隨著技術的發展, 人工智慧逐步深入到我們的生活, 徹底改變我們的世界. 智能手機圈已經掀起了人工智慧處理器的浪潮, 可以說是智能手機新一輪的重大革新.
目前來看, 華為和蘋果在智能手機AI晶片領域上已經先行了一步. 華為最新的麒麟970處理器擁有一個專門的神經處理單元 (NPU) , 並用在了剛發布的華為Mate 10系列和榮耀V10中, 使之成為一款 '真正的人工智慧手機' . 蘋果將自己最新的處理器命名為A11 Bionic, 主要就是因為內置了人工智慧 '神經引擎' . 這兩家公司走在了智能手機AI晶片的應用前列. 究竟智能手機AI晶片 '雙龍' 的策略和布局如何, 本文就來做個細緻的梳理.
麒麟970 Vs. 蘋果A11 Bionic 誰更勝一籌?
華為麒麟970處理器先於蘋果A11 Bionic發布, 成為世界首款帶有獨立NPU專用硬體處理單元的手機晶片, 而首款採用該晶片的華為手機Mate 10也隨後發布, 表明中國人工智慧晶片應用領域處於領先地位. 那麼這兩款先後誕生的AI手機晶片有何異同?
首先, 從AI模組的部分來看, 華為和蘋果都選擇了ASIC方式來實現. 為了應對不同AI應用場景下的需求, 目前AI晶片領域分為幾個流派: 並行計算能力和功耗一樣高的GPU, 可重新定義內部電路連接的FPGA, 深度定製的ASIC. 這幾種技術流派各有優勢之處. 相比之下, 雖然設計的時間比較長, 但ASIC加速器的速度會比用同樣工藝FPGA加速器速度快5~10倍, 在功耗上也遠遠優於GPU, 而且一旦量產後, ASIC的成本會遠遠低於FPGA方案. 華為和蘋果在這一點上不謀而合, 均選擇了ASIC方式, 可見雙方規劃, 眼光均一致, 也都早於同行發力AI.
第二, 在性能方面, 麒麟970的HiAI架構首次整合了NPU專用硬體處理單元, 帶來領先的AI運算能力, 讓智能手機真正進入AI時代. 蘋果同樣採用了專用的神經網路引擎(Neural Engine), 但並非專用NPU. 對比來看, 華為第一次在移動設備層面把神經網路模型的硬體計算加速能力融入晶片中. 這也是業內第一次在手機晶片中出現了專門用於人工智慧計算的處理單元. HiAI架構通過更高效靈活的異構計算來最大化發揮CPU/GPU/ISP/DSP/NPU的性能, 其加速性能和能效比大幅優於CPU和GPU. 例如, 作為專門為深度學習定製的模組, 麒麟970每分鐘可以識別2005張圖片, 而如果用CPU每分鐘只有95張, 前者比後者多了20倍.
同樣是人工智慧手機晶片, 麒麟970和蘋果A11性能如何? 仍然以上述圖片識別測試為例, 麒麟970每分鐘可以識別2005張, 而蘋果iPhone8plus則識別899張, 麒麟970的性能是蘋果A11的兩倍多. 這一個數據或許有點單一, 我們從近日中國移動發布的《中國移動2017年終端質量報告》中可以看到更全面的評測. 在該報告中, 華為手機在整機性能, 晶片, 拍照等多維度均表現出色, 一舉奪得兩項第一. 其中, 商務旗艦華為Mate 10 Pro佔據《手機綜合評測排行榜》3000元以上價格段排名第一的位置. 麒麟970更是以三個滿分拿下了晶片通信性能評測, AR性能評測, AI性能評測三項第一, 超越了同行蘋果A11, 驍龍835, 聯發科X30, 展訊SC9853等平台, 堪稱本次評測中的 '最強晶片' . 從該報告裡可以看到, 麒麟970在AI的性能和能效兩個維度的表現, 都超越了蘋果A11.
第三, 從晶片整合度來看, 麒麟970採用了最新的TSMC 10nm工藝, 整合了55億個晶體管. 蘋果A11 Bionic同樣採用TSMC 10nm FinFET工藝, 整合了43億個晶體管. 但其只是AP, 如果加上基帶的約10億個晶體管 (以規格領先的高通基帶X16為例) , 則是53億個晶體管. 從晶體管數量來看, 兩者相差不大, 但是麒麟970實現了更多的功能. 例如在通信方面, 這可謂是華為的看家本領, 麒麟970實現了全球最先進的規格Cat18/Cat13, 使用4*4MIMO, 5CC CA以及256QAM等多種先進技術, 將碎片化的頻譜聚合成為最大頻寬, 聚合峰值能力最高可達到1.2Gbps的下載速率, 再次刷新了移動互聯網聯接的最快速度; 而iPhone8 和iPhone X的通信規格卻無從知曉, 有人說是Cat9, 峰值下載速率是450Mbps. 即使是高通當前商用的最先進的基帶X16, 也只是Cat16, 峰值下載速率是1.0Gbps. 同時, 麒麟970率先商用雙卡雙4G雙VoLTE, 成功實現了一部手機上兩張SIM卡均支援4G VoLTE通話, 提供主副卡一致的高清語音, 視頻通話體驗. 這方面麒麟970也要優於蘋果A11.
因此相較而言, 兩者面積相當, 晶體管數量相當, 麒麟970性能更優, 體驗更佳.
封閉or開放, 哪個更適合AI應用落地?
在應用和生態方面, 分屬安卓陣營和iOS陣營的麒麟970和蘋果A11 Bionic也各有特色.
應用方面, 蘋果的AI技術更偏向酷炫, 主要用於Face ID, 拍照時的場景識別, 以及Animoji等應用, 應用面較窄, 而且應用開發環境也相對封閉. 華為則更注重務實, 應用場景也相對更豐富. 加入HiAI移動計算構架之後, 使傳統攝影進入智能攝影階段, 越用越聰明. 例如AI慧眼識物, 藉助於AI晶片所提供的強大算力, 其AI智能相機功能能夠自動為食物, 植物, 舞台, 寵物, 人像等13種大場景的拍攝提供獨家優化方案. 在語音方面, 利用人工智慧的硬體與軟體相結合, 通實現即時文字交互翻譯和識圖翻譯, 也可方便地進行面對面的語音翻譯, 並且通過AI晶片加速具有學習能力, 會越用越聰明. 搭載麒麟970的榮耀V10, 利用強大的AI算力, 實現了人臉解鎖, 以及更豐富的AI應用.
說到開放性, 就不能不談生態系統. 在這方面, 蘋果推出了機器學習框架Core ML, 能夠讓開發者以儘可能簡單的方式將AI模型用於各種不同的格式. 但Core ML並不是開源的, 而開放的生態很重要, 讓更多的開發者參與其中, 才能更快地讓整個移動AI生態不斷演化, 完善. 蘋果生態+端的方式可能只適合蘋果自己.
受限於安卓作業系統, 雖然華為在生態環境上不佔優勢, 但它也在積極通過自己的努力來彌補安卓版本的迭代滯後. 包括推出一個開放AI生態環境, 支援Tensorflow Lite和 Caffe這兩個比較主流的神經網路編程框架, 方便開發者更好地在應用中調用NPU.
此外, 麒麟970晶片發布的時候, 已經宣布會將基於麒麟970晶片的人工智慧運算平台開放給所有的合作夥伴, 讓每一位合作夥伴都能享受到端側人工智慧帶來的便利, 從而開發出更優秀的應用. 華為建立開放的AI生態之後, 更多優秀的開發者, 第三方產業將會利用該平台打造出更多全新的應用產品, 將會為用戶帶去更多有價值的AI應用, 不斷改寫安卓手機在用戶心目中的形象.
同時明年穀歌會加強安卓對AR功能的支援, 新版本安卓框架也會更新AI部分, 這方面安卓陣營不會落後太多. 華為背靠安卓, 更開放的生態也會有更多優秀的開發者和第三方應用來推動AI應用落地.
AI手機晶片還有哪些路要走?
雖說華為麒麟970和蘋果A11 Bionic為AI晶片應用的落地奏響了號角, 但是這一領域的創新涉及到人工智慧演算法, 編程語言, 計算機體繫結構, 整合電路, 半導體工藝等多方面, 絕不是一蹴而就的事情.
緊隨華為和蘋果其後, 更多的手機晶片廠商也已投入到AI的研發中來. 高通基於分布式架構的神經網路處理引擎(NPE), 可以運行在驍龍異構平台的CPU, GPU, DSP等每一個單元上, 預計未來幾個月將會在其中高端SoC產品中加入AI功能. 與華為和蘋果選擇的ASIC道路不同, 高通認為靈活的人工智慧硬體在目前是更優選擇, 結合DSP與GPU的效果更好. 另一個主要的手機晶片供應商三星也正在研發專用人工智慧晶片, 這些晶片與目前的AI解決方案最大的不同之處便是其離線數據處理能力, 即設備數據無需全部輸入到三星進行處理並回傳, 設備自己便能應對這些問題. 三星的觀點是, 在智能手機中使用當前的CPU來處理深度學習演算法是低效的, 增加NPU在將成為未來一種主流趨勢. 此外, 據傳聯發科也已完成了手機晶片內置AI運算單元的設計. 幾大晶片巨頭共同發力手機AI晶片, 將快速推進手機AI晶片的普及. 市場調研機構Counterpoint預計, 到2020年, 搭載獨立AI晶片的智能手機將超過1/3, 數量超5億台.
伴隨著AI晶片市場多樣化發展的, 還要各種亟待解決的瓶頸. 目前技術方面的挑戰在於算力提升, 演算法優化, 功耗降低以及更好地整合等方面, 未來還將會遇到安全問題. 衡量AI晶片計算性能的一個重要指標稱為算力. 通常而言, 將每秒所執行的浮點運算次數 (亦稱每秒峰值速度) 作為指標來衡量算力, 簡稱為FLOPS. 在本已寸土寸金的手機SoC中, 再加入NPU或者其他AI模組, 這對晶片架構設計複雜性, 成本, 系統整合帶來的軟體架構等方面都提出了更大的挑戰.
安全和隱私也是無法逃避的問題. 目前許多終端數據都是發送到雲端做分析處理, 最近邊緣計算開始興起, 將這部分任務放在端側完成, 可以極大地降低數據泄露和黑客入侵的風險.
最大的挑戰還在於AI晶片如何真正地被利用起來. 現在手機是擁有了AI晶片, 但是想要真正用起來還要依賴開發者. Gartner的技術分析師Anthony Mullen指出: ' 這些技術目前還並不適合小公司使用. 因為在人們對於這種複雜的硬體開發之前, 製造商往往都會與一些第三方的大公司合作. ' 對於一些中小型的應用開發者來說, 是否負擔得起開發所需的時間以及成本, 仍不明朗.
但是值得欣喜的是, 麒麟970是華為在人工智慧領域的一次勇敢嘗試. 未來華為AI系列晶片將繼續從製造工藝, 晶片架構, 資源調配, 演算法優化等方面來提升性能. 它嘗試跨出的這一步, 無疑將會徹底改變AI產業及手機晶片產業的玩法. 短暫幾年時間, 華為憑藉基帶晶片實力快速超越高通, 並在人工智慧應用的落地方面領先蘋果, 未來在智能手機的技術革新上, 誰能稱霸市場, 還要拭目以待.