文／孫凌云，周志斌，張于揚，李卓書（阿里巴巴-浙江大學(xué)前沿技術(shù)聯(lián)合研究中心；計算機輔助設(shè)計與圖形學(xué)國家重點實驗室）

隨著智能計算芯片與系統(tǒng)、新型多元智能傳感器件與集成平臺等新一代人工智能 （Artificial intelligence,AI）基礎(chǔ)支撐平臺的迅速建設(shè)，以AI芯片、智能計算前移的新型傳感器件等為代表的AI硬件將迅速發(fā)展。而隨著軟件算法的成熟和學(xué)習(xí)數(shù)據(jù)日益豐富，新一代的智能新產(chǎn)品設(shè)計開發(fā)的基礎(chǔ)技術(shù)條件逐漸成熟。以AI硬件為基礎(chǔ)，在“端+云+芯片”的協(xié)同支持下，產(chǎn)品的感知、理解、推理和決策能力將實現(xiàn)突破?；贏I硬件的智能產(chǎn)品（以下簡稱“AI硬件智能產(chǎn)品”）面臨全新的發(fā)展機遇，而人工智能作為一種前所未有的設(shè)計要素，也為智能產(chǎn)品設(shè)計及其平臺帶來了挑戰(zhàn)[1,2]。以AI芯片、新型傳感器件為代表的AI硬件發(fā)展迅速，催生了一大批基于AI硬件的新智能產(chǎn)品。

一、基于A I硬件的新智能產(chǎn)品

1.1 AI硬件在智能產(chǎn)品中的應(yīng)用模式

人工智能解決方案正從“軟件”向“軟件+芯片”轉(zhuǎn)變，國內(nèi)外眾多科技巨頭和初創(chuàng)公司紛紛進入AI芯片領(lǐng) 域， 如Nvidia、 Google、 Intel、AMD、IBM等國外知名企業(yè)，以及我國寒武紀(jì)科技、中星微電子、華為等公司。與此同時，面向智能應(yīng)用的生物、運動、醫(yī)學(xué)、健康、環(huán)境類智能傳感器，以及面向智能制造、工業(yè)互聯(lián)網(wǎng)應(yīng)用的微機電器件等發(fā)展迅速。人工智能發(fā)展重心呈現(xiàn)向硬件底層快速滲透的趨勢。

AI芯片的發(fā)展直接推動智能計算前移的新型傳感器件的研發(fā)。當(dāng)前AI芯片產(chǎn)業(yè)生態(tài)及競爭格局已經(jīng)初步形成。在研發(fā)和模型訓(xùn)練階段，這些AI芯片以及相應(yīng)的AI硬件已經(jīng)被廣泛用于各大人工智能企業(yè)及實驗室。在應(yīng)用階段，AI芯片及相應(yīng)AI硬件的應(yīng)用場景可分為云端推斷 （inference on cloud） 及 終 端 推 斷 （inference on device）兩類。

（1）云端推斷，即在服務(wù)器端進行人工智能計算的云端智能。其主要模式是：產(chǎn)品終端的各種傳感器采集各類數(shù)據(jù)，經(jīng)由網(wǎng)絡(luò)將數(shù)據(jù)傳輸至云端數(shù)據(jù)中心，在云端數(shù)據(jù)中心進行人工智能的感知、理解、推理和決策等計算，通過網(wǎng)絡(luò)將結(jié)果反饋至產(chǎn)品終端；用戶從終端產(chǎn)品獲得智能服務(wù)的輸出。這一模式中的AI芯片以高計算能力、高能耗為主要特征。在這一領(lǐng)域，具有眾多計算單元和超長流水線、具備強大并行計算能力與浮點計算能力的GPU，可以大幅度加快深度學(xué)習(xí)模型的訓(xùn)練速度，是深度學(xué)習(xí)模型訓(xùn)練領(lǐng)域的主流選擇。雖然云端推斷的單次推斷計算量遠遠無法和訓(xùn)練相比，但隨著人工智能應(yīng)用的普及，云端推斷的計算量總和將為服務(wù)器帶來巨大壓力。由于海量的推斷請求仍然是計算密集型任務(wù)，阿里云、Amazon、微軟Azure等公司正探索云服務(wù)器+FPGA芯片模式替代傳統(tǒng)CPU以支撐推斷環(huán)節(jié)在云端的技術(shù)密集型任務(wù)。

（2）終端推斷，即用于以消費級電子產(chǎn)品為代表的設(shè)備端智能。隨著低功耗、高靈活性的AI芯片及相應(yīng)解決方案的發(fā)展，本地終端計算能力不斷提高，以往需要云端計算的人工智能應(yīng)用可以在本地終端運行，減少或者不依賴云端推斷。以智能安防攝像頭為例，其視頻分析、人臉識別等功能必須在終端完成，以減輕網(wǎng)絡(luò)傳輸壓力；機器人、無人機、自動駕駛等設(shè)備的推斷也必須在本地完成，以避免網(wǎng)絡(luò)延時引發(fā)災(zāi)難性后果；AR、VR等設(shè)備及應(yīng)用，也對時間延遲非常敏感。這類設(shè)備端智能需要高度定制化、低功耗的AI芯片產(chǎn)品支持。在這一領(lǐng)域，CPU、GPU、FPGA（可編程門陣列，F(xiàn)ield Programmable Gate Array）、 ASIC（專 用 集 成 電 路，Application Specific Integrated Circuit）等解決方案正發(fā)展迅速。

1.2 AI硬件智能產(chǎn)品

AI硬件支持的智能產(chǎn)品發(fā)展為智能產(chǎn)品設(shè)計，特別是電子信息產(chǎn)品設(shè)計帶來了全新的發(fā)展機會[3]。通過云端智能模式、終端智能模式，或者二者融合的模式，可以有效提升產(chǎn)品的感知、思考和反饋能力。如在手機中嵌入深度神經(jīng)網(wǎng)絡(luò)加速芯片，二者結(jié)合，以支持基于深度學(xué)習(xí)的攝影、圖像處理、語音識別、增強現(xiàn)實等應(yīng)用，從而為用戶提供更加豐富的體驗。高級輔助駕駛系統(tǒng)（ADAS），在終端處理由激光雷達、毫米波雷達、攝像頭等傳感器采集海量實時數(shù)據(jù)，并作出決策。虛擬現(xiàn)實、增強現(xiàn)實設(shè)備在終端AI芯片的支持下處理多個攝像頭、深度傳感器以及運動傳感器數(shù)據(jù)，并支持計算機視覺矩陣運算的加速功能。

與此同時，大量前所未有的智能產(chǎn)品正迅速問世。作為信息產(chǎn)品設(shè)計研發(fā)和產(chǎn)業(yè)發(fā)展的風(fēng)向標(biāo)，全球消費電子產(chǎn)品展 （The International Consumer Electronics Show，CES）已經(jīng)出現(xiàn)大量全新的AI硬件驅(qū)動的智能產(chǎn)品。如機器人保姆Kuri，包括揚聲器、麥克風(fēng)、攝像頭和多個傳感器，可以自動采集家庭的數(shù)據(jù)、學(xué)習(xí)房間的布局、識別樓梯位置和各個房間的主人，協(xié)助照顧兒童和寵物。歐萊雅Hair Coach智能梳可以通過聲音、壓力、陀螺儀等傳感器分析發(fā)質(zhì)、發(fā)型等數(shù)據(jù)，進而檢測頭發(fā)質(zhì)量，推薦護發(fā)產(chǎn)品。FridgeCam是用于冰箱的無線攝像機，可以跟蹤食品的保質(zhì)期，自動補充食品，并根據(jù)冰箱中的食材推薦食譜；用戶還可以通過移動應(yīng)用從任何地方看到冰箱里的存儲情況。

認(rèn)知計算是目前AI硬件驅(qū)動的產(chǎn)品智能化的關(guān)鍵，也是當(dāng)前智能硬件的競爭熱點。IBM Watson、蘋果Siri、谷歌Assistant、三星Viv、亞馬遜Alexa等都致力于開發(fā)支持智能產(chǎn)品的認(rèn)知計算平臺[4]，其中典型代表為亞馬遜的人工智能語音助手Alexa[5]。截至2017年1月，已經(jīng)有6 000家企業(yè)接入Alexa平臺，搭載Alexa的硬件品類已經(jīng)超過7 000種。最新數(shù)據(jù)顯示，其技能總量已經(jīng)達到1.6萬項，涵蓋查詢天氣、約車、訂房、導(dǎo)航、查詢菜譜、采購?fù)赓u、控制家用電器等，支持的產(chǎn)品包括電器、手機、機器人、汽車和娛樂系統(tǒng)等。

通信技術(shù)是智能產(chǎn)品實現(xiàn)網(wǎng)絡(luò)化、協(xié)同化智能模式的基礎(chǔ)。如5G的發(fā)展將支持更高效的移動網(wǎng)絡(luò)運營并降低數(shù)據(jù)傳輸成本，從而使得增強現(xiàn)實和虛擬現(xiàn)實等數(shù)據(jù)密集型產(chǎn)品和交互模式的大范圍推廣應(yīng)用成為可能；同時，5G對低時延高可靠、低功耗大連接等應(yīng)用場景的解決方案，也是AI硬件智能產(chǎn)品的支撐技術(shù)。[6]此外，在某些具體的應(yīng)用領(lǐng)域，也有相應(yīng)的解決方案大量涌現(xiàn)。如在穿戴式計算領(lǐng)域，作為傳感網(wǎng)絡(luò)技術(shù)和生物醫(yī)學(xué)工程、新材料相結(jié)合的產(chǎn)物，體域網(wǎng)BAN（Body Area Network）正廣受關(guān)注[6,7]。體域網(wǎng)利用新材料的特性，結(jié)合人體工程學(xué)的特征，構(gòu)建一個局部的網(wǎng)絡(luò)世界，具備感知、連接、計算和與人體互動的能力；可以與智能手機或智能終端連接，進行醫(yī)療診斷中的即時檢測等任務(wù)。

1.3 AI硬件智能產(chǎn)品設(shè)計的挑戰(zhàn)

AI硬件智能產(chǎn)品設(shè)計面臨全新的交互設(shè)計挑戰(zhàn)。當(dāng)用戶面對大量的智能設(shè)備時，很難通過手動方式有效管理和使用這些設(shè)備；智能產(chǎn)品日益增長的復(fù)雜性和可用性難題，正在制約著智能家居的發(fā)展。隨著語音搜索準(zhǔn)確率的大幅度提升，語音驅(qū)動的用戶界面正成為新一代人工智能產(chǎn)品的重要交互模式[8]。根據(jù)Gartner預(yù)測，到2018年，30%的人機交互將是人與智能設(shè)備的對話[4]。 目前亞馬遜（Echo）、 蘋 果 （HomePod）、 谷 歌（Home）、阿里巴巴（天貓精靈）、騰訊（耳朵）等公司紛紛推出智能音箱產(chǎn)品，這些產(chǎn)品被視為家庭智能應(yīng)用場景的中樞，也是切入以家庭為主要應(yīng)用場景的智能家居領(lǐng)域的通道[8]。但是，對于語音產(chǎn)品的設(shè)計方法、用戶體驗研究等仍然處于起步階段。

人工智能已經(jīng)成為一種新的設(shè)計要素，這對新產(chǎn)品設(shè)計，特別是智能產(chǎn)品的設(shè)計過程提出了挑戰(zhàn)。正如視覺設(shè)計師需要理解紙張尺寸、涂層類型、物理屬性、印刷工藝等特性；產(chǎn)品設(shè)計師需要理解產(chǎn)品的材料（如塑料、木材、金屬）、加工方法和表面工藝，智能產(chǎn)品的設(shè)計師則需要對人工智能這一新的設(shè)計要素，對AI的技術(shù)潛力和邊界、條件和基本原則有明確的理解，并建立相應(yīng)的設(shè)計方法和工具體系。

二、支撐AI硬件智能產(chǎn)品設(shè)計的相關(guān)探索

2.1 AI硬件智能產(chǎn)品的概念設(shè)計方法與工具

圍繞人工智能技術(shù)的概念設(shè)計方法與工具正成為AI硬件智能產(chǎn)品設(shè)計的研究重點。例如，Denis Parra從以人為本的角度提出AI硬件智能產(chǎn)品的體驗設(shè)計原則——HUMAN[9]。該理論強調(diào)了整體性 （Holistic），即AI硬件智能產(chǎn)品應(yīng)該提供跨越時間和空間的、整體的交互；易用性（Useful），即AI硬件智能產(chǎn)品應(yīng)該提供有用、易用和好用的交互；可測量（Measurable），即衡量AI硬件智能產(chǎn)品的體驗時，應(yīng)該使用與業(yè)務(wù)目標(biāo)和消費者目標(biāo)一致的考核指標(biāo)；真實性（Authentic），即AI硬件智能產(chǎn)品的設(shè)計應(yīng)該基于真實的使命，并直接服務(wù)于客戶的需求；靈活性（Nimble），即AI硬件智能產(chǎn)品的體驗應(yīng)該是靈活的，允許進行緊急調(diào)整并適應(yīng)新的客戶期望。

谷歌的PAIR（People+AI Research）團隊發(fā)布了交互設(shè)計手冊，幫助體驗設(shè)計師和產(chǎn)品經(jīng)理在產(chǎn)品團隊中構(gòu)建以人為本的AI交互設(shè)計[10]。該手冊提供了詳盡的自查表，關(guān)注用戶需求、數(shù)據(jù)收集與評估、心理模型、可解釋性與信任、反饋與控制等議題；包含設(shè)計方法的推薦，如將傳統(tǒng)的IDEO設(shè)計方法用于人工智能產(chǎn)品設(shè)計，或采用自查表細則對設(shè)計方案進行評估。

微軟研究院提出了普適的人工智能交互指南，并針對每條指南羅列了案例以及適用情況[11]。該指南提出了4個設(shè)計階段，包括交互初始階段、交互過程中、系統(tǒng)出錯時、隨時間推移，對各個階段AI系統(tǒng)應(yīng)該如何表現(xiàn)給出指導(dǎo)，提出了18項具體原則。研究者對最初收集到的168條建議進行總結(jié)凝練，進行多輪評估，并招募49名設(shè)計師參與該指南的用戶研究，最終驗證了其中18條指南在設(shè)計實踐中的價值。

然而，設(shè)計師在進行AI硬件智能產(chǎn)品的概念設(shè)計時，仍依賴服務(wù)設(shè)計等傳統(tǒng)設(shè)計思維及其相關(guān)工具（如用戶畫像、用戶旅程圖等）。例如，服務(wù)設(shè)計思維鼓勵設(shè)計師考慮所有的利益相關(guān)者，對設(shè)計相關(guān)要素進行系統(tǒng)性考量[12]；商業(yè)畫布則幫助設(shè)計師考慮成本架構(gòu)、收益流、引客渠道等商業(yè)要素；移情圖可用于理解用戶需求；頭腦風(fēng)暴可用于快速產(chǎn)出大量解決方案等。但是，這類傳統(tǒng)設(shè)計方法并沒有將AI對數(shù)據(jù)的依賴以及訓(xùn)練過程中的迭代納入考量。由于AI具有迭代頻繁、不確定性高等特性，各設(shè)計要素與商業(yè)要素的特征以及利益相關(guān)者的訴求可能會不斷變化。設(shè)計師難以對處在動態(tài)變化中的用戶、AI技術(shù)與應(yīng)用場景進行統(tǒng)籌規(guī)劃和管理[13]。

當(dāng)前，相關(guān)研究開始嘗試將AI的相關(guān)特性融入到傳統(tǒng)的設(shè)計過程中，幫助設(shè)計師了解復(fù)雜多變的AI技術(shù)，完成從技術(shù)到概念設(shè)計方案的轉(zhuǎn)化。與傳統(tǒng)產(chǎn)品的設(shè)計工具類似，AI硬件智能產(chǎn)品的概念設(shè)計工具也通常采用可視化的方式，幫助設(shè)計師梳理收集到的大量信息，從而進行設(shè)計洞察、挖掘設(shè)計機會。智能產(chǎn)品的概念設(shè)計畫布（見圖1）就是一個以可視化方式幫助設(shè)計師從AI全生命周期視角分析相關(guān)要素的概念設(shè)計工具[13,14]。這一工具以機器學(xué)習(xí)這一典型的AI技術(shù)為例，將用戶、技術(shù)、場景3方面涉及的問題映射到機器學(xué)習(xí)的6個步驟中，并設(shè)置了6種挑戰(zhàn)卡片引導(dǎo)設(shè)計師思考智能產(chǎn)品的體驗問題及其解決方案。智能產(chǎn)品的概念設(shè)計畫布以可視化的方式，幫助設(shè)計師記錄并分析與機器學(xué)習(xí)生命周期各個環(huán)節(jié)相關(guān)的信息，從全生命周期視角分析與權(quán)衡相關(guān)要素，激發(fā)設(shè)計洞見、規(guī)劃設(shè)計方案。該工具包括體驗挑戰(zhàn)卡片、用戶畫像、畫布、提問板4部分內(nèi)容。

圖1 人工智能概念設(shè)計畫布組成部分

體驗挑戰(zhàn)卡片將AI硬件產(chǎn)品化過程中的用戶體驗挑戰(zhàn)具像化。其中包括：不可預(yù)測性挑戰(zhàn)、透明度挑戰(zhàn)、擬人化挑戰(zhàn)、交互性挑戰(zhàn)、共同控制挑戰(zhàn)等。實際使用中，可以根據(jù)智能產(chǎn)品的設(shè)計需要增刪卡片的數(shù)量?？ㄆ譃槎喾N類型，每種類型對應(yīng)一種用戶體驗挑戰(zhàn)?？ㄆ锌商顚憫?yīng)對相關(guān)挑戰(zhàn)所需采取的策略。體驗挑戰(zhàn)卡片可以幫助設(shè)定最初的設(shè)計目標(biāo)、描繪最終的解決方案。

AI硬件背景下的用戶畫像包括用戶的年齡、愛好等基本信息，以及用戶對AI硬件智能產(chǎn)品的偏好與痛點，包括對產(chǎn)品擬人化程度、不透明度等特性的需求。用戶畫像可以幫助設(shè)計團隊了解用戶的真正需求以及對產(chǎn)品的接受程度，進而幫助設(shè)計團隊在尊重用戶的前提下，鼓勵用戶參與到產(chǎn)品的持續(xù)訓(xùn)練與迭代階段中來。用戶畫像并非簡單地描述單一的需求或者某一刻板印象，而是通過生動、細致的需求描述，協(xié)助設(shè)計團隊共情，以提升用戶體驗。

畫布主體由6個扇形部分組成，每個部分都代表了一個典型的機器學(xué)習(xí)步驟，分別是數(shù)據(jù)收集、模型建立、模型訓(xùn)練、預(yù)測、執(zhí)行操作和模型更新。每一個扇形區(qū)域都有3個不同顏色的區(qū)域，其中淡黃色區(qū)域用于放置體驗挑戰(zhàn)卡片，深黃色區(qū)域用于填寫場景相關(guān)的信息，而藍色區(qū)域則用于填寫關(guān)于機器學(xué)習(xí)技術(shù)的信息。借助這種可視化方式，設(shè)計團隊可以組織相關(guān)創(chuàng)意與設(shè)計洞見，開展討論，評估備選方案，提出概念設(shè)計方案。

提問板中的問題按照機器學(xué)習(xí)生命周期的6個階段進行分類（見表1）。在每個階段，提問板通過與情景和系統(tǒng)相關(guān)的問題提供相應(yīng)的注意事項。提問板中的詳細信息如表1所示，用戶可根據(jù)設(shè)計任務(wù)需求增刪和修改問題。提問板可以幫助設(shè)計團隊迅速了解需要考慮的核心問題，建立對AI技術(shù)與場景的理解。

表1 提問板內(nèi)容

2.2 AI硬件智能產(chǎn)品的原型設(shè)計工具

搭建原型并進行測試是驗證設(shè)計方案的重要一環(huán)，因此AI硬件智能產(chǎn)品的原型設(shè)計工具也是設(shè)計師在開展設(shè)計活動時的必要工具。原型設(shè)計工具主要可以分為：人工智能服務(wù)平臺、開源編程軟件庫、非編程工具、硬件工具套件。

2.2.1 人工智能服務(wù)平臺人工智能服務(wù)平臺是近年新興的概念，與SaaS（軟件即服務(wù)）、PaaS（平臺即服務(wù)）等對應(yīng)。人工智能服務(wù)平臺可以被理解為：服務(wù)提供商將AI作為云端計算服務(wù)的一部分提供給客戶，旨在為缺乏技術(shù)能力的客戶（主要是企業(yè)或組織機構(gòu)）提供更便捷的方式來搭建AI系統(tǒng)[15]。例如，某企業(yè)想要定制自己的AI系統(tǒng)時，無需在公司內(nèi)部組建一支技術(shù)團隊，只需要購買相應(yīng)的AI服務(wù)。實際的運算過程在服務(wù)提供者的云端服務(wù)器上進行，客戶不需要花費高昂的成本在本地部署運算設(shè)備，也可以節(jié)省數(shù)據(jù)預(yù)處理、模型訓(xùn)練等步驟耗費的人力成本。

目前人工智能服務(wù)平臺的主流提供者包括百度AI開放平臺、IBM的Watson和AutoAI，以及谷歌的Cloud ML等。百度AI開放平臺提供了圖像識別API（見圖2）。支持通用物體和場景識別、主體檢測、菜品識別、商標(biāo)識別、動物識別、植物識別、花卉識別、果蔬食材識別、車型識別等功能。以花卉識別為例，根據(jù)拍攝照片，識別圖片中植物的名稱，配合其它識圖能力對識別的結(jié)果進一步細化等。截至2019年6月，已經(jīng)支持識別20 000多種通用植物和近8 000種花卉，接口返回植物名稱；支持獲取識別結(jié)果的百科信息，接口返回百科詞條URL、圖片和描述，支持自定義返回詞條數(shù)。

圖2 百度大腦AI開放平臺中的植物識別API

人工智能服務(wù)平臺有以下優(yōu)點：（1）自動構(gòu)建AI系統(tǒng)，降低操作難度；（2）借助云端服務(wù)器的強大算力進行運算，降低硬件成本。然而，在某些場景下（數(shù)據(jù)涉及隱私、網(wǎng)絡(luò)狀況不佳等），數(shù)據(jù)不宜在云端進行處理。其次，人工智能服務(wù)平臺往往需要設(shè)計師自行完成硬件部署和網(wǎng)絡(luò)配置等操作，仍然要求一定的技術(shù)基礎(chǔ)。

2.2.2 開源編程軟件庫AI框架與軟件庫/工具包通常是開源的。這類開源工具包提供的功能比較豐富，幾乎可以幫助使用者完成AI技術(shù)的各個環(huán)節(jié)，能夠滿足不同的原型設(shè)計需求，用戶可以使用該工具自由定制AI原型。但是這類工具需要使用者具備較強的編程能力，且缺乏配套硬件的支持，對于設(shè)計師而言使用成本較高。開源編程軟件庫以谷歌的TensorFlow為代表，它是一種可在多種平臺和設(shè)備（包括多核CPU、通用GPU和定制設(shè)計的TPU）中運行的AI系統(tǒng)。TensorFlow的開發(fā)者社區(qū)提供了各種相關(guān)工具、庫和使用教程，TensorFlow還提供了豐富的API接口，使用者可以調(diào)用各種API在桌面設(shè)備、移動設(shè)備，甚至云端實現(xiàn)AI的不同功能[16]。

2.2.3 非編程工具非編程工具常采用圖形化的操作界面，對缺乏編程基礎(chǔ)的用戶比較友好，便于制作實體原型。然而，非編程工具的圖形化通常不會展示AI的內(nèi)部機制，不利于設(shè)計師了解AI的技術(shù)特性。Delft AI Toolkit是一款針對無編程基礎(chǔ)人員的AI原型設(shè)計工具（見圖3）[17]。用戶可以通過圖形化的界面構(gòu)建原型，并進行3D仿真模擬。圖形化界面上部是編輯區(qū)域，所用形式類似參數(shù)化設(shè)計的編輯環(huán)境，以節(jié)點來表示行為樹和數(shù)據(jù)流模型。用戶可以通過拖拽調(diào)用常用的AI功能，包括語音轉(zhuǎn)文字、物體識別等。此外，該工具支持對AI原型的遠程實時控制，例如通過手機或者平板電腦，向?qū)嶓w原型發(fā)送指令，從而在原型測試中及時調(diào)整和迭代。

圖3 Delft AIToolkit工作界面

2.2.4 硬件工具套件硬件工具套件，如Google AIY、樹莓派等，可用于搭建實體原型。此類工具操作簡單，同時提供了配套的硬件，使用者無需自行選配零部件。然而，現(xiàn)有的套件所能提供的硬件較少，能夠?qū)崿F(xiàn)的功能比較有限。AIY是Google公司面向?qū)W生和創(chuàng)客推出的AI套件，可用于制作個性化AI原型（見圖4）。AIY包含一套視覺套件和一套語音套件。2種套件的外殼均由硬紙板制成，適用于低保真的原型制作。視覺套件包含樹莓派主板、攝像頭等。利用視覺套件的圖像識別功能，可以進行臉部、情緒的檢測或者常見物體識別。語音套件包含樹莓派主板、揚聲器等，可以進行語音識別，用于制作智能音箱或用語音控制其他部件。

圖4 Google AIY套件

除了上述4種原型設(shè)計工具外，設(shè)計團隊還可以選擇更方便、更低成本的方式——綠野仙蹤法（Wizard of Oz）。該方法利用人工操作模擬系統(tǒng)動作，針對用戶的操作做出反饋。綠野仙蹤實驗在不泄露評估者與執(zhí)行者存在的前提下，通過觀察潛在用戶與對象的交互來測試產(chǎn)品或服務(wù)。在實驗過程中，機器的功能不必完全被實現(xiàn)，而是由實驗組織者來模擬智能系統(tǒng)的判斷或輸出。智能音響Echo在研發(fā)過程中也使用到了這種方式。研發(fā)團隊想要了解用戶會問Echo什么問題，以及用戶期望的回應(yīng)速度。在實驗過程中，當(dāng)用戶向Echo詢問一個問題時，在另一個房間的設(shè)計師就會在谷歌上搜索出相應(yīng)的答案，并以不同的速度發(fā)送給用戶。整個過程中，用戶以為他們是在與Echo進行真實的互動。

三、建議開展的研究內(nèi)容

從AI硬件智能產(chǎn)品設(shè)計的現(xiàn)狀及其相關(guān)探索可見，當(dāng)前該領(lǐng)域主要存在以下挑戰(zhàn)： （1）智能下移挑戰(zhàn)，即AI硬件的發(fā)展推動了云端智能、終端智能甚至傳感器的器件智能等多種智能模式共存； （2）產(chǎn)品轉(zhuǎn)化挑戰(zhàn)，即AI算法研究成果難以轉(zhuǎn)化為產(chǎn)品，智能產(chǎn)品設(shè)計開發(fā)的效率低、難度大； （3）認(rèn)知匯聚挑戰(zhàn)，即支持智能產(chǎn)品的認(rèn)知計算難度大，產(chǎn)品間難以實現(xiàn)認(rèn)知共享，用戶學(xué)習(xí)成本高；（4）人機交互挑戰(zhàn)，多通道、對話式、沉浸式交互成為智能產(chǎn)品交互的主要模式，面向智能產(chǎn)品的用戶心智模型發(fā)生變化。建議開展如圖5的研究內(nèi)容。

圖5 AI硬件智能產(chǎn)品設(shè)計及其平臺的主要挑戰(zhàn)和擬進行的研究內(nèi)容

3.1 AI硬件智能產(chǎn)品設(shè)計方法

AI的持續(xù)學(xué)習(xí)、進化發(fā)展、不可預(yù)測等特性是智能產(chǎn)品設(shè)計的主要挑戰(zhàn)。傳統(tǒng)電子產(chǎn)品的功能實現(xiàn)是確定和可預(yù)期的，例如按下開關(guān)即可開啟風(fēng)扇。由新一代人工智能支持的產(chǎn)品，往往需要在對所處的物理環(huán)境、業(yè)務(wù)場景和用戶意圖理解等內(nèi)容的綜合認(rèn)知基礎(chǔ)上，進行決策和行為。換而言之，當(dāng)設(shè)計一款新型AI硬件智能產(chǎn)品時，其實是在設(shè)計一個具有主動學(xué)習(xí)、成長、預(yù)測能力的系統(tǒng)；隨著機器學(xué)習(xí)、深度學(xué)習(xí)的發(fā)展以及數(shù)據(jù)的積累，產(chǎn)品對于用戶行為與偏好、業(yè)務(wù)場景、物理環(huán)境的理解將持續(xù)提升。產(chǎn)品不再是一成不變的，它們在設(shè)計之初就預(yù)留了足夠的成長和變化空間。這意味著在產(chǎn)品設(shè)計階段往往難以明確構(gòu)建用戶行為與產(chǎn)品反饋的映射關(guān)系。這將導(dǎo)致產(chǎn)品設(shè)計、測試、部署、運行和維護都超出現(xiàn)有設(shè)計方法、技術(shù)和平臺的能力范圍。研究產(chǎn)品與用戶之間的新型關(guān)系；研究面向智能產(chǎn)品全生命周期的新設(shè)計模式；支持非預(yù)期方式運行系統(tǒng)的設(shè)計方法。

3.2 AI硬件智能產(chǎn)品快速設(shè)計解決方案

AI硬件智能產(chǎn)品的開發(fā)需要綜合智能的感知和傳感系統(tǒng)、智能的處理硬件、智能的信息處理算法、海量的學(xué)習(xí)數(shù)據(jù)等技術(shù)要素；面臨計算（computing）、連接（connectivity）、認(rèn)知（cognition）與匯聚（convergence）的4C問題，這使得AI硬件智能產(chǎn)品的門檻高、效率低、難度大。需要建立以AI硬件為基礎(chǔ)的智能產(chǎn)品快速設(shè)計解決方案。針對AI硬件智能產(chǎn)品，實現(xiàn)其研發(fā)所需的感知、理解、推理和決策等底層服務(wù)，開發(fā)基于AI硬件、面向智能產(chǎn)品開發(fā)的低成本、低能耗、可擴展、高智能的嵌入式快速原型平臺。建立豐富的支持工具、軟硬件、數(shù)據(jù)集、測試和部署環(huán)境,支持云端智能、終端智能和混合智能等多種智能模式的快速部署和調(diào)試；在保證計算能力的同時，具備較高的設(shè)計和開發(fā)的靈活性，有效降低智能產(chǎn)品原型設(shè)計開發(fā)的門檻，提高原型設(shè)計開發(fā)和測試的質(zhì)量和速度。

3.3 智能產(chǎn)品中的人機交互理論與方法

智能產(chǎn)品的人機交互將突破現(xiàn)有以觸摸屏為代表的傳統(tǒng)模式，語音、體感、增強現(xiàn)實等交互模式將與傳統(tǒng)模式并存；聽覺、觸覺、嗅覺甚至味覺將與視覺感官系統(tǒng)共同構(gòu)建智能產(chǎn)品的人機交互通道。智能產(chǎn)品的交互設(shè)計需要在綜合應(yīng)用場景、用戶需求的基礎(chǔ)上，采用相應(yīng)的交互技術(shù)、建立相應(yīng)的交互范式。研究智能產(chǎn)品的人機交互設(shè)計方法，研究用戶與產(chǎn)品在交互過程中的互相激發(fā)與博弈模式，構(gòu)建系統(tǒng)反饋與用戶預(yù)期的映射關(guān)系，建立面向智能產(chǎn)品的用戶心智模型，設(shè)計實現(xiàn)相應(yīng)的人機交互基本組件。重點針對在多通道交互中的對話式交互模式，建立相應(yīng)的人機交互解決方案，解決用戶意圖理解、業(yè)務(wù)分析、情感計算等問題。研究輕量級和高分辨率的腦機交互、肌電交互等交互模式；探索基于增強現(xiàn)實的沉浸式交互模式在智能產(chǎn)品中的應(yīng)用。

3.4 面向智能產(chǎn)品的認(rèn)知計算引擎和平臺

認(rèn)知是實現(xiàn)智能服務(wù)的基礎(chǔ)，研究支持智能產(chǎn)品的認(rèn)知計算技術(shù)和服務(wù)平臺，研發(fā)具備通用性（面向多個領(lǐng)域）和具備專業(yè)性（面向垂直領(lǐng)域）的認(rèn)知計算引擎。內(nèi)容包括：研究基于多源、異構(gòu)、跨媒體的數(shù)據(jù)，構(gòu)建動態(tài)、多模態(tài)、個性化的知識圖譜技術(shù)和方法。針對對話式、多通道交互模式下的智能化需求，建立知識圖譜及相應(yīng)的維護和更新技術(shù)。針對典型產(chǎn)品和業(yè)務(wù)領(lǐng)域構(gòu)建認(rèn)知計算引擎與匯聚平臺，實現(xiàn)對物理世界、業(yè)務(wù)屬性和邏輯、用戶意圖和偏好等信息的建模、理解、學(xué)習(xí)和推理。針對具體領(lǐng)域，建構(gòu)多個不同種類的智能產(chǎn)品間的統(tǒng)一認(rèn)知模型，實現(xiàn)智能產(chǎn)品之間的認(rèn)知共享與匯聚，從而支持多產(chǎn)品之間的協(xié)作支撐，構(gòu)建面向用戶感知、思考、行動的智能服務(wù)閉環(huán)。

3.5 AI硬件智能產(chǎn)品解決方案

針對具體領(lǐng)域需求，建立AI硬件智能產(chǎn)品解決方案；解決當(dāng)前人工智能算法難以產(chǎn)品化、AI硬件難以產(chǎn)業(yè)化、智能產(chǎn)品實用性差、不同智能產(chǎn)品之間難以集成等問題。實現(xiàn)以云端智能、終端智能，或二者融合智能模式支持的智能產(chǎn)品。內(nèi)容包括：建立智能計算前移的新型傳感器件以及傳感構(gòu)件集；建立可定制、易定制的AI芯片及驅(qū)動構(gòu)件集；針對產(chǎn)品應(yīng)用場景、業(yè)務(wù)需求和用戶屬性，構(gòu)建具備靈活性、適應(yīng)性和學(xué)習(xí)能力的領(lǐng)域知識引擎；支持對多個智能產(chǎn)品之間的統(tǒng)一認(rèn)知和協(xié)同智能；構(gòu)建基于初始訓(xùn)練數(shù)據(jù)和初始功能邏輯，以及在基于產(chǎn)品使用過程的增量數(shù)據(jù)和增量邏輯的AI訓(xùn)練模型和增量學(xué)習(xí)模型；建立面向云計算、分布式計算和終端輕量計算的操作系統(tǒng)或智能驅(qū)動構(gòu)件；建立融合AI芯片智能和產(chǎn)品、場景、業(yè)務(wù)和用戶的自身認(rèn)知的混合智能；建立智能產(chǎn)品的智能運行和學(xué)習(xí)更新技術(shù)體系。

3.6 典型智能產(chǎn)品設(shè)計開發(fā)與智能產(chǎn)品生態(tài)群培育

開展AI硬件智能產(chǎn)品設(shè)計應(yīng)用示范，提升人工智能驅(qū)動的集群式創(chuàng)新創(chuàng)業(yè)能力。針對具體領(lǐng)域，建立智能產(chǎn)品的用戶研究和需求挖掘方法；建立相應(yīng)的全生命周期設(shè)計技術(shù)、設(shè)計管理技術(shù)；建立具有靈活性、開放性的智能軟硬件、數(shù)據(jù)集、算法集和操作系統(tǒng)；建立智能產(chǎn)品的測試、運行及維護標(biāo)準(zhǔn)；實現(xiàn)從云端到終端的人工智能模式，支持各層次資源的聯(lián)動。利用AI硬件擴展產(chǎn)品的感知、理解、推理和決策能力，面向科學(xué)、工業(yè)、軍事、教育、環(huán)境、交通、商業(yè)、健康醫(yī)療、網(wǎng)絡(luò)安全、社會治理等領(lǐng)域，建立相應(yīng)設(shè)計知識庫、方法庫，構(gòu)建領(lǐng)域認(rèn)知計算引擎，研發(fā)相應(yīng)的交互和對話技術(shù)，設(shè)計和開發(fā)一批智能程度高、功能完善、種類豐富、市場競爭力強，具有示范性、創(chuàng)造性和引領(lǐng)性的智能新產(chǎn)品，培育一批智能產(chǎn)品生態(tài)群。