为何现在的手机处理器都热衷于增加一枚AI芯片？_3DM单机

华为大力鼓吹自己的麒麟芯片是块AI芯片，苹果也将新的芯片命名为“A11 Bionic”，称内置人工智能“神经引擎”，那么这些手机芯片为什么争先恐后地做AI呢？

如果说虚拟助手是今年智能手机行业在软件方面的突破，那么人工智能处理器就是硬件方面的新成就了。

苹果将自己最新的处理器命名为A11 Bionic，主要就是因为内置了人工智能“神经引擎”。而华为最新的麒麟970处理器也拥有一个专门的神经处理单元（NPU），并且将会内置到即将发布的华为Mate 10中，并且成为一款“真正的人工智能手机”。同时根据最新的消息显示，三星也将为Exynos处理器配备专门的人工智能芯片。

高通在其最新的骁龙旗舰处理器中，开放了六核DSP（数字信号处理器），并且在几代之前就已经将其使用到异构计算和神经网络的开发。而英特尔、NVIDIA和其它公司都在开发自己的人工智能处理器产品。没错，整个行业已经开始激烈的竞争了。

在今天的智能手机系统中加入这些额外的处理器，有很多好处。毕竟实时语音处理和图像识别的需求正在快速增长，不过与往常一样，市场上充斥着各种各样的说法，我们应该更冷静去看待。

AI大脑芯片，真的有用吗

厂商们都希望消费者会相信它们已经开发出了足够智能的芯片，可以自己思考，也可以模仿人类的大脑。不过就算是今天最顶尖的实验室项目，也无法做到这个程度。因此在智能手机领域里，想要做到这一点，目前来看简直是异想天开。现实很残酷，这些新的处理器只是为了更机器学习技术更有效率，更简单。

人工智能和机器学习之间有一个重要的区别，并且可以准确的将二者区分开。人工智能是一种非常宽泛的概念，用来形容那些可以像人类一样思考的机器或具有某种形式的人工大脑，与我们人类自身的能力非常相似。

而机器学习只是封装了计算机程序来处理数据，并且根据结果做出决策。甚至可以从结果中学习，影响未来的决定。

神经网络是一种计算机系统，旨在帮助机器学习应用程序通过数据进行排序，使计算机能够以与人类像素的方式对数据进行分类。这包括在图片中挑选地标、或者识别汽车的颜色等过程。神经网络和机器学习是智能化的，但绝对不是那种真正的智能。

当谈到人工智能的时候，各个厂商的市场营销部门都在想一个新技术领域添加一种更常见的说法，但这也让它变得更难以解释。同样这也是一种将自己与竞争对手区分开的手段。这些公司的共同点就是，它们只是简单的将一个新元件整合到了处理器中，提高了我们现在人工智能或语音助手进行处理任务的效率和性能。而这些改进主要设计语音和图像识别，但也有一些其他用途。

新类型的电脑

也许，目前最大的问题是，为什么厂商突然之间就加入了这些元件?整合之后哪些方面变得更容易?又为什么是现在?

你可以已经注意到最近关于神经网络、机器学习和易购计算的报道变得越来越多。这些都与智能手机用户的新使用习惯有关，而且涉及到更广泛的领域。对用户来说，这些技术正在帮助我们提高用户体验、增强音频、图像和语音处理能力、人类活动的预测、语言处理、加速数据库搜索结果和增强数据加密等功能。

不过还有一个问题需要回答，那就是这些计算结果最好是在云计算还是在设备上完成。尽管OEM厂商都说自己的最好，但主要取决于以来那些需要更精确的计算任务。无论是哪种方式，这些应用都需要一些全新的复杂算法。而现在大多数的64位处理器都不太适合完成这种任务。8-16位浮点数字、模式匹配、数据库查找、位场操作和高度并行处理等，这些都是可以加快完成速度的实例。

而为了适应这些新的应用增长，设计一个更适用于此类任务的自定义处理器，而不是让它们在传统硬件上低效率的运行，这样做更有意义。在这些芯片中，肯定有未来的一些技术。而尽早添加人工智能处理器将为开发者提供一个基准，大家可以针对新的硬件开发软件。

处理效率是关键

值得注意的是，这些新的处理器并不仅仅是为设备提供更多的计算能力，它们还在研发中涉及了三个主要领域的效率：规模、计算和功耗。

今天的高端处理器包含了大量的组件，从显示驱动到基带，这些部件必须要被塞进一个小小的范围里，并且要尽可能的降低功耗，而不能破坏规律。在引入新的神经处理网络能力时，芯片的设计师也要遵循这些规律。

智能手机芯片的设计人员有可能设计出更大、增强的CPU内核，可以更好的处理机器学习任务。但这将大幅增加核心的大小。考虑到今天处理器已经达到了八核陪你之，这就会让它们的生产成本更高。更不用说对电力消耗也是沉重的负担了。在5W TDP的功率下，根本不可能出现在智能手机上。

相反，设计一个单独的专用组件是非常明智的决定，它可以非常有效的处理一组特定的任务。在处理器的开发过程中，我们已经看到很多次，从早期CPU的可选浮点单元到高通旗舰处理器的Hexagon DSP。多年来，由于计算能力和成本的变化，功率效率下降和流动，DPS在音频、汽车和其它领域的使用频率都有所下降。而移动领域也对机器学习有着低功耗和高数据处理的要求。

总结

对目前各个厂商热衷的神经网络和人工智能处理器进行质疑，其实并非是哗众取宠。但是，增加一个专门用于复杂数据排序算法的处理器，能帮助智能手机和其它技术变得更好，并且对各种新技术提供更好的支持，从自动图像增强到更快的视频库搜索等。

尽管厂商们可能会不遗余力的宣传虚拟助手和人工智能处理器，让你的手机变得更智能。但我们远远还没有达到真正拥有人工智能手机的程度。不过话虽如此，这些新技术与新兴的机器学习工具结合到一起，能够让我们的智能手机变得比以往任何时候都更有用，因此也算是一种比较值得关注的变化。