作為AI芯片的典型，目前華為、蘋果等廠商都開始在NPU上發(fā)力。除此以外，開發(fā)者也在努力推進著手機端AI應(yīng)用的發(fā)展。

NPU（Neural Processing Unit，神經(jīng)網(wǎng)絡(luò)處理器），一直都是華為發(fā)布會上的熱門詞匯，這次的麒麟9000同樣將NPU標記在芯片結(jié)構(gòu)圖的C位。而庫克在介紹最先進的A14處理器時，也著重提到了NPU。

早在2013年，高通公司就提出了“Zeroth”處理器的概念，這款處理器可以模仿類似人腦的認知能力，并實現(xiàn)自我學習的功能。

在高通的設(shè)想中，Zeroth的終極目標就是形成標準化的新型處理架構(gòu)，并且第一次提出了NPU的概念，這種芯片已經(jīng)具備了AI芯片的雛形。

2017年，華為海思推出了麒麟970，這款芯片首次內(nèi)置了獨立NPU。

在此之后，幾乎所有的手機廠商都將AI作為新的亮點，一顆SoC芯片如果沒有足夠的AI算力，似乎都不能被拿到臺面上介紹。

如今距離提出NPU的概念已經(jīng)過去了七年，AI芯片在手機端的發(fā)展似乎并不如人意。

如何理解NPU

傳統(tǒng)CPU進行累加計算時，效率非常低，但當GPU做類似的計算，效率就會高很多。同樣的道理，GPU主要被用來進行圖像處理，并沒有針對神經(jīng)網(wǎng)絡(luò)計算進行特殊優(yōu)化，這時候使用專業(yè)針對神經(jīng)網(wǎng)絡(luò)計算的NPU，就可以大大提高計算效率并減少功耗。

假設(shè)我們面前有一條沒有橋的河，我們應(yīng)當如何過河？這時候大腦就會涌出各種想法并且比較各種方法的優(yōu)劣。

NPU的工作就類比大腦，在手機中模擬所有可行的方案，并從中挑選一個最優(yōu)解。有了NPU之后，手機的AI性能就能得到大幅的提升。

從麒麟970的單核NPU、到最新的麒麟9000的2+1三核NPU，NPU的升級也伴著華為的AI技術(shù)的發(fā)展，最能直觀體會到的就攝像功能帶來的進步。

比如取景時的智能場景識別功能，可以讓系統(tǒng)快速識別拍攝的物體和場景，并自動做出優(yōu)化調(diào)教。再比如被廣大消費者驚嘆的“月亮模式”，以及強大的智能防抖功能，再包括最新的物體識別。

這些功能都是通過NPU來彌補華為手機在CMOS尺寸以及ISP（圖像信號處理）上與其他廠商的差距。

在麒麟970推出之后，AI功能逐漸拓展，從手持超級夜景到語音助手、節(jié)能優(yōu)化、智慧識別、識圖翻譯．．．．．．越來越多的應(yīng)用場景都開始運用AI加速運算，這些都得益于NPU的支持。

硬件層面，NPU可以代替CPU進行處理，讓SoC具備了更強的本地AI運算能力（類似于“硬解”）。相比較CPU的“軟解”，“硬解”效率更高、速度更快、功耗也更低。

但即便NPU功能十分強大，如今NPU在手機日常的應(yīng)用領(lǐng)域還處于初級階段，它的重要性還遠不如CPU、GPU和ISP，屬于錦上添花的存在。

例如高通驍龍AI Engine引擎之中就沒有獨立的NPU單元，而聯(lián)發(fā)科在Helio P60/P90引入的NeuroPilot AI技術(shù)最早也是通過多個單元協(xié)同計算（APU+CPU+GPU）。

AI芯片只是第一步

有了AI芯片的支持，或許能增強手機AI能力，但目前的AI芯片卻不能很好地適配所有的軟件。

比如，很多直播APP都有實時美顏功能，可以利用降噪、顏色空間轉(zhuǎn)換實現(xiàn)磨皮、濾鏡等基礎(chǔ)功能，但使用不同的軟件可能會造成耗電量過高的異常，這就是軟件層面的不適配。

從整個市場上來看，目前AI芯片還處于算法主導到產(chǎn)品主導的過渡期，由于各家AI芯片的設(shè)計不同，AI方案架構(gòu)方面都有不小區(qū)別，像寒武紀的“DIANNAO”、谷歌的TPU，再到華為的達芬奇架構(gòu)，目前AI芯片的設(shè)計可謂百花齊放。除此以外，還有單一針對卷積神經(jīng)網(wǎng)絡(luò)的ASIC加速器，以及支持簡單編程的通用型AI芯片。

這些種類繁多的AI芯片，推動了AI技術(shù)在手機端的普及，但不可避免會帶來一些問題。

AI應(yīng)用需要開發(fā)者的努力

雖然各家的AI芯片都開始集成獨立的神經(jīng)網(wǎng)絡(luò)處理單元，但是在設(shè)計上有很大不同，這意味著在運行機器學習應(yīng)用方面，幾家AI芯片在性能和能耗上有很大差別。因此，第三方開發(fā)者是否針對幾家的芯片設(shè)計進行優(yōu)化，或只支持某一種設(shè)計，會對系統(tǒng)性能產(chǎn)生重大影響。

目前，大多數(shù)移動AI芯片在機器學習方面做了較為普適性的優(yōu)化，而對一些特定的計算方式則沒有進行太多優(yōu)化。

就算開發(fā)者開發(fā)出同一款A(yù)I應(yīng)用，其兼容性可能會存在很多問題。當AI應(yīng)用的開發(fā)進入到實際的應(yīng)用和業(yè)務(wù)層面，開發(fā)者面臨著標準不同、API配適、軟件優(yōu)化等很多的難題。也就導致開發(fā)者必須針對不同廠商的設(shè)備進行逐個優(yōu)化。加之安卓生態(tài)比較混亂，移動AI開發(fā)者很可能受到更多阻礙。

就拿之前提到獲得AI技術(shù)加持的照相功能來講，除了在畫面上的提升，還是有很多人都會吐槽華為手機存在過分美顏、過度銳化、顏色失真等問題，但這些問題在iPhone上就很少被提及。

一直以來，蘋果在照片成像上的AI技術(shù)都調(diào)教的恰到好處，不論是自帶相機還是第三方相機，“拍照真實”也成為iPhone的賣點之一，很多專業(yè)攝影師已經(jīng)選擇將iPhone作為便攜街拍設(shè)備。相比而言，“傻瓜式”的安卓手機更偏向攝影小白。

不過隨著安卓手機廠商和應(yīng)用開發(fā)者不斷對系統(tǒng)以及APP進行優(yōu)化，現(xiàn)在的安卓手機拍照也變得更加智能。

所以，AI芯片只是提供了手機AI應(yīng)用的基石，真正要挖掘出移動端AI的魅力，還需要開發(fā)者針對AI芯片的能力開發(fā)出合適的應(yīng)用。

結(jié)語

目前，以AI芯片為基礎(chǔ)打造一個AI應(yīng)用生態(tài)圈的愿望真的十分美好，但這個過程還有很長的路要走。硬件走在了前面，軟件也要跟得上。

在未來，NPU或許也會像當年FPU之于CPU一樣，成為移動Soc芯片的標準?；蛟S在未來我們能在智能手機上體會到更棒的AI應(yīng)用。

至少在現(xiàn)在，以NPU為首的AI芯片們，還有很長的路要走。

責任編輯：xj