科技行業(yè)的巨頭們看似已經(jīng)完全接受了人工智能革命。蘋果、高通和華為已經(jīng)制造了一種移動(dòng)芯片，而這些芯片的設(shè)計(jì)目的是提供機(jī)器學(xué)習(xí)一個(gè)更好的平臺，而不同公司設(shè)計(jì)這種芯片都采用了略微不同的方式。華為在今年的IFA上發(fā)布了Kirin 970，他們稱其為第一款帶有專用神經(jīng)單元處理器(NPU)的芯片組。然后，蘋果發(fā)布了A11仿生智能芯片，該芯片為iPhone8、8Plus和x提供引擎動(dòng)力。A11仿生芯片的特點(diǎn)是，它的神經(jīng)引擎處理器是專門為機(jī)器學(xué)習(xí)而設(shè)計(jì)的。

　　上周，高通發(fā)布了驍龍845，該芯片能夠?qū)⑷斯ぶ悄苋蝿?wù)發(fā)送至最合適處理器的核心系統(tǒng)。這三家公司的設(shè)計(jì)方法并沒有太大的區(qū)別——最終歸結(jié)為每種芯片向開發(fā)者提供的訪問權(quán)限，以及每一種設(shè)置所消耗的電量。

　　在我們討論這個(gè)問題之前，我們先來弄清楚一個(gè)人工智能芯片跟現(xiàn)有的cpu有怎樣的不同。在業(yè)界，你會(huì)經(jīng)常聽到叫異構(gòu)計(jì)算的有關(guān)人工智能的術(shù)語。它指的是使用多種處理器的系統(tǒng)，并且每一種處理器都有專門的功能，以獲得更高的性能及節(jié)省能源。這個(gè)術(shù)語并不新鮮，而且許多現(xiàn)有的芯片組都使用了它——例如這三款新產(chǎn)品在不同程度上采用了這個(gè)概念。

　　過去三年來，智能手機(jī)的cpu使用了ARM的big.LITTLE架構(gòu)，它能夠?qū)⑾鄬^慢的節(jié)能核心與速度更快、能耗更低的核心結(jié)合起來。我們的主要目標(biāo)是讓這款芯片盡可能少占用電能，以獲得更好的電池續(xù)航時(shí)間。首批采用這種架構(gòu)的手機(jī)包括三星Galaxy S4，它只入了其公司自主生產(chǎn)的Exynos5芯片，以及華為的Mate8和榮譽(yù)6。

　　今年的人工智能芯片讓這一概念更進(jìn)一步，它通過添加一個(gè)新的專用組件來執(zhí)行機(jī)器學(xué)習(xí)任務(wù)，或者可以使用其他低功耗內(nèi)核來執(zhí)行機(jī)器學(xué)習(xí)任務(wù)。例如，驍龍845可以利用它的數(shù)字信號處理器(DSP)來處理需要大量重復(fù)計(jì)算的長時(shí)間運(yùn)行的任務(wù)，比如在一段長對話里通過分析找到一個(gè)用戶需要的熱詞。高通的產(chǎn)品管理總監(jiān)加里布洛特曼告訴Engadget，在另一方面，像圖像識別這樣的需求可以通過GPU更好地管理，布羅特曼專門負(fù)責(zé)為驍龍智能平臺開發(fā)人工智能和機(jī)器學(xué)習(xí)技術(shù)。

　　與此同時(shí)，蘋果的A11仿生學(xué)應(yīng)用在其GPU上添加了一個(gè)神經(jīng)引擎，以加速人臉識別、動(dòng)話表情反饋和一些第三方應(yīng)用的使用。這意味著，當(dāng)你在iPhoneX上啟動(dòng)這些進(jìn)程時(shí)，A11會(huì)打開神經(jīng)引擎進(jìn)行計(jì)算來驗(yàn)證用戶的身份，或者把你的面部表情倒入到會(huì)說話的便便這款應(yīng)用中。

　　在Kirin 970芯片中，NPU會(huì)處理一些任務(wù)，比如掃描和利用微軟翻譯來翻譯圖片里的文字。這是迄今為止唯一針對這款芯片進(jìn)行優(yōu)化的第三方應(yīng)用。華為表示，其HiAI異構(gòu)計(jì)算結(jié)構(gòu)將其芯片組的大部分組件的性能最大化，因此它可能會(huì)將人工智能任務(wù)分配給更多，而不僅僅是NPU。

　　拋開這些差異不說，這種新的架構(gòu)意味著過去只能在云端處理機(jī)器學(xué)習(xí)計(jì)算，現(xiàn)在可以在設(shè)備本體上更高效地運(yùn)行。通過使用非CPU的部分來運(yùn)行人工智能任務(wù)，用戶的手機(jī)可以在同一時(shí)間處理更多的事情，這樣你在等待應(yīng)用為你翻譯或例如尋找寵物狗的圖片時(shí)就不會(huì)遇到延遲的煩惱。

　　此外，在手機(jī)上運(yùn)行這些程序不用將用戶的使用數(shù)據(jù)發(fā)送到云端，這對用戶隱私也有了更強(qiáng)的保護(hù)，因?yàn)檫@樣可以減少黑客獲取數(shù)據(jù)的機(jī)會(huì)。

　　這些人工智能芯片的另一大優(yōu)勢是節(jié)約能源。因?yàn)橛行┕ぷ魇侵貜?fù)的，我們手機(jī)電池消耗量需要針對這些重復(fù)的進(jìn)程進(jìn)行更合理地分配。GPU往往會(huì)吸收更多的能量，所以如果取而代之的是更節(jié)能的DSP，并且它可以實(shí)現(xiàn)與GPU類似的效果，那么最好是選擇后者。

　　需要明確的是，在決定執(zhí)行某些任務(wù)時(shí)，芯片本身并不決定使用哪個(gè)核心系統(tǒng)作為驅(qū)動(dòng)。在今天，開發(fā)者們和oem廠商都想要運(yùn)行人工智能芯片，Brotman說。程序員可以使用像Google的TensorFlow這樣的支持?jǐn)?shù)據(jù)庫(或者更確切地說是它的Lite移動(dòng)版本)來選擇運(yùn)行他們的模型的核心。高通、華為和蘋果都采用了TensorFlow Lite和Facebook的Caffe2等最受歡迎的選項(xiàng)作為他們設(shè)計(jì)的支持程序。高通也支持新的開放神經(jīng)網(wǎng)絡(luò)交換(ONNX)系統(tǒng)，而蘋果則通過其核心的ML框架為更多機(jī)器學(xué)習(xí)模式添加了兼容性。

　　到目前為止，這些芯片都沒有在現(xiàn)實(shí)世界中帶來明顯的影響。芯片制造商們將會(huì)吹捧他們自己的測試結(jié)果和基準(zhǔn)，但這些測試結(jié)果直到人工智能程序成為我們?nèi)粘Ｉ钪兄匾囊徊糠种岸己翢o意義。因?yàn)槲覀冋幱谧屧O(shè)備進(jìn)行機(jī)器學(xué)習(xí)的發(fā)展早期階段，并且使用新硬件的開發(fā)者少之又少。

　　不過現(xiàn)在很明顯的是，競爭已經(jīng)開始了，競爭者們著重研究如何讓機(jī)器學(xué)習(xí)相關(guān)的任務(wù)在用戶設(shè)備上運(yùn)行地更快、更省電。我們只需要等待一段時(shí)間，就能看到從傳統(tǒng)芯片到人工智能芯片的轉(zhuǎn)變帶給我們生活上的幫助。