# 苹果、高通、Google 都押注的未来芯片，到底是什么？\| 硬哲学 - 作者：黄智健 - 发布时间：2022-01-26 18:25 - 分类：硬件 - 原文：https://www.ifanr.com/1467110 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/ms_070621_item1_AI_BehavioralHealth.jpg) 在体验 Pixel 6 Pro 的这段时间里，除了拍照，我很少有感觉到这台被 Google 称作「最聪明的 Pixel 手机」有什么过机之处，直到一个早上，手机闹钟把我吵醒。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/ezgif-6-418708a426.gif) 和普通手机滑动关闭闹钟的操作不同，Pixel 6 Pro 提示我可以说「Snooze（再歇一会）」或者「Stop（停止）」来控制闹钟，而当我小心翼翼地说出「Stop」后，闹个不停的手机果然立刻安静了下来。 这是个微不足道的小功能，却让我每个被闹钟吵醒的早晨都能保持一个好心情。 我终于再也不用强撑睡意胡乱找手机，只需要一句话就能让催命般的手机识趣闭嘴，这是我第一次感觉手机能够「理解」我。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/sddefault-e1643079487705.jpg) 「听懂人话」的秘密，就藏在不起眼的 TPU 之中。 ### 无处不在的 AI 计算 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/light-chip-01_0-9.jpg) 同在手机的 SoC 上，NPU 的存在感和 CPU、GPU 比起来总要弱上一大截。 这个专注于神经网络运算的处理器甚至没有一个统一的名字：在麒麟芯片上叫 NPU，在 A 系列仿生芯片上叫 神经计算引擎（Neural Engine）；Google 将其命名为 TPU，联发科又认为用于 AI 计算的它应该叫 APU…… 尽管这些芯片的名字五花八门，架构和原理也不尽相同，但它们的目的大抵相似——加速机器学习，提高手机的人工智能计算能力。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/soc_hero_5.jpg) 如果你有关注手机处理器的性能，你会发现无论是 iPhone 的 A 系列芯片还是 Android 旗舰级的骁龙芯片，在近两年内 CPU 的算力提升都十分有限，性能「挤牙膏」的现象越来越严重。 与之相比，AI 算力成了更多厂商愿意提及的参数指标。以 A 系列芯片为例，苹果的 A14 仿生芯片比上一代有了近乎翻倍的峰值算力提升，每秒可执行运算 11 万亿次。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/Apple-A15-Bionic-1.jpg) 一年后的 A15 仿生芯片在此基础上依然能带来超过 40% 的大幅提升，每秒可执行运算高达 15.8 万亿次。 Android 阵营的 AI 算力进步也非常可观，在苏黎世理工大学推出的 AI 性能测试榜上，首次引入 NPU 的麒麟 970 AI 性能跑分为 23600 分，四年后 Google Tensor 芯片以 214700 的高分登顶，而麒麟 9000、骁龙 888 的成绩也都达到了 160000 分左右。 既然 AI 算力近乎指数增长，为什么我们很难感觉到有什么变化？AI 功能这个听起来略显高深的词是不是离我们太远了？ ![](https://s3.ifanr.com/wp-content/uploads/2022/01/gadgetmatch-smartphone-artificial-intelligence-explainer-20180602-04.gif) ▲图片来自：Gadgetmatch 事实上，你每一次解锁手机、唤醒语音助手、甚至随手按下快门，都是一次与 AI 计算的亲密接触。 而 NPU 就像一个黑匣子，它让 AI 的计算过程快得几乎不存在，让你察觉不到科技，却又被更自然的人机交互包围。Google 语音助理的进化是一个很好的例子。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/google-voice-search-header-short.gif) 自 2014 年 Siri 加入「Hey, Siri」的语音唤醒功能后，唤醒词几乎和语音助手绑定，每次与语音助手对话，我们都要不厌其烦地叫唤它们的名字：Siri、小爱同学、小布、小艺……如果语音环境很嘈杂，这个尴尬的过程可能还要重复好多次。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/hswr-1-bcb0894b755bdf32fe2f07a08496a584.png) ▲ 识别唤醒词的声纹 图片来自：Apple 这是因为，出于功耗考虑，手机处理器不能浪费算力长时间在后台解析用户的每一句话，这时就需要一个低功耗并且只识别唤醒词的语音接收器常驻工作。 当收到唤醒词信号时，才调动主处理器聆听用户的下一步指令。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/proxy.gif) 不过，虽然这样可以实现低功耗语音唤醒，但这距离科幻电影里 AI 助手随叫随到的理想形态还有点距离，这就像钢铁侠在战斗前还要说一句「嘿，贾维斯」一样，人机交互有点别扭。 Google 在 Pixel 6 系列上推出的「快捷指令」功能让这种存在于科幻电影的自然交互照进了现实。 正如文章开头提到那样，通过「快捷指令」用户不用再喊「OK Google」等的唤醒词，也能唤醒 Google 助理执行关闭闹钟、接听电话等指定任务。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/architecture.png) ▲ Google 提出的 VoiceFilter 算法 图片来自：Google 要在嘈杂的声音环境下定向分离人声，手机就需要有更高精度的声纹识别能力，利用更加复杂的卷积神经网络算法准确捕捉并识别用户的口令。 而 Google 专为 AI 计算设计的 TPU 芯片正好满足了这种 AI 算力需求，这种自然的语音交互最终在 Pixel 6 系列上得以实现。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/scanwords-1.gif) 基于神经处理单元的 NPU 在图像、语音识别和处理方面比传统 CPU 效率要高得多，手机厂商由此可以开发出诸多如计算摄影、文字识别等功能，丰富系统的软件功能。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/iOS-15-Translate-text-feature.jpg) 在苹果最新的 iOS15 上，不少新特性就是基于神经计算引擎而设计的，例如 FaceTime 加入的空间音频和人像模式、实时的文本提取和翻译、相册直接搜索照片中的文字、Siri 离线运行等。 由于这些功能对 AI 算力有一定的要求，苹果还强调如果 SoC 芯片不是 A12 仿生往后的型号，那么即便升级到 iOS15 这些功能都不能体验。 ![](https://s3.ifanr.com/wp-content/uploads/2021/12/QQ20211228-194429.jpg) 再比如 MIUI13 上的智能识别证件照添加水印、人脸验证隐私保护等功能，HarmonyOS 的隔空手势、随头转动，同样是利用了 AI 图像识别、文字 OCR 等技术开发。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/ezgif-6-e7c7c22b96.gif) AI 功能开始成为了我们日常手机体验重要的一部分，原本被认为无关紧要的 NPU 成了组成系统软件体验不可或缺的一部分。 ### 为什么需要 AI 计算芯片？ 和手机的其他零件相比，NPU 登场的时间要晚得多。 2017 年 9 月华为在柏林 IFA 展发布的麒麟 970 是首颗集成 NPU 的 SoC，同一时期，苹果发布了首次搭载神经计算引擎的 A11 仿生芯片，两个阵营对 AI 计算领域的关注出奇同步。 AI 功能的出现看似突兀，但这其实是智能手机形态发展过程中自然演化的结果。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/iphone-x-mac.gif) 《连线》杂志与苹果副总裁 Tim Millet 关于 A 系列芯片的访谈中提到，在 iPhone X 发布的数年前，苹果的一些工程师就提出了利用机器学习算法让 iPhone 的摄像头变得更智能的想法。 正是这个想法，让定义了 iPhone 未来十年形态的 iPhone X 有了落地的可能。转向全面屏的 iPhone X 需要一个新的安全机制取代原本占据下巴的 Touch ID，并且在准确度、解锁速度都不能落后前者，为了实现这些点，苹果转向了 3D 结构光面容识别。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/39d94e5505d69b572a1e1d23b293cfca.gif) 每次点亮 iPhone 进行解锁，位于刘海中的深感摄像头都会通过成千上万个点创建一个深度图，与储存的人脸数据比对完成解锁，而这个收集、创建、校对的过程需要控制在瞬息之间，更重要的是，功耗必须控制在一个足够低的水平。 根据苹果公布的数据，iPhone 用户每日平均解锁次数为 80 次，如果每次解锁都要调动 CPU 或 GPU 做高功耗的图形运算，对手机续航而言会是个相当大的挑战。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/machinelearning-1.gif) ▲ 机器学习的过程 而多核架构的神经计算引擎可以同时执行大量运算，并且经过深度机器学习，它可以像人脑一样识别和判断人面信息，利用它实现人脸识别在功耗和性能上比传统 CPU 都有着不小的优势。 「如果没有神经计算引擎，我们不可能做到这一点」，Tim Millet 在访谈中提到。 随着核心数的增多，神经计算引擎算力也会随之大幅提升，其应用也越来越广。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/1_AVIIta8S0dnEdP9tqfbqmQ.jpg) 例如 A13 仿生芯片的 8 核神经计算引擎为 iPhone11 系列带来了 Deep Fusion 和夜景模式功能，通过多张融合提升照片的清晰度和细节；A14 仿生芯片的神经计算引擎提升到了 16 核，能够在拍摄时同时调用多枚摄像头，实现顺滑的变焦体验。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/Total-Die.jpg) ▲ A15 仿生芯片和 A14 仿生芯片的剖析图，神经计算引擎集中在左下角 总的来说，神经计算引擎等 NPU 的出现，可以很好地分担 CPU 或 GPU 的算力压力，通过对大数据进行高效的并行分析和计算，提取出有意义的结果，用更自然的处理能力改善我们的体验。 ### AI 将再次定义智能手机 于苹果担任担任机器学习和人工智能战略高级副总裁的 John Giannandrea 在一次采访时曾经提到，他相信在未来几年内 iOS 或者苹果软件生态的所有功能都会被机器学习改变。 > 我认为苹果一直代表着创造力和技术的交汇点。当你考虑建立智能体验时，将应用程序、框架、再到芯片给垂直整合起来非常重要…… 我认为这是一个旅程，这是我们拥有的计算设备的未来，它们变得智能，然后这份智能会隐于无形。 初代 iPhone 用触摸屏交互、随时随地连接互联网重新定义了手机，手机自此出现了「功能机」和「智能机」的分支。 当智能手机的功能趋同化，所谓的「智能」——发微信、放音乐、拍照、看新闻等等在某种意义上又变回功能。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/gadgetmatch-smartphone-artificial-intelligence-explainer-20180602-03.gif) ▲图片来自：Gadgetmatch 智能手机需要重新被定义，新的智能应该被解读为「能够理解人」的手机，它能识别你看见的世界，听懂你的每一句指令，根据环境作动态调整，这些都需要 AI 芯片的深度参与。 随着手机硬件供应链日趋透明，中高端手机核心配件的差异性变得越来越小，软件功能得到了越来越多厂商的重视，这就像料理一样，硬件供应链提供了制作一道好菜的「基础食材」，而想要烹饪出独此一家的味道，优秀的软件体验才是那个关键的「调味料」。 如今我们已经拥有足够清晰屏幕以及能拍摄百米远风景的摄像头，但智能手机的体验并不仅限于常规的显示、拍照。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/pixel-6-live-translate.jpg) 它应该让你同时拍摄多焦段的照片，让你在拍摄时不用因为匆忙调焦而错过风景；应该能够在取景框中就能实时预览夜景或 HDR 效果，成像时不用再等待；它甚至应该成为一个能够陪伴你旅行的翻译器，即便是网络不佳也能离线完成实时翻译工作。 AI 是帮我们实现这些功能的不二之选，为了更深度地定制软件功能，像 Google、OPPO 等更多的手机厂商都开始参与 NPU 芯片的设计，以追赶苹果、华为等先行者的步伐。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/CLZPLUtqihEEeJiUsPGteP-1200-80.jpg) 与此同时，强大的 AI 算力也不再是自研芯片玩家的专利，高通骁龙 8 和天玑 9000 都将 AI 算力视为了提升的重点，在 AI 性能跑分都已超越 Google 的 Tensor，三星最近发布的 Exynos 2200 也着重提升了 NPU 性能，带来翻倍的提升。 芯片巨头在 AI 性能的集中发力，让移动端 AI 芯片看起来就像在经历「新摩尔定律」。 除了性能增长的速度，AI 芯片的普及速度也非常可观，根据统计机构 Counterpoint 的统计，2017 年内置 AI 芯片的手机数量仅占市场份额的 3%，而 2020 年这个数据已经达到 35%。 在未来还会有更多的手机支持 AI 加速计算，这意味着利用机器学习开发手机应用会变成新的常态，事实上在抖音、微信等国民级 app 上，就已经出现了利用机器学习实现背景模糊、一键剪片等 AI 功能。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/5a67a52200d0ef3d018b4d5a.jpg) 随着手机厂商和第三方开发的参与，AI 应用经过不断深化，智能手机的形态可能也会随之发生变化，成为一个为愉悦体验而生的软硬件共生体。 届时，智能手机形态的话语权争夺战，也将从供应链的管理慢慢地向用户大数据的掌控转移。 ![](https://s3.ifanr.com/wp-content/uploads/2022/01/logo3.jpg)