手机上搭载的移动AI芯片，其实大多数人并不需要

kevinct

图 | 苹果 iPhone X 最大的卖点之一就是其中 A11 芯片里的“神经引擎”

如今，估计很多人都听过移动人工智能（AI）芯片这个东西了。在最近的几个月里，从苹果 iPhone X 的“神经元引擎（Neural Engine）”到华为 Mate 10 的“神经网络处理单元（NPU）”，这种在手机中用来处理机器学习的特殊芯片已经成为了新一代的营销热词。而高通和 ARM 等芯片商也卯足了劲，想要把它装进每个品牌的新旗舰机中。然而，只有很少的消费者才真正了解它到底是什么。

作为消费者，了解你所买的产品有何功能算是一门必修课了。因为只有当你知道你所买的和你所求的有无差误，才能避免花冤枉钱。

所以，当你在市场上寻找新手机时，AI 芯片是你需要的功能之一吗？如果你想使用一些最新的人工智能 APP，你需要一个专门的 AI 芯片吗？

答案很简单：不需要。理由也不复杂，请接着读下去。

我们为什么需要 AI 芯片？

在手机中安装一个 AI 芯片的原因很简单：手机中常见的 CPU（中央处理器）并不适合机器学习的要求。若是用 CPU 强行运行机器学习 APP，结果不但会很慢，也会十分耗电。

这是因为人工智能算法需要在短时间内进行巨量的小型计算，然而由于普通的 CPU 只有一小部分进行数学计算的资源（即内核），它需要很长的时间和电力才能完成所有计算。这也是为什么现代人工智能行业十分钟爱 GPU，即图像处理器。这种芯片原本是为渲染游戏 3D 画面而生的，而 3D 渲染却恰恰也是短时间多计算任务。因此，GPU 被设计成拥有成千上万个内核，在渲染画面之外也十分适合机器学习所需要的计算任务。

当然，把数千枚内核塞进你的手机里是不现实的，但是芯片框架师们可以做出其他方面的设计来提高手机芯片可以同时处理的任务量。高通的人工智能与机器学习产品管理部部长 Gary Brotman 曾表示道：“我认为并行计算是最核心的，尤其在高效实现它的时候”。但是他也补充说，专门的 AI 芯片并不是唯一的出路，其他类型的芯片框架也可以被调整的更适合机器学习算法。

而“AI 芯片”这个词虽然十分简单易懂，但是并不准确。就拿华为和苹果的产品来说，它们并非一枚单独的芯片，而是作为整个系统芯片（SoC），比如苹果的 A11 Bionic 芯片中，专门为机器学习任务所设的一个内核。系统芯片已经含有多个用于渲染画面，处理图片，或运行系统任务等的专用内核。所以在其中添加一个 AI 专用的内核算是遵守技术发展的大势。

图 | 华为的麒麟 970 芯片中包含着一款神经网络处理单元

我们可以从中获得什么？

从上述内容中，我们可以把专用 AI 芯片理解为（理论上）更高的性能和更低的能耗。但是，它还会带来更好的隐私和安全，也对开发者更友善。

在隐私和安全方面，由于手机本地计算力的限制，许多现有的机器学习 APP 都需要把你的数据传输到云端才能进行计算。虽然谷歌和苹果发明了一些在你手机里直接进行这种计算的方式，但是其限制还是很大，用处不多。所以，如果你手机里有一个专门为 AI 设置的芯片，这些计算就可以在手机内进行了。而更少的数据传输则可以有效地减少数据被盗或泄露的可能性。

此外，不需要一直往云端上传数据也可以为用户节省很多流量。而这一点也可以帮 APP 的开发者节省成本。毕竟，如果可以在手机内进行运算，开发者们就不需要花钱设置云端的服务器了。

因此，只要手机的 AI 硬件跟得上，所有人都会从中获利。

　它现在可以被使用吗？

这个问题就比较难回答了，因为虽然你的手机可能有 AI 芯片，这不一定代表机器学习 APP 和服务可以有效地利用它的能力。

还是拿苹果和华为作为例子，这两家的 AI 芯片都有专门的应用程序接口（API），若是开发者想利用 AI 芯片，他们必须在其 APP 中使用这些接口。但是在这之前，他们首先还要确保他们所使用的 AI 框架，比如谷歌的 TensorFlow 或 Facebook 的 Caffe2 被 API 支持。如果不支持，他们就必须花时间对 APP 进行转化。

高德纳咨询公司的科技分析师 Anthony Mullen 表示，在这么多个界面中进行开发“并不轻松”：“我们离开发者使用这些硬件来开发精致的体验还有一段时间。在那之前，我们只会看到生产商和第三方之间的特殊合作”。这就是为什么微软正在与华为进行合作，确保其翻译 APP 可以在线下使用麒麟中的 NPU 内核，以及为什么 Facebook 选择与高通合作，用高通的 AI 硬件帮助 Facebook 提高其增强现实滤镜加载的速度。