每一部新發布的手機都在講AI 你真的需要它嗎

如果你在最近幾個月里關注過智能手機市場，那肯定會頻繁聽到AI晶元這個詞。顧名思義，這是一種專門用來為移動設備提供人工智慧和機器學習能力的處理晶元。

雖然各大廠商都花了不少時間來炫耀自己的AI晶元技術上有多麼先進，但它究竟能給消費者帶來多少好處呢？在選購一部手機時，AI晶元的存在與否是否應該左右我們的決定？

我們為什麼需要AI晶元？

為什麼要給智能手機專門加入一枚AI晶元？原因其實很簡單。不管是手機、筆記本還是台式機的處理器，都並不是為機器學習任務所特別設計的。如果強行讓它們去處理這些任務，不僅速度很慢，也會非常耗電。

當前的人工智慧需要計算機以非常快的速度去進行大量的小運算，但CPU用來執行運算的「核心」就那麼多。也正是因為這個原因，技術公司更偏愛使用圖像處理單元，也就是顯卡，來處理AI任務。

顯卡當然是為了渲染視頻遊戲圖像所設計的，但巧合的是，它們恰好可以在短時間內進行大量的小運算。相比只有幾個或者十幾個核心的CPU，顯卡的核心多達上千個。

以現在的技術水平，給手機晶元加入上千個處理核心還是件不可能的事。但我們可以通過其他的架構調整來增加晶元在同一時間能夠處理的任務數量。

雖然「AI晶元」是個辨識度很高的名詞，但並不是非常準確。就拿華為和蘋果為例，兩家公司所提供的並不是單一、獨立的晶元，而是作為更大SoC一部分的專用處理器。SoC本身就包含不同的部分來應付不同的任務，比如渲染和處理圖像的圖形單元，因此為AI添加幾個處理核心也不是什麼難事。

AI晶元有什麼好處？

正如上文所述，特殊的AI硬體可提供更好的性能表現和更長的續航——至少理論上如此。而對於用戶隱私、安全性、以及開發者而言，AI晶元也都能提供更多好處。

先說隱私和安全。目前的大多數機器學習服務都必須把用戶數據上傳到雲端，來進行實際的分析處理。蘋果和谷歌等少數公司開發出了在本機直接進行計算的方式，但它們並未得到大規模應用。如果擁有專用的硬體，更多廠商就會選擇把AI任務放在本地運行，這也就降低了數據泄漏或被黑的風險。

如果無需將數據發送到雲端，用戶也就可以在離線狀態下使用AI服務，並存儲相關數據。後者對於開發者而言格外有益，因為如果數據分享是在本機進行，那便省去了購買伺服器的花費。只要用戶手裡的硬體能勝任這些處理任務，那所有人都能從中獲益。

AI晶元準備好為我們服務了嗎？

即便一款手機配備了AI晶元，這也並不意味著AI驅動的應用和服務就能夠利用到它。

再拿華為和蘋果舉例，兩家公司所提供的API都能讓開發者利用到各自產品的「神經」硬體。而在集成該API之前，他們必須確保自己使用的AI架構——比如谷歌的Tensor Flow或Facebook的Caffe2——能夠受到支持。如果不支持的話，他們就得先進行轉換，然後再使用。

廠商們可能需要花上好一陣子來為這個硬體打磨使用體驗，甚至是與開發者或第三方合作。這也正是為什麼微軟會和華為會聯手確保前者的翻譯應用能夠憑藉後者的NPU晶元離線運行，或者是Facebook為什麼會和高通合作去集成後者的AI軟體，以便更快地載入增強現實濾鏡。

雖然大公司有能力承擔這樣的時間和資金花費，但這樣做對於小型應用開發者是否划算？這還很難說。這對iOS而言不是個問題，因為開發者只能在自己的應用當中採納蘋果的CoreML架構。但在Android平台，這就顯得很讓人頭疼了，假設各大廠商都選擇推出各自的服務協議的話。

所幸的是，谷歌正在使用他們在自家生態系統中的話語權來解決這個問題。他們的移動AI架構Tensor FlowLite已經在對移動設備的體驗進行某種程度的標準化了，並且它們還計劃推出自己的Android級API來「利用晶元限定的加速器。」

從開發者的角度來看，谷歌的這些努力並不會解決掉所有的碎片化問題，但顯然能夠在一定程度上對其進行緩解。不過有的舉措可能要等到Android P發布時才會生效。

我們的新手機需要AI晶元嗎？

簡單來說，這個問題的答案是否定的。想要在目前的硬體上提高AI服務的運行效果，廠商們需要做的還有很多。除非你是真正的高需求用戶，不然就不必糾結於此。

蘋果和華為的新產品之所以配備AI晶元，是因為他們想把自己的產品做得更好而已。華為可以用它來監控Mate10在生命周期之內是如何被使用的，並重新分配資源來避免它變得卡頓。而對於蘋果而言，AI晶元可以用來驅動Face ID和動話表情等新功能。

為人工智慧任務提供專用的計算性能是個很棒的功能，但從本質上看，它和高端智能手機的其他功能並沒有什麼兩樣，不管是雙攝像頭還是防水。對AI晶元夸夸其談在現階段是一種不錯的營銷方式，但用不了多久，它就變成智能手機的另一個標配零部件而已。

責任編輯：李群

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！