iPhone 8/8Plus、iPhone X這三款蘋果最新發布的手機上都搭載了 A11 Bionic 處理器，以“仿生”命名，讓人不禁聯想到最近最熱門的話題：人工智能。在德國 IFA 2017 大展上，華為也發布了全球首款移動端AI芯片：麒麟970。
同樣是手機處理器，為什麼加了“仿生”、“AI”以及“神經網絡”這些詞，就讓它們變得如此倍受關注，是噱頭還是趨勢？我們一一探究。
A11 Bionic是蘋果的定製GPU，蘋果管它叫作“Neural Engine”（神經引擎）。擁有一個 6 核心 64 位 CPU，其中包括 2 個高頻核心和 4 個低頻核心，共包含 43 億個晶體管。作為對比，A10 Fusion 擁有 4 個核心，包含兩個高頻核心和兩個低頻核心，共擁有 33 億晶體管。
對於這個新硬件，蘋果沒有談太多，只是說：
“新A11 Bionic神經引擎採用多核設計，實時處理速度最高每秒可以達到6000億次。A11 Bionic神經引擎主要是面向特定機器學習算法、Face ID、Animoji及其它一些功能設計的。”
A11 Bionic 支持雙核架構神經網絡處理引擎（Neural Engine），這個引擎每秒處理相應神經網絡計算需求的次數可達 6000 億次，可以為面部解鎖等功能提供性能支撐，新一代 iPhone 在人像模式中的光效調節（Portrait Lighting）用到的也是神經網絡處理引擎的計算。
面部識別是深度學習、機器學習、AI的主要研究領域之一。正因如此，蘋果才會說它的神經引擎用在Face ID上，或者說它是它是專門用來執行特定算法的。Animojis到底有什麼作用？現在還不太清楚。
蘋果曾說過，Face ID不只使用了傳統攝像頭。按照蘋果的描述，新技術用3萬個紅外光點給面部繪圖，這些圖像存儲起來，當你解鎖設備，系統會將存儲的圖像與它看到的臉部圖像對比。整個過程有大量數據需要處理，而且還不能消耗太多的電能。
就目前iPhone 8Plus的實際使用中，並沒有Face ID和Animoji功能可用，這顆芯片的作用並沒有完全發揮出來。性能上，A11 Bionic 的高頻核心比前代iPhone 7系列上的 A10 Fusion 快了 25%，低頻核心比 A10 Fusion 快了 70%。由於採用了蘋果自主研發的第二代性能控制器，A11 Bionic 的六個核心可以同時運行，在多線程任務下的表現比 A10 Fusion 的整體表現快了 70%。
至於所謂的每秒運算6000億次，對普通消費者來說或許沒有任何意義，當然，這個數字應該是真實的。但是我們不知道蘋果所謂的“運行”到底是什麼意思，不過談論起CPU與GPU性能，我們會用跑分軟件測試，然後與其它芯片相比較。就目前掌握的智能手機處理器跑分數據看來，蘋果最新的A11 Bionic芯片無人能敵。
在德國 IFA 2017 大展上，華為正式向世界宣告全球首款移動端AI芯片麒麟970面世，讓智能手機業界為之一振。而搭載麒麟970處理器的華為Mate 10系列三款機型：華為Mate 10/Pro/保時捷定制款，也已經在10月16日在德國慕尼黑發布。
同樣先看芯片的參數：
麒麟 970 採用了目前最先進的臺積電 10nm 工藝製造，與A11一樣。在指甲大小的芯片上，麒麟970集成了 55 億個晶體管，相比上代 16nm 工藝的麒麟 960 增加了 37.5%，內部集成八顆 CPU 核心(A73+A53)，標稱的能效提昇了 20%，十二顆 GPU 核心(Mali-G72)，標稱性能提昇 20%、能效提昇 50%。
各方面的頂級參數還不是它最大的閃光點，麒麟 970 被華為稱作是一款移動 AI 計算平臺，因為其內置寒武紀-1A NPU模塊(神經AI單元)。NPU是神經元網絡單元 （Neural-network Processing Unit），與 CPU、GPU、DSP 組在一起，華為把這個新的架構叫做 HiAI 人工智能架構。
NPU模塊到底有著什麼作用呢?
長期以來，集成在智能手機系統當中的AI功能大多依靠原有的CPU和GPU進行深度學習計算，但由於它們的架構設計不是為深度學習定製，處理效率也會相對底下。NPU，即神經元網絡處理單元，便是專為機器學習設計的。也就是針對 AI 相關功能增加的定製模塊，類似 GPU 是為圖形顯示所定製的模塊一樣。
面對同樣工作時，為AI而生的NPU處理效率極高，麒麟970所搭載的寒武紀-1A NPU單元在機器學習擁有傳統CPU的25倍性能、GPU的6.25倍性能。
同時擁有超低功耗的優勢，能效比與CPU運算相比高達50倍，GPU為6.25倍。在進行圖像的識別的計算中，搭載NPU的麒麟970以每分鐘2005張的優勢遠勝於CPU運算每分鐘95張的速度。
搭載寒武紀-1A NPU單元的麒麟970，就像當初圖像運算從處理器向顯示卡“分家”，如今NPU的出現讓CPU和GPU無需再兼任AI處理的重負，在大幅減少耗電的同時，實現強大的機器學習性能。
在Mate 10的發佈會上，華為也展示了人工智能在拍照、實時翻譯上的應用。據悉，AI通過不斷學習來總結出如何拍好一張照片，Mate 10已經學習了1億張照片場景。目前華為Mate10可以認出霧天雪天、美食、花朵等這13種拍攝場景，從而根據對象的特點和屬性自動調節參數設置，用更聰明的算法，拍出好照片。
基於人工智能的軟硬件結合，華為Mate 10搭載的EMUI 8.0上的人工智能翻譯可通過NPU加速實現實時文字交互翻譯和識圖翻譯，也可方便地進行面對面的語音翻譯。Mate10上的翻譯功能，由微軟翻譯提供。此外，借助AI芯片加速，Mate 10的拍照翻譯功能能夠離線運行。
除了蘋果和華為之外，最近網絡上有消息顯示三星也在著手研發 AI 處理器，人工智能將會成為手機芯片的“標配”。
所謂人工智能和神經網絡這些詞聽起來距離都很遠，但目前在手機上布局的功能都還是比較好理解的，主要都是能夠從輸入的大量數據中自發總結出規律，從而舉一反三。實際上就是通過大量樣本數據訓練，來實現分類識別等功能。
什麼是機器學習？機器學習是AI技術的分支，它的目標是創建算法，讓算法通過數據自動學習。通過AI程序的深度學習，智能手機可以做到場景識別、用戶畫像描繪以及用戶意圖的預測。讓手機知道機主在什麼地方、在做什麼、以及即將進行陣營的操作。通過提前調度資源，相關應用程序就能實現“秒開”，手機的使用體驗絲滑流暢的同時，也變得更加“懂你”。
例如訓練樣本是語音數據，訓練後的神經網絡實現的功能就是語音識別，如果訓練樣本輸入是人臉圖像數據，訓練後實現的功能就是人臉識別。
另外，說到手機安全，集成在Soc當中的NPU芯片也意味著用戶信息將得到更好的保護。
傳統的移動人工智能多數依賴雲端神經網絡進行運算，用戶的使用數據、使用行為甚至準確的位置信息都會事無巨細地傳送到雲端服務器當中，雖然有廠商的加密傳輸，但傳輸的過程終歸增加風險的一環。
而NPU強大的算力足夠在大多數場景下替代雲端計算，敏感的個人信息得以在本地完成，用戶使用人工智能的時候，就更加安全了。雖然以往手機廠商也有在系統中集成人工智能的嘗試，但大多還是依賴CPU和雲端服務器進行運算，也因為效率和功耗的限制，人工智能的應用只能停留在十分淺顯的層次。
人工智能芯片在手機硬件上奠定了“真·人工智能”的基礎，憑借強大的性能和功耗比，開發者有了大展身手的平臺，消費者也將得到人工智能在各方面帶來的便利。AI處理速度和NPU模塊的配備與否，或許也會成為未來衡量智能手機性能的硬指標之一。
也許下一階段，智慧手機的時代，或許即將來臨。
iPhone 8/8Plus、iPhone X這三款蘋果最新發布的手機上都搭載了 A11 Bionic 處理器，以“仿生”命名，讓人不禁聯想到最近最熱門的話題：人工智能。在德國 IFA 2017 大展上，華為也發布了全球首款移動端AI芯片：麒麟970。
同樣是手機處理器，為什麼加了“仿生”、“AI”以及“神經網絡”這些詞，就讓它們變得如此倍受關注，是噱頭還是趨勢？我們一一探究。
蘋果A11仿生芯片
A11 Bionic是蘋果的定製GPU，蘋果管它叫作“Neural Engine”（神經引擎）。擁有一個 6 核心 64 位 CPU，其中包括 2 個高頻核心和 4 個低頻核心，共包含 43 億個晶體管。作為對比，A10 Fusion 擁有 4 個核心，包含兩個高頻核心和兩個低頻核心，共擁有 33 億晶體管。
對於這個新硬件，蘋果沒有談太多，只是說：
“新A11 Bionic神經引擎採用多核設計，實時處理速度最高每秒可以達到6000億次。A11 Bionic神經引擎主要是面向特定機器學習算法、Face ID、Animoji及其它一些功能設計的。”
A11 Bionic 支持雙核架構神經網絡處理引擎（Neural Engine），這個引擎每秒處理相應神經網絡計算需求的次數可達 6000 億次，可以為面部解鎖等功能提供性能支撐，新一代 iPhone 在人像模式中的光效調節（Portrait Lighting）用到的也是神經網絡處理引擎的計算。
面部識別是深度學習、機器學習、AI的主要研究領域之一。正因如此，蘋果才會說它的神經引擎用在Face ID上，或者說它是它是專門用來執行特定算法的。Animojis到底有什麼作用？現在還不太清楚。
蘋果曾說過，Face ID不只使用了傳統攝像頭。按照蘋果的描述，新技術用3萬個紅外光點給面部繪圖，這些圖像存儲起來，當你解鎖設備，系統會將存儲的圖像與它看到的臉部圖像對比。整個過程有大量數據需要處理，而且還不能消耗太多的電能。
就目前iPhone 8Plus的實際使用中，並沒有Face ID和Animoji功能可用，這顆芯片的作用並沒有完全發揮出來。性能上，A11 Bionic 的高頻核心比前代iPhone 7系列上的 A10 Fusion 快了 25%，低頻核心比 A10 Fusion 快了 70%。由於採用了蘋果自主研發的第二代性能控制器，A11 Bionic 的六個核心可以同時運行，在多線程任務下的表現比 A10 Fusion 的整體表現快了 70%。
至於所謂的每秒運算6000億次，對普通消費者來說或許沒有任何意義，當然，這個數字應該是真實的。但是我們不知道蘋果所謂的“運行”到底是什麼意思，不過談論起CPU與GPU性能，我們會用跑分軟件測試，然後與其它芯片相比較。就目前掌握的智能手機處理器跑分數據看來，蘋果最新的A11 Bionic芯片無人能敵。
麒麟970處理器
在德國 IFA 2017 大展上，華為正式向世界宣告全球首款移動端AI芯片麒麟970面世，讓智能手機業界為之一振。而搭載麒麟970處理器的華為Mate 10系列三款機型：華為Mate 10/Pro/保時捷定制款，也已經在10月16日在德國慕尼黑發布。
同樣先看芯片的參數：
麒麟 970 採用了目前最先進的臺積電 10nm 工藝製造，與A11一樣。在指甲大小的芯片上，麒麟970集成了 55 億個晶體管，相比上代 16nm 工藝的麒麟 960 增加了 37.5%，內部集成八顆 CPU 核心(A73+A53)，標稱的能效提昇了 20%，十二顆 GPU 核心(Mali-G72)，標稱性能提昇 20%、能效提昇 50%。
各方面的頂級參數還不是它最大的閃光點，麒麟 970 被華為稱作是一款移動 AI 計算平臺，因為其內置寒武紀-1A NPU模塊(神經AI單元)。NPU是神經元網絡單元 （Neural-network Processing Unit），與 CPU、GPU、DSP 組在一起，華為把這個新的架構叫做 HiAI 人工智能架構。
NPU模塊到底有著什麼作用呢?
長期以來，集成在智能手機系統當中的AI功能大多依靠原有的CPU和GPU進行深度學習計算，但由於它們的架構設計不是為深度學習定製，處理效率也會相對底下。NPU，即神經元網絡處理單元，便是專為機器學習設計的。也就是針對 AI 相關功能增加的定製模塊，類似 GPU 是為圖形顯示所定製的模塊一樣。
面對同樣工作時，為AI而生的NPU處理效率極高，麒麟970所搭載的寒武紀-1A NPU單元在機器學習擁有傳統CPU的25倍性能、GPU的6.25倍性能。
同時擁有超低功耗的優勢，能效比與CPU運算相比高達50倍，GPU為6.25倍。在進行圖像的識別的計算中，搭載NPU的麒麟970以每分鐘2005張的優勢遠勝於CPU運算每分鐘95張的速度。
搭載寒武紀-1A NPU單元的麒麟970，就像當初圖像運算從處理器向顯示卡“分家”，如今NPU的出現讓CPU和GPU無需再兼任AI處理的重負，在大幅減少耗電的同時，實現強大的機器學習性能。
在Mate 10的發佈會上，華為也展示了人工智能在拍照、實時翻譯上的應用。據悉，AI通過不斷學習來總結出如何拍好一張照片，Mate 10已經學習了1億張照片場景。目前華為Mate10可以認出霧天雪天、美食、花朵等這13種拍攝場景，從而根據對象的特點和屬性自動調節參數設置，用更聰明的算法，拍出好照片。
基於人工智能的軟硬件結合，華為Mate 10搭載的EMUI 8.0上的人工智能翻譯可通過NPU加速實現實時文字交互翻譯和識圖翻譯，也可方便地進行面對面的語音翻譯。Mate10上的翻譯功能，由微軟翻譯提供。此外，借助AI芯片加速，Mate 10的拍照翻譯功能能夠離線運行。
智能手機下一站：智慧手機
除了蘋果和華為之外，最近網絡上有消息顯示三星也在著手研發 AI 處理器，人工智能將會成為手機芯片的“標配”。
所謂人工智能和神經網絡這些詞聽起來距離都很遠，但目前在手機上布局的功能都還是比較好理解的，主要都是能夠從輸入的大量數據中自發總結出規律，從而舉一反三。實際上就是通過大量樣本數據訓練，來實現分類識別等功能。
什麼是機器學習？機器學習是AI技術的分支，它的目標是創建算法，讓算法通過數據自動學習。通過AI程序的深度學習，智能手機可以做到場景識別、用戶畫像描繪以及用戶意圖的預測。讓手機知道機主在什麼地方、在做什麼、以及即將進行陣營的操作。通過提前調度資源，相關應用程序就能實現“秒開”，手機的使用體驗絲滑流暢的同時，也變得更加“懂你”。
例如訓練樣本是語音數據，訓練後的神經網絡實現的功能就是語音識別，如果訓練樣本輸入是人臉圖像數據，訓練後實現的功能就是人臉識別。
另外，說到手機安全，集成在Soc當中的NPU芯片也意味著用戶信息將得到更好的保護。
傳統的移動人工智能多數依賴雲端神經網絡進行運算，用戶的使用數據、使用行為甚至準確的位置信息都會事無巨細地傳送到雲端服務器當中，雖然有廠商的加密傳輸，但傳輸的過程終歸增加風險的一環。
而NPU強大的算力足夠在大多數場景下替代雲端計算，敏感的個人信息得以在本地完成，用戶使用人工智能的時候，就更加安全了。雖然以往手機廠商也有在系統中集成人工智能的嘗試，但大多還是依賴CPU和雲端服務器進行運算，也因為效率和功耗的限制，人工智能的應用只能停留在十分淺顯的層次。
人工智能芯片在手機硬件上奠定了“真·人工智能”的基礎，憑借強大的性能和功耗比，開發者有了大展身手的平臺，消費者也將得到人工智能在各方面帶來的便利。AI處理速度和NPU模塊的配備與否，或許也會成為未來衡量智能手機性能的硬指標之一。
也許下一階段，智慧手機的時代，或許即將來臨。