華為的麒麟970神經單元NPU，十六位浮點數運算能力達到1.92TFLOPS，主要是起一個深度學習的作用，以便於協調內部元件和硬體。而蘋果的仿生晶片其實也是多了一個神經引擎，也是用於分析和協調，兩者的目的都是讓使用者與硬體之間的交流更加流暢

華為的AI晶片和蘋果的A11仿生晶片肯定是不一樣的。

從硬體上來看，華為麒麟970和蘋果的A11都在SOC當中加入了人工智慧核心。雖然，雙方都將其稱之為NPU，但是硬體的結構肯定也是有著巨大差別的。

華為麒麟970晶片內部結構

蘋果A11晶片內部結構，可以看到A11內部右側中部偏上的區域就是蘋果A11內部的NPU。

為何兩者的人工智慧核心都叫NPU，卻並不相同呢？

因為，人工智慧晶片其實並不是傳統的類似ARM的Cotex-A73/53之類的核心，而是人工智慧演算法與硬體計算晶片結合固化之後的形成的一個核心。

簡單來說，就是AI晶片主要是有兩大重要組成，一個是硬體計算晶片，一個是演算法。演算法是人工智慧的核心，硬體計算晶片則起到的是加速的作用。專用的NPU是根據演算法的需要來進行專門設計的，為的就是讓演算法跑的更快。

比如，蘋果iPhone X的人臉識別，有呼叫到其NPU進行配合；華為的Mate10也能呼叫其NPU進行本地的影象識別加速。而小米Note3雖然沒有NPU核心，同樣也能進行人臉識別，進行本地的一些圖片識別。前兩者是直接透過NPU來在本地進行識別和加速，而小米Note3則是透過軟體的形式，依靠雲端的人工智慧演算法來進行識別和加速。顯然，本地處理器的速度會更快，即沒有網路延遲，而且還有專用的運算速度更快的NPU來進行加速。

但是，NPU硬體設計好之後就不能更改了。所以一旦晶片設計完成，那麼特定的NPU就只能跑特定的演算法。比如麒麟970、蘋果A11你讓它來識別人臉、物體影象，他們會很輕鬆，但是讓他們來做CPU或GPU的計算任務肯定就不行了。

回過頭來說，麒麟970內的NPU和蘋果A11內的NPU有何不同。我們且不論者兩款NPU在計算力上是否有很大的差異，單純的從設計上來看，蘋果的A11內部的NPU從硬體到演算法都是為iPhone手機的應用所設計的，而且還有蘋果自己的iOS做配合。而華為的麒麟970的NPU則是來自於第三方的人工智慧晶片廠商寒武紀，雖然是款嵌入式的NPU核心，但是其設計之初並不是為手機應用所設計，同時寒武紀可能也不會完全向華為開放其核心的演算法。這也使得其在能力的發揮和與手機的應用配合上，肯定會受到一定的限制。

二者是不一樣的。

雖然功能角度來看二者很相似，但是還是各有區別。那麼這裡就簡單說一下AI芯和仿生芯。

AI晶片：普通晶片是搭載了CPU和GPU，與普通晶片的架構不同，AI晶片還多了神經處理單元（NPU），搭載特殊演算法來處理裝置各種應用的運作，從而提升效能、降低能耗。

仿生芯：仿生，顧名思義就是模仿生物系統的功能和行為來建造技術系統。防生晶片則是讓晶片模擬人類的學習模式，更高效地處理任務。

人工智慧和仿生一定程度上是有共通性的，不過仿生要比人工智慧更高一階，AI側重機器模擬，而仿生則是涉及人腦學習。這兩種晶片都是在處理器中集成了一個被稱之為NPU的神經網路模組，不過NPU並不能夠幫助CPU進行運算，而是智慧執行特定的任務，基本都是用來做人臉識別和深度學習。本身二者的技術就不同，雖說看似處理的任務是一樣的，但實際上在功能和效果上仍然有區別。

目前爭議最大的是麒麟980處理器和蘋果A12仿生處理器。至於哪一款效能更加強悍，只有等使用者們體驗過後再來定奪了。