互联网服务的良好体验取决于云和客户端之间的协作。
当人们的注意力被“云AI”大模型吸引的同时，另一边的“端AI”也取得了长足的进步，甚至在日常生活中发挥着更直接的作用。
2020年9月，在人工智能顶级会议ICCV举办的两场深度学习挑战赛中，支付宝终端技术部xNN团队在两场比赛中获得了三项冠军、两项亚军。
目前，相关技术已广泛应用于支付宝的日常服务中，有效提升了移动APP的本地计算处理能力。
在以“计算机视觉的高效深度学习”为中心的“推理”和“训练”两个领域的ICCV挑战中，支付宝xNN团队获得了绝对优势。
其中，在“推理挑战赛”中，支付宝shanwei_zsw和zhaoyu_x两支队伍分别获得冠亚军，分数领先第三名45%以上。
在“训练挑战赛”中，支付宝shanwei_zsw以0.04的微弱差距排名第二。
（图为ICCV计算机视觉高效深度学习“训练挑战赛”中，支付宝终端技术部xNN团队shanwei_zsw排名第二）（图为ICCV计算机视觉高效深度学习“推理挑战赛”中，支付宝终端技术部xNN团队排名第二） xNN团队shanwei_zsw和zhaoyu_x分别获得冠军和亚军）“计算机视觉高效深度学习”旨在解决有限计算资源下的优化解决方案。
这与“云AI”上几乎无限的计算资源场景不同，更符合依赖手机性能的移动APP中的实际场景。
可以说，“云AI”极大拓展了能力，而“端AI”则更注重利用好手头的每一点算力。
换句话说，人们日常使用应用程序的体验更多地取决于这种能力。
据了解，支付宝的xNN终端智能团队也致力于提升APP的本地AI能力。
经过多年的改进，已经形成每天数百亿次的调用计算。
作为业内最早实现端到端智能技术大规模业务落地的团队之一，xNN自2016年成立以来持续聚焦核心技术，先后积累了业界领先的模型压缩算法库和端侧高性能计算引擎技术。
近年来，随着端侧AI芯片的发展，不同设备的计算资源差异越来越大，算力碎片化问题不断加深。
因此，xNN团队进一步提出了新一代、自动化、智能化的研发效率解决方案——“可扩展建模”：通过软硬件协同优化，提高设备计算效率，以AI优化AI为思路，提高建模效率，实现针对不同设备开发不同模型，最大化设备整体算力利用率，从而为每一位支付宝用户带来更好的用户体验。
以日常使用为例。
当使用支付宝APP扫描五福时，会调用该能力。
用户手机摄像头拍摄五福图像后，在APP中完成计算和识别处理，无需上传至云端。
因此，除了识别中的“感觉”外，还具有更好的数据隐私和安全性，消耗更少的移动互联网流量。
据了解，ICCV（国际计算视觉会议）是计算机领域的全球顶级学术会议之一，每两年举办一次。
代表了计算机视觉领域最先进的技术。