亂象叢生的手機AI 新一輪話語權之爭？

進入2018年後，人工智慧開始成為旗艦手機的標配，也屢屢出現在發布會PPT上，幾乎所有的手機廠商都在標榜自家的AI技術和服務。但這場手機AI熱也出現了一些不太理性的聲音，比如避重就輕、刻意誇大人工智慧的軟體能力，沒有技術儲備只單純炒作人工智慧概念來混淆是非。

一種常見的說法是，人工智慧時代的硬體將成為AI的附屬。其實這是對手機AI的一種誤解，AI在智能手機上的應用離不開三大推手，即數據、晶元和演算法。數據是機器學習的關鍵，晶元的計算能力決定了AI的應用，而演算法映射了人工智慧的發展水平。

比如很多手機廠商喜歡拿語音控制、圖像識別、智能推薦等場景講故事，可演算法早在幾年前就實現了較高的準確率，手機上各種各樣的感測器和4G網路解決了數據的採集和傳輸，當前決定人工智慧在手機上應用的制約因素或許正是晶元能力。

也就是說，手機AI的話語權之爭在本質上仍是晶元能力的比拼。高通、華為、蘋果、三星等晶元廠商已然意識到了這個問題，近兩年推出的處理器也有意增加、優化了AI能力。

目前較為典型的AI晶元就是麒麟970、驍龍845、蘋果A11，這三款晶元也在某種程度上代表了當前手機晶元的最高水準。

麒麟970已經被應用於榮耀V10、華為Mate 10等旗艦產品上，驍龍也被三星Galaxy S9、Galaxy S9+、小米MIX
2S等應用，而蘋果A11僅限自家的iOS生態使用，麒麟970、驍龍845則是安卓生態。

恰恰是由於這個原因，麒麟970和驍龍845往往被作為比較對象。那麼二者的AI能力究竟孰高孰低呢？

作為一個直觀的比較，我們可以參考一下魯大師公布的AI性能排行榜中，榮耀V10的得分要明顯高於三星
S9等搭載驍龍845的機型，儘管麒麟970的發布時間早於驍龍845半年之久。

魯大師跑分圖

究其根本，驍龍845並沒有人工智慧專用的硬體處理單元，而是通過NPE（驍龍神經處理引擎）調度已有的CPU、GPU和DSP資源實現AI性能。

此舉的弊端在於，CPU、GPU、DSP等並非是針對AI打造，AI任務和通用任務會同時佔用運算資源，在手機高負荷任務運行的場景下，AI應用的處理效率會很低，跑分落後也就不足為奇。

不過高通在2014年的時候就公布了NPU的研發，「驍龍神經處理引擎」的出現也是得益於類似的研發邏輯，之所以沒有獨立的神經網路單元出現，恐怕還是成本和迭代邏輯的問題。

驍龍845架構設計圖

麒麟970架構設計圖

麒麟970 HiAI移動計算架構

反觀麒麟970，核心優勢之一就是首次在晶元中集成了專門為AI計算打造的NPU，並採用了HiAI移動計算架構，AI性能密度大幅優於CPU和GPU。

通俗來說，在處理同樣的AI應用任務時，麒麟970新的異構計算架構擁有大約50倍能效和25倍性能優勢，例如在圖像識別速度上，可達到約2000張/分鐘。

這等同於有了專門的音樂老師教音樂，不會出現語文老師或者英語老師來教音樂的情況，從而可以提升處理速度，有效避免因任務撞車造成效率低下的問題。

而有著iPhone有史以來最強大、最智能晶元之稱的蘋果A11仿生，在人工智慧層面的亮眼之處就是所搭載的神經網路引擎。

按照蘋果官方的描述，神經網路可以在 CPU 主處理單元或 GPU 圖形處理單元上運行，能夠處理矩陣乘法和浮點處理的能力，分擔 CPU 和 GPU
之外的特定任務，不僅實現了硬體性能大幅改善，且在執行相同任務時比使用圖形引擎更加節能。

蘋果的聰明之處在於將雲端基於大數據深度學習訓練成型的神經網路傳輸到手機中，與本地的神經網路引擎結合提供完整的 AI 知識和能力。

目前來看，僅有麒麟970和蘋果的A11仿生在AI運算解決方案中採用了獨立處理單元，高通、聯發科是分散式異構計算的代表。在手機AI發展的初期階段，和AI有關的應用尚未成為絕對的主流，晶元廠商也選擇了不同的處理方式來滿足AI需求。或許也只有華為、蘋果這樣的公司，才有機會成為第一個吃螃蟹的人。

當然，晶元能力絕非是手機AI比拼的全部，技術終究要落地到應用場景當中。而在AI生態的建設上出現了兩大陣營，一類是高通、華為等開放AI介面給開發者的晶元企業，另一類是榮耀為代表的在AI應用層開放的手機廠商。

就目前來看，高通已經向Face++、谷歌、Facebook等開發者拋出了橄欖枝；華為也把麒麟 970
作為移動計算平台開放出去，供眾多開發者快速把應用接入華為的AI平台，已經適配了 AI 慧眼拍照、AI
隨行翻譯、AI語音助手等功能，構成健康可持續發展的AI生態鏈；OPPO宣布聯合商湯科技打造AR開發者平台；榮耀早在2016年就推出了首款人工智慧智慧手機榮耀Magic，在AI攝影、人臉識別、AI翻譯等應用上收穫頗豐……

不過，最終決定AI話語權歸屬的還是用戶體驗，大多數用戶並不會關注技術細節，而是直接的使用體驗。不同於手機行業太多可有可無的微創新，處理器的AI能力在用戶端卻有著放大的跡象。

以時下火熱的抖音為例，在用戶錄製視頻時，即便後台運行了很多APP，導致CPU和GPU處於滿負荷狀態，NPU單元依舊可以幫助用戶完整摳出人像，並且實時完成效果渲染；而缺乏NPU單元的處理器，一旦CPU和GPU承擔的人物過多，在運算速度不足的情況下，有可能出現錄視頻人像摳圖不完整的情況，比如缺胳膊少腿等。

讀到這裡，大家對AI手機應該有了比較清晰的認知，不是增加了某一項AI功能就可以稱之為AI手機，而是需要一整套的解決方案，AI晶元（計算能力）、AI演算法（處理能力）、雲端服務（智能服務）、AI系統（系統級優化）缺一不可。

只是對大多數手機而言，目前仍止步於單一的AI應用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！