作為AI芯片的典型,目前華為,、蘋果等廠商都開始在NPU上發(fā)力,。除此以外,開發(fā)者也在努力推進著手機端AI應用的發(fā)展,。

NPU(Neural Processing Unit,神經(jīng)網(wǎng)絡處理器),一直都是華為發(fā)布會上的熱門詞匯,這次的麒麟9000同樣將NPU標記在芯片結構圖的C位。而庫克在介紹最先進的A14處理器時,也著重提到了NPU。

早在2013年,高通公司就提出了“Zeroth”處理器的概念,這款處理器可以模仿類似人腦的認知能力,并實現(xiàn)自我學習的功能。

在高通的設想中,Zeroth的終極目標就是形成標準化的新型處理架構,并且第一次提出了NPU的概念,這種芯片已經(jīng)具備了AI芯片的雛形,。

2017年,華為海思推出了麒麟970,這款芯片首次內(nèi)置了獨立NPU。

在此之后,幾乎所有的手機廠商都將AI作為新的亮點,一顆SoC芯片如果沒有足夠的AI算力,似乎都不能被拿到臺面上介紹,。

如今距離提出NPU的概念已經(jīng)過去了七年,AI芯片在手機端的發(fā)展似乎并不如人意,。

如何理解NPU

傳統(tǒng)CPU進行累加計算時,效率非常低,但當GPU做類似的計算,效率就會高很多,。同樣的道理,GPU主要被用來進行圖像處理,并沒有針對神經(jīng)網(wǎng)絡計算進行特殊優(yōu)化,這時候使用專業(yè)針對神經(jīng)網(wǎng)絡計算的NPU,就可以大大提高計算效率并減少功耗。

假設我們面前有一條沒有橋的河,我們應當如何過河?這時候大腦就會涌出各種想法并且比較各種方法的優(yōu)劣,。

NPU的工作就類比大腦,在手機中模擬所有可行的方案,并從中挑選一個最優(yōu)解,。有了NPU之后,手機的AI性能就能得到大幅的提升。

從麒麟970的單核NPU,、到最新的麒麟9000的2+1三核NPU,NPU的升級也伴著華為的AI技術的發(fā)展,最能直觀體會到的就攝像功能帶來的進步。

比如取景時的智能場景識別功能,可以讓系統(tǒng)快速識別拍攝的物體和場景,并自動做出優(yōu)化調(diào)教,。再比如被廣大消費者驚嘆的“月亮模式”,以及強大的智能防抖功能,再包括最新的物體識別,。

這些功能都是通過NPU來彌補華為手機在CMOS尺寸以及ISP(圖像信號處理)上與其他廠商的差距。

在麒麟970推出之后,AI功能逐漸拓展,從手持超級夜景到語音助手,、節(jié)能優(yōu)化,、智慧識別、識圖翻譯．．．．．．越來越多的應用場景都開始運用AI加速運算,這些都得益于NPU的支持,。

硬件層面,NPU可以代替CPU進行處理,讓SoC具備了更強的本地AI運算能力(類似于“硬解”),。相比較CPU的“軟解”,“硬解”效率更高、速度更快,、功耗也更低,。

但即便NPU功能十分強大,如今NPU在手機日常的應用領域還處于初級階段,它的重要性還遠不如CPU、GPU和ISP,屬于錦上添花的存在,。

例如高通驍龍AI Engine引擎之中就沒有獨立的NPU單元,而聯(lián)發(fā)科在Helio P60/P90引入的NeuroPilot AI技術最早也是通過多個單元協(xié)同計算(APU+CPU+GPU),。

AI芯片只是第一步

有了AI芯片的支持,或許能增強手機AI能力,但目前的AI芯片卻不能很好地適配所有的軟件。

比如,很多直播APP都有實時美顏功能,可以利用降噪,、顏色空間轉(zhuǎn)換實現(xiàn)磨皮,、濾鏡等基礎功能,但使用不同的軟件可能會造成耗電量過高的異常,這就是軟件層面的不適配。

從整個市場上來看,目前AI芯片還處于算法主導到產(chǎn)品主導的過渡期,由于各家AI芯片的設計不同,AI方案架構方面都有不小區(qū)別,像寒武紀的“DIANNAO”,、谷歌的TPU,再到華為的達芬奇架構,目前AI芯片的設計可謂百花齊放,。除此以外,還有單一針對卷積神經(jīng)網(wǎng)絡的ASIC加速器,以及支持簡單編程的通用型AI芯片。

這些種類繁多的AI芯片,推動了AI技術在手機端的普及,但不可避免會帶來一些問題,。

AI應用需要開發(fā)者的努力

雖然各家的AI芯片都開始集成獨立的神經(jīng)網(wǎng)絡處理單元,但是在設計上有很大不同,這意味著在運行機器學習應用方面,幾家AI芯片在性能和能耗上有很大差別,。因此,第三方開發(fā)者是否針對幾家的芯片設計進行優(yōu)化,或只支持某一種設計,會對系統(tǒng)性能產(chǎn)生重大影響。

目前,大多數(shù)移動AI芯片在機器學習方面做了較為普適性的優(yōu)化,而對一些特定的計算方式則沒有進行太多優(yōu)化,。

就算開發(fā)者開發(fā)出同一款AI應用,其兼容性可能會存在很多問題,。當AI應用的開發(fā)進入到實際的應用和業(yè)務層面,開發(fā)者面臨著標準不同、API配適,、軟件優(yōu)化等很多的難題,。也就導致開發(fā)者必須針對不同廠商的設備進行逐個優(yōu)化。加之安卓生態(tài)比較混亂,移動AI開發(fā)者很可能受到更多阻礙,。

就拿之前提到獲得AI技術加持的照相功能來講,除了在畫面上的提升,還是有很多人都會吐槽華為手機存在過分美顏,、過度銳化,、顏色失真等問題,但這些問題在iPhone上就很少被提及。

一直以來,蘋果在照片成像上的AI技術都調(diào)教的恰到好處,不論是自帶相機還是第三方相機,“拍照真實”也成為iPhone的賣點之一,很多專業(yè)攝影師已經(jīng)選擇將iPhone作為便攜街拍設備,。相比而言,“傻瓜式”的安卓手機更偏向攝影小白,。

不過隨著安卓手機廠商和應用開發(fā)者不斷對系統(tǒng)以及APP進行優(yōu)化,現(xiàn)在的安卓手機拍照也變得更加智能。

所以,AI芯片只是提供了手機AI應用的基石,真正要挖掘出移動端AI的魅力,還需要開發(fā)者針對AI芯片的能力開發(fā)出合適的應用,。

結語

目前,以AI芯片為基礎打造一個AI應用生態(tài)圈的愿望真的十分美好,但這個過程還有很長的路要走,。硬件走在了前面,軟件也要跟得上。

在未來,NPU或許也會像當年FPU之于CPU一樣,成為移動Soc芯片的標準,?；蛟S在未來我們能在智能手機上體會到更棒的AI應用。

至少在現(xiàn)在,以NPU為首的AI芯片們,還有很長的路要走,。