3
| 本文作者： 木子 | 2018-07-16 15:08 |
随着时间的脚步已经步入到 2018 年，智能手机市场也迎来了一些新的改变，其中比较关键的两个因素分别是全面屏和 AI。就全面屏而言，它已经进入到快速普及阶段并伴随着一些千元机等产品进入中低端市场；但是对于科技含金量更高的 AI 来说，若想真正地在智能手机行业广泛发挥自己的力量，还需要产业链整体上下游整合更多的时间和努力。
不过，就目前的行业现状而言，智能手机行业已经初步形成了一股全面拥抱 AI 的趋势，而真正全面推动这一趋势发展的，正是从产业链最上游的——高通。对于高通而言，如何和终端厂商厂商将AI最后一公里递到消费者手里，是整体行业都在思考的问题。
与人们肉眼可见的全面屏相比，智能手机与 AI 的关系复杂得多。
2011 年，苹果在当年的 iOS 5 上搭载了可以与之进行语音交互的 Siri 语音助手，从某种意义上来说，这已经是 AI 走向智能手机的前奏。可惜此后数年，无论是 Siri 自己，还是其他厂商的类似产品，都没能给智能手机顺利打上 AI 的标签，即使强悍如 Google Assistant，也不能例外。 究竟是在手机上使用云端 AI 还是终端侧 AI，则是产业也在考虑思考的问题。
一直到 2017 年，当智能手机第一次以芯片的方式在硬件层面与 AI 握手，整个行业才蓦然认识到，原来 AI 已经真正来到了智能手机上。
2017 年 9 月 2 日下午，华为在德国柏林消费电子展发布了麒麟 970 芯片；为了配合这种【手机未发，芯片先行】的做法，华为将这款芯片定义为【全球首款智能手机移动端 AI 芯片】。具体来说，麒麟 970 搭载了一款 NPU（Neural-network Processing Unit，神经网络处理单元），其亮点在于处理特定任务时比 CPU 等模块出色得多，比如在图片识别任务中。
不过，从搭载麒麟 970 的华为 Mate 10 的具体表现来看，除了在拍照上的场景识别和成像增强，AI 芯片并没有给华为 Mate 10 带来什么具体的实用功能；而系统流畅度这样的改善也是隐性的，难以感知的。而且麒麟 970 的另一个根本问题在于它的 NPU 模块并非是独立研发；当然，麒麟 970 在驱动、BSP、内存机制等方面做了很多工作，但它终究是一款拿来主义的产品。
更重要的是对于芯片设计，各家厂商的思路不同。众所周知，一款芯片产品设计一般需要距离其商用提前 18 个月进行设计。而单独搭载 NPU 的设计方式相当于需要提前 18 个月预测商用市场可能用到的使用场景，而在日新月异的智能手机市场而言，只能说满足部分需求，毕竟没人能够知晓 18 个月后的商用市场中 AI 又有什么新玩法。
严格意义上来说，给麒麟 970 带上全球首款智能手机 AI 芯片的帽子，是华为博取眼球的讨巧做法。在 9 月中旬的苹果发布会上，苹果发布了新一代 iPhone 和其所内置的 A11 Bionic。A11 Bionic 内置了苹果自主研发的双核架构 Neural Engine（神经网络处理引擎），它每秒处理相应神经网络计算需求的次数可达 6000 亿次。
然而，苹果的强大之处在于，它不仅仅自主研发出了一颗强大的 AI 芯片，还在芯片的基础之上开发出一系列重磅而实用的功能。以 iPhone X 为例，其与 Neural Engine 直接相关的功能体现在： Face ID 通过面部特征解锁； Animoji 通过追踪人的面部表情来实时创作动画表情； 人像模式可以创造出能够生动变化的光效 Portrait Lighting。
除了华为和苹果，Google 也在当年发布的 Google Pixel 2/XL 中内置了一个独立的 AI 协处理器，也就是 Pixel Visual Core，其核心部分是 Google 自主设计的图像处理单元，IPU 的特点在于充分可编程性和领域特定性，可以实现每秒高于 30 亿次的运算。Google 表示 Pixel Visual Core 的用处很简单：将 HDR+ 的运行速度提升 5 倍，而功耗则将为十分之一。
从结果来看，苹果、Google 和华为三家似乎都已经通过不同的方式给旗下的智能手机打上了 AI 的标签。然而，苹果自成一派，高高在上；华为偏重于整合开发；而 Google 在智能手机阵营的角色更偏重于 Android 操作系统层面，IPU 很难像 TPU 那样对外开放。
因此，从行业发展的角度，它们都无法承担推动智能手机行业全面走向 AI 的任务；所幸，高通凭借骁龙 845 AIE 承担起了这个重任。
2017 年 12 月，在夏威夷举办的高通骁龙技术峰会上，高通骁龙 845 处理器在智能行业的期待中问世，除了 CPU 和 GPU 方面的更新，它的一个重点着力点正是 AI。
不过与苹果、华为的做法不同，高通并没有在骁龙 845 的硬件层面中加入一个额外的 AI 运算单元，而是利用 CPU、GPU、DSP 等已经存在的硬件基础，构建一个“异构”的 AI 运算方式，从而释放三者在 AI 运算的能力。
为此，高通专门研发了一套 NPE 系统，专门用于管理各种人工智能语言、架构、算法，然后再根据 CPU、DSP、GPU 三种芯片的优劣势进行任务分配，最终为不同应用场景提供相应的解决方案。这一方案的好处是：高通逐渐地将最常用的 AI 功能、算法移入运行效率最高的 DSP 中，而 CPU 和 GPU 则可以肩负起部分使用频率较低、或者全新 AI 功能的开发当中，进而节约了整体的系统功耗。
毫无疑问，在三种处理器中，DSP 无疑是部分 AI 场景最高效运行的选择，它同时也是高通的第三代向量计算 DSP，同时能够完成图像处理器、视觉处理器、深度学习处理器、神经网络处理器等任务。
当然只有硬件也是不够的。高通中也针对 DSP 处理器开发非常容易上手的 SDK，同时高通也在与 AI 业内的企业和研究机构达成紧密的合作关系——希望通过这种方式共同打造一个通用性更强的智能手机 AI 生态。
而许多人质疑过的问题，关于是否独立一个硬件作为 NPU 单独搭载，高通则认为 NPU 只是 AIE 功能实现中的一个单元，但是 AI 功能千千万，神经网络有很多自定义层，单独的硬件或许无法满足所有的需求。因此异构计算或许才是能够满足不同厂商针对不同场景所做的 AI 优化及功能。
凭借上述动作，高通已经成功地在骁龙 845 上打造出了一个通用性更强的人工智能引擎，也就是高通所说的 AI Engine，简称 AIE。实际上，基于这样的方案，高通不仅把 AI 运算能力赋予到最新的骁龙 845 移动平台，使它的 AI 能力达到前代产品的三倍，也让此前已经具备相应硬件基础的骁龙 835、骁龙 820、骁龙 660 处理器成功地释放它们在 AI 方面的潜力。
由此可以看到，与华为、苹果封闭的做法不同，高通在智能手机 AI 上的态度是完全开放、赋能行业的视角。它更多考虑的是面向整个 Android 平台的通用性和灵活性，没有在骁龙 845 中增加单独的 AI 模块，但却打算通过由 CPU、GPU 和 DSP（重点是 DSP）组成的 AI 异构系统和 NPE 任务分配系统，帮助不同的应用场景提供相应的计算解决方案——从某种意义上，这是一种致力于推进整个智能手机行业向前发展的更加开放的姿态。
另外，高通在骁龙 845 中提供的是 AI 基础硬件平台能力，但同时又为其他手机厂商预留了足够的定制化空间和开发空间，比如说 Google。2017 年 Google 独辟蹊径地将高通骁龙 835 + Pixel Visual Core 结合起来，未来它依然可以采取高通骁龙处理器 AIE + AI 协处理器的做法来推进自己的 AI 战略——换句话说，高通为其他 Android 厂商参考 Google模板设计提供了众多机会。
在雷锋网看来，在推进整个智能手机行业走向 AI 方面，高通承担了无可替代的支撑角色。
放眼当下的智能手机市场，高通 AI 技术已经为整个行业带来了令人瞩目的改变。我们可以看到，高通 845 AIE 已经成功地出现在三星、小米、OPPO、vivo、锤子等主流厂商的旗舰智能手机产品上，不仅如此，骁龙 710、骁龙 660 等也在通过 AIE 推动 AI 技术在智能手机行业的普及，而人脸识别解锁、智能拍照、自然语言理解等曾经看去来遥不可及的技术也逐渐成为众多消费者日常生活的一部分。
这一切，都在印证高通 AI 和机器学习产品经理 Gary Brotman 对雷锋网所说的那句话：我们并不希望只是为手机处理器加上一个 AI 模块 ，而是让 AI 技术真正给消费者带来改变——毫无疑问，高通做到了。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
