為何現(xiàn)在的手機處理器都熱衷于增加一枚AI芯片？

華為大力鼓吹自己的麒麟芯片是塊AI芯片，蘋果也將新的芯片命名為“A11 Bionic”，稱內置人工智能“神經引擎”，那么這些手機芯片為什么爭先恐后地做AI呢？

如果說虛擬助手是今年智能手機行業(yè)在軟件方面的突破，那么人工智能處理器就是硬件方面的新成就了。

蘋果將自己最新的處理器命名為A11 Bionic，主要就是因為內置了人工智能“神經引擎”。而華為最新的麒麟970處理器也擁有一個專門的神經處理單元（NPU），并且將會內置到即將發(fā)布的華為Mate 10中，并且成為一款“真正的人工智能手機”。同時根據(jù)最新的消息顯示，三星也將為Exynos處理器配備專門的人工智能芯片。

高通在其最新的驍龍旗艦處理器中，開放了六核DSP（數(shù)字信號處理器），并且在幾代之前就已經將其使用到異構計算和神經網(wǎng)絡的開發(fā)。而英特爾、NVIDIA和其它公司都在開發(fā)自己的人工智能處理器產品。沒錯，整個行業(yè)已經開始激烈的競爭了。

在今天的智能手機系統(tǒng)中加入這些額外的處理器，有很多好處。畢竟實時語音處理和圖像識別的需求正在快速增長，不過與往常一樣，市場上充斥著各種各樣的說法，我們應該更冷靜去看待。

AI大腦芯片，真的有用嗎

廠商們都希望消費者會相信它們已經開發(fā)出了足夠智能的芯片，可以自己思考，也可以模仿人類的大腦。不過就算是今天最頂尖的實驗室項目，也無法做到這個程度。因此在智能手機領域里，想要做到這一點，目前來看簡直是異想天開?，F(xiàn)實很殘酷，這些新的處理器只是為了更機器學習技術更有效率，更簡單。

人工智能和機器學習之間有一個重要的區(qū)別，并且可以準確的將二者區(qū)分開。人工智能是一種非常寬泛的概念，用來形容那些可以像人類一樣思考的機器或具有某種形式的人工大腦，與我們人類自身的能力非常相似。

而機器學習只是封裝了計算機程序來處理數(shù)據(jù)，并且根據(jù)結果做出決策。甚至可以從結果中學習，影響未來的決定。

神經網(wǎng)絡是一種計算機系統(tǒng)，旨在幫助機器學習應用程序通過數(shù)據(jù)進行排序，使計算機能夠以與人類像素的方式對數(shù)據(jù)進行分類。這包括在圖片中挑選地標、或者識別汽車的顏色等過程。神經網(wǎng)絡和機器學習是智能化的，但絕對不是那種真正的智能。

當談到人工智能的時候，各個廠商的市場營銷部門都在想一個新技術領域添加一種更常見的說法，但這也讓它變得更難以解釋。同樣這也是一種將自己與競爭對手區(qū)分開的手段。這些公司的共同點就是，它們只是簡單的將一個新元件整合到了處理器中，提高了我們現(xiàn)在人工智能或語音助手進行處理任務的效率和性能。而這些改進主要設計語音和圖像識別，但也有一些其他用途。

新類型的電腦

也許，目前最大的問題是，為什么廠商突然之間就加入了這些元件?整合之后哪些方面變得更容易?又為什么是現(xiàn)在?

你可以已經注意到最近關于神經網(wǎng)絡、機器學習和易購計算的報道變得越來越多。這些都與智能手機用戶的新使用習慣有關，而且涉及到更廣泛的領域。對用戶來說，這些技術正在幫助我們提高用戶體驗、增強音頻、圖像和語音處理能力、人類活動的預測、語言處理、加速數(shù)據(jù)庫搜索結果和增強數(shù)據(jù)加密等功能。

不過還有一個問題需要回答，那就是這些計算結果最好是在云計算還是在設備上完成。盡管OEM廠商都說自己的最好，但主要取決于以來那些需要更精確的計算任務。無論是哪種方式，這些應用都需要一些全新的復雜算法。而現(xiàn)在大多數(shù)的64位處理器都不太適合完成這種任務。8-16位浮點數(shù)字、模式匹配、數(shù)據(jù)庫查找、位場操作和高度并行處理等，這些都是可以加快完成速度的實例。

而為了適應這些新的應用增長，設計一個更適用于此類任務的自定義處理器，而不是讓它們在傳統(tǒng)硬件上低效率的運行，這樣做更有意義。在這些芯片中，肯定有未來的一些技術。而盡早添加人工智能處理器將為開發(fā)者提供一個基準，大家可以針對新的硬件開發(fā)軟件。

處理效率是關鍵

值得注意的是，這些新的處理器并不僅僅是為設備提供更多的計算能力，它們還在研發(fā)中涉及了三個主要領域的效率：規(guī)模、計算和功耗。

今天的高端處理器包含了大量的組件，從顯示驅動到基帶，這些部件必須要被塞進一個小小的范圍里，并且要盡可能的降低功耗，而不能破壞規(guī)律。在引入新的神經處理網(wǎng)絡能力時，芯片的設計師也要遵循這些規(guī)律。

智能手機芯片的設計人員有可能設計出更大、增強的CPU內核，可以更好的處理機器學習任務。但這將大幅增加核心的大小。考慮到今天處理器已經達到了八核陪你之，這就會讓它們的生產成本更高。更不用說對電力消耗也是沉重的負擔了。在5W TDP的功率下，根本不可能出現(xiàn)在智能手機上。

相反，設計一個單獨的專用組件是非常明智的決定，它可以非常有效的處理一組特定的任務。在處理器的開發(fā)過程中，我們已經看到很多次，從早期CPU的可選浮點單元到高通旗艦處理器的Hexagon DSP。多年來，由于計算能力和成本的變化，功率效率下降和流動，DPS在音頻、汽車和其它領域的使用頻率都有所下降。而移動領域也對機器學習有著低功耗和高數(shù)據(jù)處理的要求。

總結

對目前各個廠商熱衷的神經網(wǎng)絡和人工智能處理器進行質疑，其實并非是嘩眾取寵。但是，增加一個專門用于復雜數(shù)據(jù)排序算法的處理器，能幫助智能手機和其它技術變得更好，并且對各種新技術提供更好的支持，從自動圖像增強到更快的視頻庫搜索等。

盡管廠商們可能會不遺余力的宣傳虛擬助手和人工智能處理器，讓你的手機變得更智能。但我們遠遠還沒有達到真正擁有人工智能手機的程度。不過話雖如此，這些新技術與新興的機器學習工具結合到一起，能夠讓我們的智能手機變得比以往任何時候都更有用，因此也算是一種比較值得關注的變化。