從硬體角度來看, 三者最大的區別在於對AI運算的實現方式上. 我們知道, AI計算與以往手機上常見計算任務的區別, 就在於實現機器學習, 深度學習的推理需要在長時間內保持高速, 大量的計算處理. 峰值數據吞吐量的提高, 計算時長的提高包括對計算速度要求的提高, 都對AI晶片的算力做出了新的要求.
而這三種晶片的區別, 就在於如何實現更強的算力上.
其中麒麟970採用的是 '硬實現' 的方式, 在CPU, GPU等等傳統計算單元之外加入了一個新的計算單元——嵌入式神經網路處理器NPU. 就像GPU專用於映像運算一樣, NPU也是專用於卷積神經網路的計算, 從而實現機器學習的相關功能. 同樣的AI計算任務, 在擁有NPU的前提下會比單純的CPU運算提升約50倍能效和25倍性能——不僅速度更快, 而且耗能更低, 以免影響手機的正常應用.
與麒麟970的硬實現模式不同, 蘋果A11採用的是 '軟實現' 模式, 不設置獨立的神經網路處理單元, 但通過對自研GPU, 自研ISP和DSP等等傳統硬體模組進行AI配適調整, 整合 '神經網路引擎' 極大的提升圖片計算的處理速度. 在AI任務中, 很多都涉及到對圖片內容的學習和推理, 如AI美顏等等, 提升了映像計算能力, 自然也能提升AI計算的效率.
驍龍845推出的AI Engine(人工智慧引擎)概念和蘋果A11有些類似, 同樣是調整CPU, GPU, DSP等多個硬體模組, 從而替代NPU的能力.
所以, 晶片中的NPU單元真的可以被其他解決方案替代嗎?
想要回答這個問題, 首先我們要知道AI晶片到底能做到什麼.
在擁有AI晶片之前, 手機遇上AI任務時, 大多數時候採取的雲計算方式——把數據上傳到雲端, 進行推理後下載結果到本地. 這樣一來一回的計算方式不僅效率低下, 並且很容易造成應用卡頓.
但擁有了超高算力的AI晶片後, 手機終於可以實現端側AI. 不管有沒有網路連接雲端, 都可以在手機本地進行即時的, 無條件的高速運算.
這樣的端側AI給手機帶來了四項能力, 分別是感知, 認知, 動力和安全. 接下來我們可以從這四項能力的實現過程中, 討論有沒有NPU究竟對手機AI產生了何種影響.
智能感知有多高效?瞬間抓拍笑容
手機是如何感知一切的?
在以往是通過觸摸屏幕等輸入方式, 對用戶的資訊進行解碼. 同時通過GPS, 陀螺儀等等軟硬體兩層的感測裝置弄明白 '我在哪, 我與地面的距離' 等等資訊.
但隨著計算能力的增加, 一些原本存在於雲端的演算法正在進入終端, 讓手機感知到更多. 比如在映像處理上, 以往手機只是簡單的拍攝照片, 現在隨著計算能力增加, 手機本地也可以部署映像識別模型, 在取景階段手機就能知道鏡頭前的是寵物還是人類.
但有了NPU的存在, 手機算力全面提高不再只限於對映像的處理能力, 所能感知到的資訊也就更為全面.
比如榮耀V10有一項智能音樂推薦功能, 在AI算力的支援下, 可以通過手機的體感能力即時監測到用戶的運動頻率, 從而推薦旋律和運動頻率相近的音樂.
就連現在應用最廣的AI拍照方面, 也存在很多區別. 像小米Mix 2S和OPPO R15都提出了場景識別, 分辨出拍攝的對象並進行相應的後期處理. 但華為的P20系列卻能在端側實現表情識別, 自動抓拍到拍攝對象的笑容.
原因就是, 笑容, 運動頻率這種數據波動往往是轉瞬即逝的, NPU作為獨立運算單元專職負責AI計算, 可以以最快速度調用資源完成處理. 可CPU+GPU的解決模式要同時顧及手機上的所有計算任務, 就有可能出現排隊的狀況, 鏡頭前的人都笑完了, 計算資源還沒調度過來.
精準認知下, 智慧識屏讓服務直達用戶
所謂認知, 就是手機對資訊的加工處理過程.
有了端側AI的強算力, 手機正在逐漸從處理數據走到處理知識. 舉個例子, 以往iPhone的相簿分區會按照拍攝地點, 拍攝時間來區分, 但現在已經能實現貓, 海水這樣以照片內容區分的方式. 手機從以前只能理解時間, GPS定位這些結構化數據到可以理解貓狗花草這樣非結構化的 '知識' .
在EMUI中, 我們還可以見到一項名為智慧識屏的功能. 只要雙指長按屏幕就可以實現對圖片和文字的共同讀取, 並且通過AI理解圖片與文字的語義, 呈現出地址, 電影購票, 飯店大眾點評等等服務卡牌. 點擊這些卡片, 就可以直接跳轉第三方App, 極大的減少了App間的手動調度.
這一功能的出現, 是因為NPU更強大的算力可以實現對資訊的多維處理: 不僅僅可以同時處理自然語音和圖片, 還可以通過對用戶行為習慣的理解進行應用跳轉這類主動服務.
動力指揮官, 懂得用戶才有智慧節電
一個普遍的認識是, 大量的計算是非常耗電的. 不然比特幣礦工們也不會四處尋找低電價的城市了. 但手機的動力系統上, AI計算反而可以發揮正向作用.
在上文提到, AI讓手機擁有了更強大的認知能力, 在擁有NPU的手機中, 這種認知更是每時每刻的發生著, 最終實現手機對用戶個人行為習慣的一種深入理解. 就拿電池續航來說, 搭載上麒麟970之後, 華為和榮耀所應用的EMUI都加入了智慧省電功能. 即通過對個人用戶對應用使用習慣的深度學習, 記住哪些應用是經常使用的, 預測到哪些場景下即將開啟哪些應用. 在這一制度下, 再來進行資源調配, 有了獨立的計算單元, 手機AI時時刻刻都在進行著學習和計算, '切斷' 了那些啟用率低的App的供能, 從而讓手機獲得更好的續航能力.
不光是電池續航, 在安卓手機系統不流暢方面, 同樣的智慧資源調度也在發生著作用. 在普通手機中, 各個應用都在排隊領取自己所需的運行資源, 久而久之隊列越來越長, 效率也越來越差. 而NPU就像一個指揮官, 通過應用的日常表現判斷它們到底需要多少資源, 把排隊領取變成即時的按需分配.
這樣一來不僅手機應用對記憶體, 計算資源的利用率提高, AI還可以定時向用戶提醒, 哪些應用出現了流量異動, 哪些應用太久沒有被啟動. 幫助用戶更清晰的了解到手機內部的運行狀況. 以榮耀V10的數據看來, 在這樣的模式下系統調度性能提升了60%, 操作流暢度提升了50%. 從電力續航到記憶體, 手機整體的動力系統效率都得到了提升.
安全壁壘永駐,
有端側計算才敢把數據交給手機
在雲計算時代, 用戶隱私問題就像一堵避不開的高牆;想要獲取更好的服務, 就需要把數據上傳到雲端進行處理, 可是一旦數據上傳到雲端, 就有被泄露的可能. 但端側AI的存在就完美避開了這一問題, 計算都在本地進行, 不存在將個人隱私暴露在公用的雲空間中.
加入NPU後, 更是可以在保證隱私的前提下為使用者提供更多服務, 把對用戶行為習慣的理解完全放在無網的封閉空間下進行, 手機就可以更 '懂你' . 目前HUAWEI P20, 榮耀V10都已經可以做到屏幕亮度, 後台資源, 碎片檔案等等方面的智能調節, 其實手機還知道你最常使用的駕車路線, 接下來幾天的行程, 喜歡去哪些地方消費等等更多資訊, 這些資訊放在雲端上一定會讓人感覺受了冒犯, 但在端側AI對資訊安全的加持下, 手機會成為一位合格的個人助理.
比如用戶通過語音助手預約餐廳時, 手機可以直接通過用戶的出行習慣推薦適合的路線, 甚至還可以幫用戶推薦菜品. 這樣建立在安全感之上的智能體驗, 很有可能讓用戶不知不覺中對AI手機產生依賴.
看到這裡我們會發現, NPU之於手機, 不僅僅是簡單的技術加成, 而是通過感知, 認知, 動力, 安全等等方面的細微之處提升用戶對手機的使用感. 用戶或許不理解所謂的深度學習, 但一定能感受到手機的續航能力越來越強, 越來越符合自己的使用習慣.
如今移動AI還在剛剛起步階段, 用戶很難對AI手機形成一個確切的認知. 這時恰好就出現了一個窗口期, 從紅米的千元AI系列到OPPO的智能拍照, 不管是否真正擁有AI能力的手機都可以打著AI的旗號 '蹭熱度' .
可當用戶真正使用上這些手機時, 除了感受到與美圖秀秀無異的 'AI濾鏡' 之外, 完全不能體會到手機對於自己行為的學習, 對於作業系統速度, 電池續航能力的提升, AI不AI的, 在使用感上毫無變化. 對於手機這款產品而言, 拍照效果, 續航能力, 操作便利等等這些使用感受才是永恒不變的貨幣體系, 是消費者確認其價值的唯一參考.
窗口期永遠是短暫的, 博得一時的流量, 不如把握住一項能真正改變產品體驗的技術.