⊆
过去一年，OPPO 改换了一副新Σ面目示人。
早期 OPPO 做产品，是以‘脚 踏实地’著称的。他们更关注功能如何具体地落实↑到用户需求。比如‘á充电五分钟，通话两小时’，‘多倍潜望长焦’、就连他们探索卷轴屏等概念产品，都显得特别接地气。
但近一年，OPPO 接连发布了几项有点‘抽象’的技术，从一年前的马里亚É纳自研芯片，到夏天的潘塔纳尔，在刚刚结束的 OPPO INNODAY░ 上，OPPO ¡又推出了一项新概念，安第斯智能云。
ⓕ 作为手机厂商，OPPO 早就在做云服务。这并非行业焦点，而各家的云服务在功能上Δ都大同小异。લ毕竟也不存在竞争，用户用哪家的手机，就要用谁的云。
但这一次，OPPO 似乎在做一个大动作：从马里亚纳芯片、到潘塔纳尔智慧跨端系统，再到安第斯智能ਫ਼云，OPPO 将三者并成为‘三大核心技术’，其ⓢ战略上赋予的关键性不言而ਠ喻。
看起来，OPPO 正计划ó布局一个完全不同的‘云系统’。我们不×妨分析下它因何而来，又将♣意味着什么？
Θ °01¬
ˆ云服务的Ã兴起€
要ñ研究一个全新的云服务，我们就不得不回顾‘个人云’的发展历史。
个人云服务进入主流视野，可以追溯到 Dr◐opbox 的兴起。它是第一代‘云盘’的成功典范，自 2008 年上线后，仅 7 个月时间，Dropbox 就吸引了 100 万用户，这个速度∑甚至比 Facebook 的初期增长还要更快。一年后，这个数ક字变成了 1000 万。
但就在 Dropbox 飞奔的同时，智能手机也迅速普及，手机厂商开始入局。2011 年，苹果推出 iCloud，ટ次年，谷歌推出 ⓣGoogle Drive⊕。
ੜ 智能手机厂商、系统商的入局，给云储存带来了一项杀手级应用：储存用户智能手机上生成的数据。从照片、通讯录，到日历、邮件、应用数据。这一变化将云服务的用户面，一Á下拓宽到了⊆亿级、十亿级。
但很长一段时间里，云服务的本质，都只是‘云储存’而已。甚至直到今天，用户用得最ℜ多的云服⌋务，依然是手机数据的备份和恢复。
这一背景下，用户也开始讨论，云真的可靠吗？真的有必要且无可替代♨吗？部ú分‘硬核玩家’一直在尝试用本地的云储存，也就是 NAS，来管理自己的数据。³这部分数据安全原教旨主义者认为，只有把数据放在自己的硬盘上，才是 100% 安全的。
઼ 直到 2015 Ú年，Google Pòhotos 的诞生，彻底改变了‘云服务’的本质。
自创业以来，ઢ谷歌提供给用户的‘云服务’，一直偏向于‘应用’而不是‘存储’。比如邮૮箱、日历、云文档，只不过它们的本质依然是储存，用户有将一切数据导入本地的选择。
但 Goo∋gle Photos 不一样，它是真正完全基于‘云端算力’的应用。谷歌用云端算里、AI 能力，对数据进行了深度挖掘，提供了更好的呈现方式。比如 Google Photos 可以识别用户照片里的人，通过一张照片里的人脸，就可以轻松找到同µ一个人的全部照片；又比如用户可以通过自然语言，对图片进行检索，搜索‘西瓜’、‘度假’、‘新年’等照片。这都是传统云服务完全不具备的能力。
自此，个人云服务悄悄发生了一次质变。因为用户如果将照片存在本地或 Dropbox 等云盘上，就无法实现相应的Α AI 功能。所以，当我看到 OPPO 说要打造一个新的‘智能云’，Τ第一▨反应就是它要朝着应用化、服务化的方向加速发展。
事实确实如此，安第斯智能云规划的六大能力，除了传统的储存、机器学习之外，还包括云端实时渲染、•智能对话、硬件仿真等能力。云端实时渲染解决的，是端侧算力不足时在端云之间实现超低时延的渲染；智能对话可以实现多场景下的人机交互，理解用户意图，主动推荐服务；硬件˜仿真包括芯片仿真、手机仿真。其中手机仿真是指通过手机虚拟化帮助开发者远程开发与测试。
↔ 这些计划都充满雄心，也值得用户期ઠ待。∧
现在，Ô让我们把视线放回历史。谷歌发布 Google Photos 之后，‘照片搜索’已经成了大部分手机标配的功能，这∉背后又有另一段故事，另一条关键技”术路线。
◐ ⊥02
ñ ‘终端⊄计算’的崛ઐ起和局限
面对谷歌的全新સ云相૧册，苹果第一⊃个作出了应对。
2016 年，在 iOS 10 上，苹果ઠ首次推出‘照片搜索’功能，ਜ਼显然‡是在对标 Google Photos。
与 Googµle Ph≠otos 不同的是，苹果的相册并不利用云端算力对照片进行分析，而是用手机自身的 NPU（神经网络处理器），来实现 AI 学习、识别。
苹果之所以把一切放到本地运行，一方面是强调自己保护隐私，另一方面也⌋能提升服务的可靠性，在网络环境不好的时候也能供用户使用。
这开启了手机 NPU 普及，以及之后军备竞赛的时代。到今天，每家手机厂商在发布新产品时，都会把 ⊇NP∗U 性能当作一个重要模块来阐释。‘机器学习’在手机上的应用场景逐渐变得越来越广泛：从语音识别、图像识别处理、影像优化，甚至可以对游戏进行‘插帧’，优化流畅度ⓢ。
图片来源：视»觉中ધ国
但 NPU 也并非事事完美。首先≈，它的性能依然有Ã局限，NPU 模块的算力再强，在模型处理能力上ⓐ，也无法与谷歌云端 AI 的能力相媲美。
其次，它依然会占用相当多的系统资源，今天很多 iPhone 用户都发现，新手机拿到手之后前几天，恢复数据后，掉电会特别快。这背后就是手机一直在跑它的 NPU 模型，▥对相册等数据进行识别、目≡录重建，也常会带来∉一些异常发热的问题。
੍ 最后，NPU 模⁄型跑在本地，但云端的数据却横跨不同终端。所以类似苹果这样的厂商，就必须☎为旗下每款硬件都配备同等算力的 NPU，否则就会出现手机上能实现的功能，平板、电脑等设备因为性能不足，无法实现的问题。
一个最◑近的例子就非常典型：苹果新推出了 Apple Music 的 K 歌功能，这个功能是利用本地的 NPU，对歌曲的人声部分进行分析、消音。有大量老旧设备，因为 NPU 算力不足，无法体验这一功能。而这个应用是典型的，本应通过云端算力来解决的场景，因为它不涉及任何隐私问题，处理一次ⓢ推送给手机即可。舆论认为这是苹果的一次秀肌ਲ਼肉，但它确实影响了老用户的体验。
从这个逻辑，就不难理解为什么 O▒PPO 要从‘影像功能’入手，自研马里亚纳芯片。照片，可能是手机隐私保护级别最高的功能之一，且对实时性的要求极高。用户按下快门，当然希望马上看到经过处理、优化的图像。这一点 Google Photo 的体验就相对差一点，很多时候照片拍摄完成、上传之后，要到第二天甚至之后，才能看到经云端 AI 优化的效果。
无论如何，最Ζ后的结局是，谷歌、苹果两家巨头，选择了两种不同的路线a0;。两种路线在数据处理，呈现上，分别ξ有不同优势，很难说谁‘选对了’。
理解了这两种路线，再回头看 OPPO½ 提出的‘端云协同’，φ就会容易理解很多。
Λ
03
ⓨ
‘端云∃⋅协同’的未来
显然，‘端云协&#ffe0 ;同’的目标，是同时吸取云端⊂和终端੪计算的优势。
在需要快速反应，ô处理敏感数据时，利用终端算力更快、更实时、无需‘在线’的特性；在分析、训练大量非敏感数据时，则发挥云端省资源、算力强的特性τ，在云端后台实现，提升服务能力。
理想状况下ੑ，‘端云协同’还将有一个关键优势，就是能让不同终端ઘ，具备统一的体验。这件事不一定要发生在互联网的云端，而是也可以发ⓣ生在本地局域网内。
比如当用户用耳机唤醒语音助手ભ时，耳机的算力显然不足以对语音进行识别。它就可以把识别任务发送到手机等其他设备，进行处ⓘ理。通过这种方式，也能极大提升电视、手表等算力相对较弱设ૡ备的体验。
优势显而੫易见，但这件事也一定不简单。苹果、谷歌，两家顶સ级巨头都各自只做好了一件，OPPO⊗ 又要如何同时探索自研芯片、跨端系统、智能云三个方向呢？
答案依然要到 OPPO 的历史里去找。回顾国产智能手机市场的发展β历程，不难发现，国内用户对云应用的认知、接受度相对要低一些。同时，ઢOPPO 也很难在一夜之间拥有比肩苹果的芯片自研能力。
你会发现，&#ffe1;这↓应该是 OPPO 在自我审视，观察市场，分析用户后，做出的谨慎选á择。
现在，马里亚纳自研芯片已经是 OPPO&#ffe1; 手机里关键的 AI 芯片，核心差异与优势在于 NPU，也就是 AI 算力，为终端性能与更广阔的应用前景打下坚实基础；潘塔纳尔则是不同设备操作系统之上的共用‘中间件’，让数据、服务，能够在不同终端间流转，实现真正的以人为中心而非以设备为中心；最后，安第斯智能云将ૉ那些重算∴力、大数据的任务拿到云端，成为多设备共享的‘智慧大脑’。
对 OPPO 来说，选择这个目标本身，基本上就是选择了一条漫漫长路。ι因为同时涉及三个核心技术的·发展和协同，挑战是¤相当之大。
不过我问了问 OPPO，据说陈明永在战略上是把决心和耐心都准备好了，‘在芯片研发上不要寄希望于奇迹Ņ’，他曾经明确ત表达了这个Ì观点。
其实所谓做‘难而正确d0;的事情’，首先是要找到正确的事情。这样，即便要‘滚石ⓚ上山’，也是有意义的艰难。
“掌”握科‘技鲜闻 ▩（微信搜索techsina或扫描左侧二维码关注）¼
▧新浪મ科技⊂
新浪科ⓞ技为你带来最新鲜的科技资“讯è
↔
苹Ζ果⊃汇
❄
苹果∂汇为你带来最新鲜的苹果产品新闻
å
新浪众›ⓚ测
×新酷产品♧ટ第一时间免费试玩
¸新浪探ⓢ索
提供最新的科学家新闻ⓩ，精彩的♪震撼图ⓢ片
新ੑ浪▥科技Āf;意见反馈留言板
All R⊂i⊃ghts Reserved õ新浪公司 版权所有
