智能设备获得强大，稳定和低成本的智能能力是非常重要的。基于深度学习的人工智能技术显著的特点是数据和计算双密集。集中式的云端智能能够提供强大的智能能力，但是数据和计算的双重压力在服务规模增大的时候在云端会带来巨大的瓶颈和成本，而在移动终端上数据传输的成本和时延会降低用户的体验。因此，将智能能力前置到终端设备，利用终端设备上不断增长的计算能力，将计算放到数据源头，将大大改善系统的性能和用户体验。
记得 2016 年 10 月在纽约的 Strata AI 大会上有幸与长期从事 AI 技术终端技术研究的韩松博士有过简短交流。我问大概多久 AI 芯片能够真正进入智能手机，韩松博士的判断是 3 年，但是我们已经看到 2017 年已经有搭载 AI 芯片的手机出现。AI 在移动终端的落地速度可能会远超我们的预期。
TalkingData 作为国内领先的独立移动大数据平台， 我们一直关注移动智能技术的发展，同样我们也非常关注人工智能技术如何在移动终端设备落地。近两年我们在移动设备场景感知技术方面做了比较深入的研究，也发布了相关的开源项目 Myna。移动智能技术虽然前景美好，但在发展的道路上也充满了挑战。终端设备的计算能力，电池容量的限制，与云端技术架构的巨大差异，不同设备的性能差异等等问题都是很有挑战的技术问题。在这本小书中，我们长期从事移动终端智能化的王小辉，俞多，张自玉，韩广利， 刘大伟，张永超和刘晓飞等同事各自对自己擅长的技术和领域贡献了非常宝贵的内容，或许能够为读者如何在工作中解决这些问题提供一些思路。本书的内容涉及到移动终端智能发展的现状，一个用场景和目前各种技术框架的现状和发展趋势，希望对关注这一新兴领域的读者有所帮助。
目录
移动端 AI 现状
移动端 AI 的应用场景
移动端机器学习框架 Caffe2 简介与实践
移动端机器学习框架 TensorFlowLite 简介与实践
移动端机器学习框架 SNPE 简介与实践
移动端机器学习框架 ncnn 简介与实践
AI 模型互通的新开放生态系统 ONNX 介绍与实践
移动端机器学习框架 MDL 简介与实践
评论