關於科技行業，我最喜歡的一件事是，大公司和高階產品的創新能以多快的速度流入更實惠的裝置。猖獗的竊取創意行為在小公司之間發生時並不可怕——或者，就像Facebook把Snapchat當成孵化實驗室一樣，當一家大公司複製一家小公司時。不過，我對從蘋果和谷歌這樣的巨頭到更具預算優勢的硬體和軟體供應商的好主意的普遍流動沒有意見。不過，蘋果和谷歌在這方面有一個明顯的問題，他們一直在努力開發無法輕易模仿的新技術和新方法。

最近智慧**的一個大的新事物是你會聽到的流行語之一：機器學習。像增強現實和虛擬現實一樣，機器學習通常被認為是一個遙遠的承諾。然而，在2017年，它已在主要方面實現。機器學習是今年蘋果iphonex和谷歌pixel2/XL獨一無二的核心。無論是今天還是明天，它都是差異化的驅動力，而在It領域落後的公司將發現自己在激烈的競爭中脫穎而出。

機器學習的優勢是不容易複製、克隆或逆向工程的：要在這場遊戲中與蘋果和谷歌等公司競爭，你需要擁有與他們一樣多的計算能力和使用者資料（你可能缺乏），以及他們投入的時間（你可能沒有）。簡單地說，機器學習有望成為大型科技公司的聖杯，這些公司希望達到規模較小的競爭對手無法達到的頂峰。它利用了巨大的資源和使用者基礎，而且隨著時間的推移，它不斷地變得更好，所以競爭對手必須不斷地移動，以保持觸手可及。

我不是說機器學習是靈丹妙藥，正如我不是說所有的OLED顯示器都很棒一樣（有些很糟糕）：它只是一些關鍵的區別功能正在構建的基礎。

谷歌的hdr+攝像頭

讓我們從迄今為止最令人印象深刻的機器學習消費技術的表達開始：谷歌Pixel和Pixel 2**上的攝像頭。它的單反相機般的效能從未停止讓我驚訝，尤其是在低光條件下。谷歌的成像軟體已經超越了移動相機的傳統物理限制（即：大型感測器和鏡頭的物理空間不足），它是透過巧妙的演算法和機器學習相結合來實現的。正如谷歌喜歡說的，該公司已經把一個輕微的問題變成了一個資料問題，很少有公司像谷歌那樣擅長處理資料。

最近，我和領導谷歌計算攝影團隊的斯坦福大學學者馬克·萊沃伊（Marc Levoy）進行了交談，他強調了谷歌機器學習輔助相機的一個重要方面：隨著時間的推移，它會越來越好。即使谷歌在Pixel和Pixel2釋出之間沒有做任何改進，機器學習時間的簡單積累也會讓相機變得更好。時間是使機器學習更加令人興奮的額外維度。Levoy說，你可以在機器學習設定中投入越多的資源，它的輸出就越好，時間和處理能力（無論是在裝置本身還是在谷歌龐大的伺服器群中）都是至關重要的。

谷歌助理

在今年1月的CES上，華為的移動老總Richard Yu被問及華為是否會在美國推出自己的語音助理，他回答說：“Alexa和Google assistant更好，我們怎樣才能競爭？“（對於一個移動公司CEO來說）這種異常務實的回應巧妙地概括了複製谷歌和亞馬遜的機器學習成果的困難。這兩家美國公司在自然語言處理和語音識別領域投入的大量資源正在回報紅利，使它們在競爭中遙遙領先，即便是美國以外最大的消費科技品牌之一華為（Huawei）也不想參與競爭。這就是機器學習長期投資的累積能力。

谷歌助手是一個與眾不同的功能嗎？不是針對硬體，因為谷歌希望在所有可能的裝置上執行助手。但是，這個助手充當了一個渠道，將使用者匯入谷歌搜尋和公司的其他服務，幾乎所有使用者都受益於各種各樣的機器學習，不管你想到的是谷歌地圖提示還是YouTube影片建議。Assistant為移動市場所做的是增強谷歌對其硬體合作伙伴的影響力：不幸的是，這家**商試圖在2018年推出一款Android**，卻沒有谷歌Play商店或Assistant。

蘋果的臉id

在蘋果方面，機器學習已經滲透到iPhone上執行的大部分軟體中，而且蘋果的核心ML工具使開發者可以很容易地新增到這個庫中。但大家都註意到的是，新款iphonex最大的亮點在於其螢幕頂端的缺口和其中包含的技術。在monobrow部分，你會發現一個完整的紅外和光感測器陣列，這相當於一個微軟Kinect系統，它促進了新的人臉身份驗證方法。

我仍然不確定faceid在安全性和便利性之間的平衡如何（尤其是在沒有Touch-ID指紋識別的情況下），但我對它所代表的技術成就毫不懷疑。我認識的每一個使用過FaceID的人都對它的準確性進行了熱烈的評估。這個系統足夠強大，可以在黑暗中工作，而且，由於機器學習，它可以適應你外表的變化。如果去掉所有通常的增量升級和設計調整，臉ID系統就是iPhoneX的定義性新功能。它依靠機器學習來發揮它的技術魔力。

機器學習增強功能真正成為大眾市場**的關鍵賣點可能還為時過早。對於iphonex購買者來說，faceid是次要的，他們更喜歡這種新的、帶有邊框恐懼症的設計。雖然谷歌的相機是擁有畫素的最佳理由，但仍沒有那麼多畫素擁有者。但關鍵的是，**公司現在需要開發自己的機器學習解決方案，以便在這些東西成為使用者體驗的關鍵和核心時保持競爭力，因為他們威脅最早將在明年這樣做。中國公司在硬體上迭代時可能會以可笑的速度工作，但是當你試圖複製的東西是數月甚至數年的機器學習訓練時，規則就會改變。

華為的ai晶片和三星的bixby災難

除了蘋果和谷歌，華為一直是在移動裝置上實施機器學習和人工智慧的最大支持者。該公司最新的**和處理器都被宣傳為擁有“真正的人工智慧”。然而，華為在人工智慧的推動下正朝著正確的方向發展，這與蘋果和谷歌不同，蘋果和谷歌都將機器學習變成了有形的東西，明顯的和（字面上）面向使用者的特性-華為的方法是在長期使用的過程中，利用機器學習來最佳化Android效能，這是一個遠沒有市場的領域。這是一個值得稱贊的努力，但當人們在商店裡比較閃亮的新**時，很難想象這是一個真正的區別。華為也在推廣“攝像頭人工智慧”，它試圖根據檢測到的照片自動增強影象，但我還沒有看到它能達到谷歌畫素的效果。

華為的例子提醒我們，機器學習本身並不是唯一的賣點；獨特的賣點是，並將建立在機器學習之上。

另一個突出的例子來說明這一點是三星的經驗，其Bixby語音助手。如果一家公司決定在沒有足夠的計劃、準備或時間積累大量有用的資料和機器學習知識的情況下將其投入生產裝置，Bixby可能就是googleassistant。不幸的是，我們可能預計明年會有更多的Bixbys，因為各公司正在努力找出如何最好地利用機器學習提供的潛力。

當你看到iphonex時，你可能會被它華麗的新OLED顯示屏所震撼。儘管價格昂貴、價格昂貴，但三星也可以使用該面板，而不僅僅是蘋果。蘋果每一次新的硬體調整似乎都是為了使其裝置的**更加複雜和技術化，比如用於觸覺反饋的Taptic引擎，iPhone顯示屏上的3D觸控互動，以及最新MacBooks上的觸控式螢幕——但所有這些最終都是可以被其他人反向工程和複製的系統。2014年，蘋果投入巨資試圖建立自己的藍寶石水晶顯示器**供應鏈，這本是一個巨大而獨特的優勢，但這一努力落空，為其**的生產公司破產。

過去****商能夠在幾個月內獲得主要硬體優勢的日子已經一去不復返了。在智慧**發展的這個後期階段，機器學習是確保有意義的差異化的唯一途徑。我仍然認為，谷歌的攝像頭被普遍低估，主要是因為谷歌長期以來無法將畫素裝置廣泛分佈。我也認為faceid會被一大堆有抱負的競爭對手複製，很糟糕。但真正的移動創新者和快速模仿者之間的界限，直到最近才變得模糊和褪色，隨著**進入機器學習輔助一切的時代，將再次變得明顯。