時間來到 2019 年，不管是華為、Google 還是蘋果甚至整個智能手機行業，都在面臨一個行業性的難題：智能手機的下一步是什麼？
過去兩年時間，智能手機從屏幕尺寸、形狀到解鎖方式（面部解鎖、屏幕下指紋）等方面的創新並沒有回答這道難題，幾乎與外觀形態變化的同時，行業也開始思考如何將 AI 與智能手機結合在一起。
如果從芯片發佈時間的角度去看，兩年前華為發佈的麒麟 970 的確是業界第一款搭載 NPU（神經網絡處理單元）的手機處理器，不過，iPhone 8 系列所搭載的 A11 處理器，卻是用戶最早能買到的配備 NPU 的手機處理器。
這個時間差成為一種屢試不爽的市場話術，延續到 2018 年華為麒麟 980 的發佈。比如麒麟是 980 是「業界第一款採用 7納米制程的手機處理器」，但 iPhone XS 系列卻是用戶可以最快買到的搭載 7 納米制程處理器的智能手機。再比如，麒麟 980 首次將 NPU 升級為雙核，而蘋果的 A12 並沒有「追隨」，只是用一個升級版的神經網絡引擎做了某種意義的「回應」。
但在 2019 年的時間點去看，這個探索並不成功，首先必須明確一點，智能手機行業正在步入到一個成熟期。所謂「成熟期」的潛臺詞也是這個行業的增長紅利已經消失，一如當年的 PC 市場，當用戶對於手機的期望值越來越高，當用戶不再每年都願意更換手機，當手機體驗越發同質化，即便強大如蘋果，也在 2019 年向市場傳達了一個基本信號：我們不是智能手機公司，我們是一家服務公司。
IDC 最新的一組數字顯示，智能手機市場的確還有機會，再經歷了 2018、19 年整體下滑後，接下來的 5 年時間還會有增長，但漲幅只有 1.1%，這幾乎宣告了一點：未來 5 年是智能手機行業的洗牌期。
其次，AI 為什麼救不了智能手機行業？以華為發佈的麒麟 990 處理器為例，撇開其中的 5G 性能，單說 AI 能力，依然侷限在圖像、視頻領域，這也是過去兩年整個手機市場對於 AI 應用場景的基本認識。所謂的手機 AI，基本也是手機攝像頭和相冊的 AI，利用攝像頭作為數據採集工具，分析所拍攝物體周圍場景、基本形狀，從而自動化調整拍照的色彩。
而在其他領域，比如語音、NLP 等 AI 發展迅速的技術領域，智能手機幾乎無法觸及，原因也非常簡單，在手機電池無法保證的前提下，諸如語音、NLP 的本地計算並不能給用戶帶來真正的優化。需要注意的是，這裡只是談系統級別的 AI 能力，並不涉及大量第三方的手機 AI 應用，但即便放眼 iOS 和 Android 生態，在系統不支持相關能力的現實條件下，第三方應用可以發揮的餘地非常小，而且也僅僅是侷限在某些特定領域，比如語音輸入（iOS 上還需要開放「完全訪問」）、利用 NLP 過濾短信等。
第三，「5G+AI」的想象力到底在哪裡？華為麒麟 990 發佈會上曾有一張 Keynote 寫道：「移動 AI 2.0= 5G+端側 AI +雲側 AI」。這個邏輯沒有問題，也是解決當下移動 AI 發展的必由之路，利用 5G 帶來的網絡優勢，實現雲側 AI 模型訓練後的實時部署，真正打通雲、端的 AI 訓練與部署。
但現實問題並不少。從 5G 發展速度來說，還是一個相當緩慢的過程，即便是中國這樣基礎建設速度較快的國家，一二線城市 5G 基站建設的速度與普及能力還需要一到兩年，下圖是 11 箇中國大城市 5G 基礎建設時間表；以過往 4G 的歷史去看，從基站到用戶設備以及運營商服務，整個產業鏈下游的整合還需要不少的時間。
更進一步，即便是 5G 網絡可用、夠用，所謂「雲側 AI 實施訓練、端側 AI 實施部署」的理想狀態還會面臨另一個考驗：生態。有沒有足夠的開發者有能力、有意願將 AI 能力集成到手機應用裡？有沒有真正殺手級別的 AI 應用出現？但一個行業逐漸進入成熟期，所謂的「生態紅利」也將漸趨消失，「5G+AI」還能再造一個生態嗎？
我不樂觀。
閱讀更多 趙賽坡商業評論 的文章
