一加8手机发力 AI智能省电模式，专利带来习惯的

“一加手机”采用 AI方法省电的专利技术，该方法基于 AI的深度学习技术，通过对用户不同充电行为的学习，预测其下次充电时间，然后对已有电量进行动态的省电计划，产生电量运行策略，在保证用户使用体验的前提下，将电量维持在预计的充电时间点。这样提供了更符合用户习惯的省电策略，为用户正常使用手机提供了便利。

据集微网消息，4月17日，一加8系列新产品首次在网上销售，取得1分钟网销突破亿元的成绩，此后，由于销售火爆，一加8系列产品再次出现短时断货。

1加8只有8.0毫米厚，重量只有180克，是迄今为止骁龙865中最轻的旗舰。该机型配有6.55英寸的90 Hz瞳孔屏，后置4800万三摄，1600万前置自拍，4300 mAh电池，30 W有线快充，还首次采用了一加8 Pro无线快充技术。

而且一加除了在快充技术上的努力外，还在省电模式上下了很大的功夫，我们知道不同手机有不同的省电策略，比如省电模式下通过控制使手机在某段时间内不能运行，就会自动进入休眠状态，如待机、 CPU等耗电元件，降低频率或断电等等，这样就能延长电池的寿命，延长使用时间。

目前省电模式的运行方式主要有两种：一种是在终端电量达到预定阈值(例如，不超过15%的电量)时启动省电模式；另一种是在设备上电启动后一直运行省电模式，除非用户自行关闭或调整，否则是全时运行。

但是，第一种方法的问题是只在固定条件下才打开(电量低于15%时)，这一机制没有考虑到用户的使用习惯；第二种方法的问题是，全时运行的节电机制通常都会带来体验问题。这种方案给用户使用移动终端带来不便，用户体验较差。

19年1月16日，为了达到智能化节电的效果， FICO在深圳市万普拉斯科技有限公司申请了一项名为“移动终端用电策略产生方法及装置”的发明专利，专利号为201910041594.3。

在此项专利的基础上，让我们一起来看一看这种基于 AI的智能节能方法。

从上图可以看出，本专利中手机电量运行决策方案的硬件运行环境图，也就是我们经常使用的手机内部硬件结构，手机包括如下几个部分：处理器1001，网络接口1004，用户接口1003，内存1005，通讯总线1002，除此之外，还有一些射频电路，音频电路， WiFi模块等。

通讯总线被用来在这些组件之间实现连通通讯；用户接口包括显示器、键盘、遥控器等输入设备以及除标准有线和无线接口之外的标准无线接口；网络接口包括标准有线和无线接口(例如WI-FI接口)；存储器一般采用高速 RAM存储器，以达到更快的传输速度。

并且这项专利发明的智能节能方法，就是针对上述手机装置，具体步骤如下图所示。

第一，由于手机充电需要一定的时间，在每次充电结束后，可以获得相应电池的充电使用习惯数据，这些信息包括用户在使用手机时的充电习惯、充电状态、充电方式等。举例来说，通过普通 AC或 USB接口，用户进行充电的起止时间点，充电时间长短，充电电源类型，如1.2 V、2.1 V，快充或慢充，充电开始时手机的电池电量等数据信息，就可以通过充电使用习惯数据来反映用户的使用习惯。

然后，根据手机充电使用习惯数据，通过预习后的充电时间点预测模型，得到手机下一个充电时间点；举例来说，利用神经网络学习技术，将充电使用习惯数据输入到一个预先训练好的模型(充电时间点预测模型)中进行操作，以预测用户的下一个充电时间点。

然后，根据手机的当前电量，得到系统预测用电量的时间点，系统预测用电量的时间点，可根据实时或定时在手机系统中获得的数据，计算出手机的当前用电量。在我们熟悉的 ios系统和 Android系统中，都有获取系统估计耗电时间点的功能。

最终根据下一个充电时间点以及系统估计用尽电量的时间点生成电量运行策略，以方便控制手机在电量运行下的节电模式，比较常用的节电方法有：降低硬件 CPU、 GPU的频率，降低屏幕亮度，调整系统 UI的色调等等。

在本文中，我们可以发现，整个方法都依赖于使用 AI技术获得的充电时间点预测模型，那么该模型是如何获得的呢？

如上图所示，充电时间点预测模型获取方法的流程图，首先运行一个准备好的深度学习框架，然后根据深度学习技术，通过运行相应的深度学习框架进行训练，得到充电时间点预测模型。

在深度学习框架准备就绪之后，需要获得手机上的历史用电习惯数据，以及相应的预期标注结果数据，其中包括用户充电的位置、充电时间以及用于充电的快充慢充充电器等，这些数据需要预先标注。

在神经网络算法的基础上，提出了一种监督式学习算法，该算法以历史用电习惯数据为输入，以期望标注结果数据为真值，将历史用电习惯数据输入深度学习框架。在此基础上，利用损耗函数进行计算，并与预期标注结果进行比较，进一步修正深度学习框架的计算参数，通过不断修正，最终得到充电时间点预测模型。

上述是一加采用 AI方法省电的专利方法，这种方法基于 AI的深度学习方法，可以学习用户不同的充电行为，预测下次充电时间，然后对现有电量进行动态省电计划，生成电量运行策略，在保证用户使用体验的前提下，提供更符合用户习惯的省电策略，方便用户正常使用手机。