诞生七年的NPU

作为AI芯片的典型，目前华为、苹果等厂商都开始在NPU上发力。除此以外，开发者也在努力推进着手机端AI应用的发展。

策划&撰写：家衡

NPU（Neural Processing Unit，神经网络处理器），一直都是华为发布会上的热门词汇，这次的麒麟9000同样将NPU标记在芯片结构图的C位。而库克在介绍最先进的A14处理器时，也着重提到了NPU。

早在2013年，高通公司就提出了“Zeroth”处理器的概念，这款处理器可以模仿类似人脑的认知能力，并实现自我学习的功能。

在高通的设想中，Zeroth的终极目标就是形成标准化的新型处理架构，并且第一次提出了NPU的概念，这种芯片已经具备了AI芯片的雏形。

2017年，华为海思推出了麒麟970，这款芯片首次内置了独立NPU。

在此之后，几乎所有的手机厂商都将AI作为新的亮点，一颗SoC芯片如果没有足够的AI算力，似乎都不能被拿到台面上介绍。

如今距离提出NPU的概念已经过去了七年，AI芯片在手机端的发展似乎并不如人意。

如何理解NPU

传统CPU进行累加计算时，效率非常低，但当GPU做类似的计算，效率就会高很多。同样的道理，GPU主要被用来进行图像处理，并没有针对神经网络计算进行特殊优化，这时候使用专业针对神经网络计算的NPU，就可以大大提高计算效率并减少功耗。

假设我们面前有一条没有桥的河，我们应当如何过河？这时候大脑就会涌出各种想法并且比较各种方法的优劣。

NPU的工作就类比大脑，在手机中模拟所有可行的方案，并从中挑选一个最优解。有了NPU之后，手机的AI性能就能得到大幅的提升。

从麒麟970的单核NPU、到最新的麒麟9000的2+1三核NPU，NPU的升级也伴着华为的AI技术的发展，最能直观体会到的就摄像功能带来的进步。

比如取景时的智能场景识别功能，可以让系统快速识别拍摄的物体和场景，并自动做出优化调教。再比如被广大消费者惊叹的“月亮模式”，以及强大的智能防抖功能，再包括最新的物体识别。

这些功能都是通过NPU来弥补华为手机在CMOS尺寸以及ISP（图像信号处理）上与其他厂商的差距。

在麒麟970推出之后，AI功能逐渐拓展，从手持超级夜景到语音助手、节能优化、智慧识别、识图翻译......越来越多的应用场景都开始运用AI加速运算，这些都得益于NPU的支持。

硬件层面，NPU可以代替CPU进行处理，让SoC具备了更强的本地AI运算能力（类似于“硬解”）。相比较CPU的“软解”，“硬解”效率更高、速度更快、功耗也更低。

但即便NPU功能十分强大，如今NPU在手机日常的应用领域还处于初级阶段，它的重要性还远不如CPU、GPU和ISP，属于锦上添花的存在。

例如高通骁龙AI Engine引擎之中就没有独立的NPU单元，而联发科在Helio P60/P90引入的NeuroPilot AI技术最早也是通过多个单元协同计算（APU+CPU+GPU）。

AI芯片只是第一步

有了AI芯片的支持,或许能增强手机AI能力，但目前的AI芯片却不能很好地适配所有的软件。

比如，很多直播APP都有实时美颜功能，可以利用降噪、颜色空间转换实现磨皮、滤镜等基础功能，但使用不同的软件可能会造成耗电量过高的异常，这就是软件层面的不适配。

从整个市场上来看，目前AI芯片还处于算法主导到产品主导的过渡期，由于各家AI芯片的设计不同，AI方案架构方面都有不小区别，像寒武纪的“DIANNAO”、谷歌的TPU，再到华为的达芬奇架构，目前AI芯片的设计可谓百花齐放。除此以外，还有单一针对卷积神经网络的ASIC加速器，以及支持简单编程的通用型AI芯片。

这些种类繁多的AI芯片，推动了AI技术在手机端的普及，但不可避免会带来一些问题。

AI应用需要开发者的努力

虽然各家的AI芯片都开始集成独立的神经网络处理单元，但是在设计上有很大不同，这意味着在运行机器学习应用方面，几家AI芯片在性能和能耗上有很大差别。因此，第三方开发者是否针对几家的芯片设计进行优化，或只支持某一种设计，会对系统性能产生重大影响。

目前，大多数移动AI芯片在机器学习方面做了较为普适性的优化，而对一些特定的计算方式则没有进行太多优化。

就算开发者开发出同一款AI应用，其兼容性可能会存在很多问题。当AI应用的开发进入到实际的应用和业务层面，开发者面临着标准不同、API配适、软件优化等很多的难题。也就导致开发者必须针对不同厂商的设备进行逐个优化。加之安卓生态比较混乱，移动AI开发者很可能受到更多阻碍。

就拿之前提到获得AI技术加持的照相功能来讲，除了在画面上的提升，还是有很多人都会吐槽华为手机存在过分美颜、过度锐化、颜色失真等问题，但这些问题在iPhone上就很少被提及。

一直以来，苹果在照片成像上的AI技术都调教的恰到好处，不论是自带相机还是第三方相机，“拍照真实”也成为iPhone的卖点之一，很多专业摄影师已经选择将iPhone作为便携街拍设备。相比而言，“傻瓜式”的安卓手机更偏向摄影小白。

不过随着安卓手机厂商和应用开发者不断对系统以及APP进行优化，现在的安卓手机拍照也变得更加智能。

所以，AI芯片只是提供了手机AI应用的基石，真正要挖掘出移动端AI的魅力，还需要开发者针对AI芯片的能力开发出合适的应用。

结语

目前，以AI芯片为基础打造一个AI应用生态圈的愿望真的十分美好，但这个过程还有很长的路要走。硬件走在了前面，软件也要跟得上。

在未来，NPU或许也会像当年FPU之于CPU一样，成为移动Soc芯片的标准。或许在未来我们能在智能手机上体会到更棒的AI应用。

至少在现在，以NPU为首的AI芯片们，还有很长的路要走。