随着技术的发展, 人工智能逐步深入到我们的生活, 彻底改变我们的世界. 智能手机圈已经掀起了人工智能处理器的浪潮, 可以说是智能手机新一轮的重大革新.
目前来看, 华为和苹果在智能手机AI芯片领域上已经先行了一步. 华为最新的麒麟970处理器拥有一个专门的神经处理单元 (NPU) , 并用在了刚发布的华为Mate 10系列和荣耀V10中, 使之成为一款 '真正的人工智能手机' . 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' . 这两家公司走在了智能手机AI芯片的应用前列. 究竟智能手机AI芯片 '双龙' 的策略和布局如何, 本文就来做个细致的梳理.
麒麟970 Vs. 苹果A11 Bionic 谁更胜一筹?
华为麒麟970处理器先于苹果A11 Bionic发布, 成为世界首款带有独立NPU专用硬件处理单元的手机芯片, 而首款采用该芯片的华为手机Mate 10也随后发布, 表明中国人工智能芯片应用领域处于领先地位. 那么这两款先后诞生的AI手机芯片有何异同?
首先, 从AI模块的部分来看, 华为和苹果都选择了ASIC方式来实现. 为了应对不同AI应用场景下的需求, 目前AI芯片领域分为几个流派: 并行计算能力和功耗一样高的GPU, 可重新定义内部电路连接的FPGA, 深度定制的ASIC. 这几种技术流派各有优势之处. 相比之下, 虽然设计的时间比较长, 但ASIC加速器的速度会比用同样工艺FPGA加速器速度快5~10倍, 在功耗上也远远优于GPU, 而且一旦量产后, ASIC的成本会远远低于FPGA方案. 华为和苹果在这一点上不谋而合, 均选择了ASIC方式, 可见双方规划, 眼光均一致, 也都早于同行发力AI.
第二, 在性能方面, 麒麟970的HiAI架构首次集成了NPU专用硬件处理单元, 带来领先的AI运算能力, 让智能手机真正进入AI时代. 苹果同样采用了专用的神经网络引擎(Neural Engine), 但并非专用NPU. 对比来看, 华为第一次在移动设备层面把神经网络模型的硬件计算加速能力融入芯片中. 这也是业内第一次在手机芯片中出现了专门用于人工智能计算的处理单元. HiAI架构通过更高效灵活的异构计算来最大化发挥CPU/GPU/ISP/DSP/NPU的性能, 其加速性能和能效比大幅优于CPU和GPU. 例如, 作为专门为深度学习定制的模块, 麒麟970每分钟可以识别2005张图片, 而如果用CPU每分钟只有95张, 前者比后者多了20倍.
同样是人工智能手机芯片, 麒麟970和苹果A11性能如何? 仍然以上述图片识别测试为例, 麒麟970每分钟可以识别2005张, 而苹果iPhone8plus则识别899张, 麒麟970的性能是苹果A11的两倍多. 这一个数据或许有点单一, 我们从近日中国移动发布的《中国移动2017年终端质量报告》中可以看到更全面的评测. 在该报告中, 华为手机在整机性能, 芯片, 拍照等多维度均表现出色, 一举夺得两项第一. 其中, 商务旗舰华为Mate 10 Pro占据《手机综合评测排行榜》3000元以上价格段排名第一的位置. 麒麟970更是以三个满分拿下了芯片通信性能评测, AR性能评测, AI性能评测三项第一, 超越了同行苹果A11, 骁龙835, 联发科X30, 展讯SC9853等平台, 堪称本次评测中的 '最强芯片' . 从该报告里可以看到, 麒麟970在AI的性能和能效两个维度的表现, 都超越了苹果A11.
第三, 从芯片集成度来看, 麒麟970采用了最新的TSMC 10nm工艺, 集成了55亿个晶体管. 苹果A11 Bionic同样采用TSMC 10nm FinFET工艺, 集成了43亿个晶体管. 但其只是AP, 如果加上基带的约10亿个晶体管 (以规格领先的高通基带X16为例) , 则是53亿个晶体管. 从晶体管数量来看, 两者相差不大, 但是麒麟970实现了更多的功能. 例如在通信方面, 这可谓是华为的看家本领, 麒麟970实现了全球最先进的规格Cat18/Cat13, 使用4*4MIMO, 5CC CA以及256QAM等多种先进技术, 将碎片化的频谱聚合成为最大带宽, 聚合峰值能力最高可达到1.2Gbps的下载速率, 再次刷新了移动互联网联接的最快速度; 而iPhone8 和iPhone X的通信规格却无从知晓, 有人说是Cat9, 峰值下载速率是450Mbps. 即使是高通当前商用的最先进的基带X16, 也只是Cat16, 峰值下载速率是1.0Gbps. 同时, 麒麟970率先商用双卡双4G双VoLTE, 成功实现了一部手机上两张SIM卡均支持4G VoLTE通话, 提供主副卡一致的高清语音, 视频通话体验. 这方面麒麟970也要优于苹果A11.
因此相较而言, 两者面积相当, 晶体管数量相当, 麒麟970性能更优, 体验更佳.
封闭or开放, 哪个更适合AI应用落地?
在应用和生态方面, 分属安卓阵营和iOS阵营的麒麟970和苹果A11 Bionic也各有特色.
应用方面, 苹果的AI技术更偏向酷炫, 主要用于Face ID, 拍照时的场景识别, 以及Animoji等应用, 应用面较窄, 而且应用开发环境也相对封闭. 华为则更注重务实, 应用场景也相对更丰富. 加入HiAI移动计算构架之后, 使传统摄影进入智能摄影阶段, 越用越聪明. 例如AI慧眼识物, 借助于AI芯片所提供的强大算力, 其AI智能相机功能能够自动为食物, 植物, 舞台, 宠物, 人像等13种大场景的拍摄提供独家优化方案. 在语音方面, 利用人工智能的硬件与软件相结合, 通实现实时文字交互翻译和识图翻译, 也可方便地进行面对面的语音翻译, 并且通过AI芯片加速具有学习能力, 会越用越聪明. 搭载麒麟970的荣耀V10, 利用强大的AI算力, 实现了人脸解锁, 以及更丰富的AI应用.
说到开放性, 就不能不谈生态系统. 在这方面, 苹果推出了机器学习框架Core ML, 能够让开发者以尽可能简单的方式将AI模型用于各种不同的格式. 但Core ML并不是开源的, 而开放的生态很重要, 让更多的开发者参与其中, 才能更快地让整个移动AI生态不断演进, 完善. 苹果生态+端的方式可能只适合苹果自己.
受限于安卓操作系统, 虽然华为在生态环境上不占优势, 但它也在积极通过自己的努力来弥补安卓版本的迭代滞后. 包括推出一个开放AI生态环境, 支持Tensorflow Lite和 Caffe这两个比较主流的神经网络编程框架, 方便开发者更好地在应用中调用NPU.
此外, 麒麟970芯片发布的时候, 已经宣布会将基于麒麟970芯片的人工智能运算平台开放给所有的合作伙伴, 让每一位合作伙伴都能享受到端侧人工智能带来的便利, 从而开发出更优秀的应用. 华为建立开放的AI生态之后, 更多优秀的开发者, 第三方产业将会利用该平台打造出更多全新的应用产品, 将会为用户带去更多有价值的AI应用, 不断改写安卓手机在用户心目中的形象.
同时明年谷歌会加强安卓对AR功能的支持, 新版本安卓框架也会更新AI部分, 这方面安卓阵营不会落后太多. 华为背靠安卓, 更开放的生态也会有更多优秀的开发者和第三方应用来推动AI应用落地.
AI手机芯片还有哪些路要走?
虽说华为麒麟970和苹果A11 Bionic为AI芯片应用的落地奏响了号角, 但是这一领域的创新涉及到人工智能算法, 编程语言, 计算机体系结构, 集成电路, 半导体工艺等多方面, 绝不是一蹴而就的事情.
紧随华为和苹果其后, 更多的手机芯片厂商也已投入到AI的研发中来. 高通基于分布式架构的神经网路处理引擎(NPE), 可以运行在骁龙异构平台的CPU, GPU, DSP等每一个单元上, 预计未来几个月将会在其中高端SoC产品中加入AI功能. 与华为和苹果选择的ASIC道路不同, 高通认为灵活的人工智能硬件在目前是更优选择, 结合DSP与GPU的效果更好. 另一个主要的手机芯片供应商三星也正在研发专用人工智能芯片, 这些芯片与目前的AI解决方案最大的不同之处便是其离线数据处理能力, 即设备数据无需全部输入到三星进行处理并回传, 设备自己便能应对这些问题. 三星的观点是, 在智能手机中使用当前的CPU来处理深度学习算法是低效的, 增加NPU在将成为未来一种主流趋势. 此外, 据传联发科也已完成了手机芯片内置AI运算单元的设计. 几大芯片巨头共同发力手机AI芯片, 将快速推进手机AI芯片的普及. 市场调研机构Counterpoint预计, 到2020年, 搭载独立AI芯片的智能手机将超过1/3, 数量超5亿台.
伴随着AI芯片市场多样化发展的, 还要各种亟待解决的瓶颈. 目前技术方面的挑战在于算力提升, 算法优化, 功耗降低以及更好地集成等方面, 未来还将会遇到安全问题. 衡量AI芯片计算性能的一个重要指标称为算力. 通常而言, 将每秒所执行的浮点运算次数 (亦称每秒峰值速度) 作为指标来衡量算力, 简称为FLOPS. 在本已寸土寸金的手机SoC中, 再加入NPU或者其他AI模块, 这对芯片架构设计复杂性, 成本, 系统集成带来的软件架构等方面都提出了更大的挑战.
安全和隐私也是无法逃避的问题. 目前许多终端数据都是发送到云端做分析处理, 最近边缘计算开始兴起, 将这部分任务放在端侧完成, 可以极大地降低数据泄露和黑客入侵的风险.
最大的挑战还在于AI芯片如何真正地被利用起来. 现在手机是拥有了AI芯片, 但是想要真正用起来还要依赖开发者. Gartner的技术分析师Anthony Mullen指出: ' 这些技术目前还并不适合小公司使用. 因为在人们对于这种复杂的硬件开发之前, 制造商往往都会与一些第三方的大公司合作. ' 对于一些中小型的应用开发者来说, 是否负担得起开发所需的时间以及成本, 仍不明朗.
但是值得欣喜的是, 麒麟970是华为在人工智能领域的一次勇敢尝试. 未来华为AI系列芯片将继续从制造工艺, 芯片架构, 资源调配, 算法优化等方面来提升性能. 它尝试跨出的这一步, 无疑将会彻底改变AI产业及手机芯片产业的玩法. 短暂几年时间, 华为凭借基带芯片实力快速超越高通, 并在人工智能应用的落地方面领先苹果, 未来在智能手机的技术革新上, 谁能称霸市场, 还要拭目以待.