決定未來的手機AI晶片五大趨勢，華為蘋果率先起跑
智東西（公眾號：zhidxcom）
文 | Kiva
進入2018年最後一個季度，手機AI晶片進入一個全新時代。
恰好就在今天，蘇黎世聯邦理工學院公佈了超過10000部安卓手機和晶片的AI Benchmark深度學習處理效能分數。結果不出意料，搭載專用AI處理器的華為麒麟970晶片得到了最高的AI-Score分數——超過6000分，幾乎是第二名的三倍。
完整列表： ofollow,noindex" target="_blank">http://ai-benchmark.com/ranking.html 。
隨著手機晶片AI化的兩個主流玩家新品的亮相，即華為麒麟980和蘋果的A12處理器的推出，已經為手機端AI晶片2019年的競爭格局定下了基調。
AI晶片在智慧手機中的應用，已經從在拍照中的物體識別、場景識別（如華為P20 Pro中AI攝影大師），發展到針對視訊中人體姿態、動作進行實時AI分析的全新功能（如今年IFA展上，華為基於麒麟980推出的“慧眼2.0”），競爭門檻也進一步拉高。
我們看到，在華為、蘋果頭部玩家的引領下，AI晶片成為智慧手機標配的同時，這一領域的馬太效應也越來越明顯。與此同時，AI晶片行業也走過了野蠻生長，開啟了加速落地模式，全晶片產業鏈都開始積極擁抱人工智慧。
擁有先發優勢的玩家們，則更為積極地在AI晶片道路上飛速奔跑。先是8月的最後一天，華為在德國IFA展上率先推出了新一代的AI晶片麒麟980晶片，半個月後，蘋果在新款iPhone上搭載了新一代的仿生晶片A12。幾天前，華米推出了全球智慧可穿戴第一顆AI晶片黃山一號。
在業界最受關注的華為和蘋果手上的兩顆AI晶片落子後，AI晶片在手機端的應用也將進入到一個全新的普及階段。在技術和應用落地方面，都產生了極大的突破。
基於智東西過去一年對AI晶片行業持續的跟蹤報道和產業鏈廣泛的調研 ，我們發現，以手機晶片為代表的終端AI晶片正呈現五大典型發展趨勢。這五大趨勢不僅是華為、蘋果們的發力點，也將大幅度升級AI晶片加持下的移動終端體驗。換句話講，這一輪圍繞這五大趨勢的AI晶片行業升級，將很大程度上影響未來智慧手機江湖市場格局。
一、AI晶片氣勢如虹 智慧手機成最大受益者
業內一般認為，AI晶片指的是根據神經網路等AI演算法，進行特殊設計的晶片。根據應用場景劃分，AI晶片目前可分為用於雲端伺服器機房等地的雲端AI晶片，以及用於端智慧、IoT裝置的終端AI晶片。
對於手機來說，晶片是其大腦和靈魂，集合著CPU、GPU、DSP、通訊模組等實現其他功能的硬體基礎，也是智慧手機中高低檔劃分的重要指標。晶片作為底層基礎，也決定著智慧手機效能的想象空間。
在華為率先在傳統的手機SoC中加入獨立的AI獨立處理單元NPU後，AI獨立處理單元的設計也成為了行業的發展趨勢。
AI獨立處理單元的加入，全面提升了智慧手機的使用者體驗。在拍照、解鎖、遊戲等智慧手機的廣泛應用中都會應用到AI處理模組的運算能力，對手機運算速率的提升有極大的影響。
從目前來看，手機是AI晶片最大的獲利行業，同時手機端的AI晶片進展也在引領著整個終端AI晶片行業的發展。
二、終端AI晶片的五大行業趨勢
2017年9月2日，華為率先發布了全球首款人工智慧移動計算平臺麒麟970，創新性地整合人工智慧專用NPU神經網路單元，打響了AI晶片落地智慧手機的第一槍。
緊接著，10月20日，華為在上海釋出了搭載這款AI晶片的年度旗艦手機Mate10，將AI算力全面釋放到智慧手機中，給手機使用者帶來了前所未有的AI場景識別、AI翻譯等多項創新性體驗。
在麒麟970釋出後，科技巨頭蘋果也不約而同的採用了這一策略，在9月13日釋出iPhone X，使用了自研的手機晶片A11，其中內建了名為Neural Engine的神經網路處理單元。
進入到2018年，終端AI晶片的戰火越燃越旺，晶片產業鏈上下游的IP授權商、設計商、製造商都聯動起來，共同開發終端的AI算力。
上半年，老牌晶片公司ARM推出了機器學習平臺Project Trillium以及兩款人工智慧IP、中端手機晶片巨頭聯發科釋出支援AI和計算機視覺的晶片Helio P60、手機晶片巨頭高通推出基於其梟龍晶片系列的人工智慧引擎（AI Engine）。
下半年，在終端AI晶片上開山闢路的華為，又帶頭向前邁出了一大步，推出全球首款7nm工藝、“雙核NPU”設計的AI晶片——麒麟980。兩週後，蘋果也繼續跟進推出了7nm工藝的新一代的仿生晶片A12。
手機晶片巨頭高通將在今年年底釋出新一代旗艦晶片驍龍855，據說驍龍855中也將採用專用的AI模組，目前國內某AI晶片創企已收取NRE費用，為其開發人工智慧IP模組。
在新玩家不斷湧入，老玩家進一步開山闢路的行業鏖戰期，智東西發現，目前終端AI晶片正呈現著以下五大行業趨勢：
1、架構升級，多核心多單元配合
以往的手機晶片普遍是以CPU（中央處理器）/GPU（圖形處理器）/DSP（數字訊號處理）為核心的傳統計算架構，但這種架構難以支援AI海量資料計算。玩家們為了在終端上實現AI計算，選擇了不同的架構方式。
華為作為業內第一個推出手機AI晶片的玩家，在麒麟970中率先單設了一個專門的AI硬體處理單元NPU。今年的麒麟980則依然延續了NPU的設計，但將原本的單核升級成了雙核，在效能上也有了大幅度的提升。
雙核NPU的升級主要體現在視訊檢測、物體細節識別、物體分割三方面上：原先單核NPU進行AI物體實時識別時只能認出輪廓，現在可以識別出畫面細節；原先只能實時處理影象，現在則可以做到實時視訊檢測和處理；原先在實現畫面實時物體分割時線條輪廓較為粗放，現在在雙核NPU的驅動下則能做到更精細。
CPU方面，麒麟980也從去年麒麟970的4大核+4小核，升級到了2個超大核+2大核+4小核的全新設計，這三種核的分工不同，小核能夠支援音樂、簡訊這類日常使用，大核能夠支援社交軟體、圖片軟體這類應用，超大核則是用來處理對效能要求比較高的遊戲等應用。
GPU方面，去年的麒麟970用上了ARM推出的Mali-G72 MP12架構——這是Mali-G72 MP12 GPU的首次商用。這個架構很厲害，比上一代的Mali-G71效能提高了40%，能效提高了25%。而在今年的麒麟980，則採用了基於Mali G76打造的GPU，能夠做到效能提高46%，能效提升178%。
架構升級，多核多單元的方案也同樣在蘋果A系列晶片上體現。
與華為類似，蘋果在晶片中添加了一個專用於機器學習的硬體——“神經網路引擎（Neural Engine）”。
去年推出的A11處理器中，神經網路引擎採用了雙核設計，今年的A12晶片則將神經網路引擎數量提升到了8個。在CPU方面，蘋果A12的整體框架沒有調整，依然採用2個大核（效能核）+4個小核（能效核）的結構。
為了使得多核間更好的排程和配合，華為還專門打造了一條靈活排程的智慧CPU排程方案，能夠自動為應用配備適合的CPU核來計算。
無論是雙核還是8核，通過核數的調整，大小核的配合，一直是晶片進化的一個很重要的技術方向。
2、工藝製程升級，決勝7nm普及落地
在晶片上，積體電路的精細度，是一個重要的行業指標。目前，半導體晶片主流製程工藝為14nm和10nm。在同樣的材料中整合更多的電子元件，連線線越細，精細度就越高，晶片的功耗也就越小。
除製程工藝限制外，由於7nm晶片製造的難度巨大，幾乎逼近了矽基晶片的物理極限，需要的研發時間和資金投入都非常高，因此，7nm晶片成為了長時間以來令業界頭疼的一個大問題。
不過，今年7nm製程在終端AI晶片上取得了突破性的進展。華為麒麟980是業內推出的首款7nm製程的手機晶片，由臺積電代工，比指甲蓋還小的矽片上集成了69億個電晶體。
其實，早在2015年華為就開始投入7nm技術的相關研究，據華為方面表示，麒麟980的研發費用則高達數億美元，幾十億人民幣。
蘋果今年推出的A12晶片，也同樣採用了7nm的技術工藝，由臺積電代工，整合69億個電晶體。據瞭解，今年年底將亮相的高通驍龍855也將採用7nm工藝。
與此同時，其他晶片代工或製造廠，在7nm晶片的研發上，則似乎遭遇了瓶頸。
三星半導體的7nm目前還沒有確切訊息傳出，這也導致就連高通今年也將驍龍855的訂單交給了臺積電而非三星，而英特爾的10nm晶片也處於難產狀態。
上個月，全球第二大晶片代工廠格芯宣佈，將暫停開發7nm技術。這也導致了隨後全球第二大微處理器廠AMD表示，所有7nm產品包含伺服器晶片與顯示卡，都將交由晶圓代工龍頭臺積電代工。
雖然，7nm製程彷彿一道鴻溝，將晶片玩家分成了兩撥。但前面所提到的玩家，尤其是華為，在對7nm工藝落地的不懈追求。因此我們也看到，摩爾定律仍然沒有消失，仍然在持續引領人類對晶片製造極限的挑戰。
3、系統層為AI開發者鋪路架橋
為了將AI晶片的計算能力開放給更多的開發者使用，玩家們一邊在佈局AI晶片硬體的同時，一邊也在進行系統級的AI優化。玩家們也會推出對應的AI模組、框架、API給開發者，便於開發更豐富的應用，通過獲得更好的AI效能，最大程度上發揮AI硬體的效能。
在系統優化和麵向開發者佈局方面，華為有HiAI、蘋果有Core ML，而高通則有AI Engine。
華為的HiAI平臺（全稱HiAI移動計算平臺），面向開發者提供人工智慧計算庫及其API，使開發者更容易編寫移動裝置上的AI應用。
據瞭解，隨著麒麟980的推出，HiAI平臺能夠支援147個運算元，開放了33個API介面及1000多種能力。
新推出的AI晶片麒麟980支援Caffe、Tensorflow、Tensorflow Lite等主流框架，供了離線編譯、線上編譯、8bit量化等一系列完整工具鏈，既可以大大降低端側模型部署的工程難度，還可以利用NPU差異化優勢發揮出最強算力；支援CPU、GPU、NPU、DSP等的異構計算，方便深度學習演算法在麒麟980的自動靈活排程執行。
對於普通APP開發者來說，HiAI將會提供已經封裝好的語音識別、影象識別等技術，開發者們不需要自己做基礎AI研發，可以呼叫HiAI中封裝好的AI技術直接應用，降低了獲得AI計算力的門檻。
舉個例子，HiAI平臺中的人臉檢測API可以檢測圖片中的人臉，返回高精度人臉矩形框座標，用於各類人臉識別場景，如人臉解鎖、人臉聚類、美顏等場景中，並通過對人臉特徵及位置的定位，實現對人臉特定位置的美化修飾。
而圖片分類API可以識別圖片中物體、場景、行為等資訊，返回對應標籤資訊，如：花、鳥、魚、蟲、汽車、建築等等，可用於相簿照片自動分類整理、社交圖片識別分享等。
在今年10月份即將召開的華為全連線大會上，華為將會公佈HiAI平臺的新進展。
在去年WWDC開發者大會上，蘋果推出了Core ML機器學習框架，能讓開發者更方便地將CNN、DNN、RNN等AI神經網路整合到自己的APP當中，A11也首次支援了Core ML。在A12中，Core ML的應用速度猛增了9倍，並且只需要原先1/10的能耗。
高通方面，今年2月宣佈推出人工智慧引擎（AI Engine），在高通驍龍核心硬體CPU、GPU、VPS向量處理器的架構上搭載了神經處理引擎（Neural Processing Engine，NPE）、安卓版神經網路的API、Hexagon神經網路庫等軟體。AI Engine還包括軟體開發工具包SKD，可以使開發者和OEM廠商將訓練的網路接入到此平臺。
由此可見，在有了AI晶片後，想要在更大程度上發揮它的作用，必需要有好的移動計算平臺的支援，才能讓晶片和系統更好的配合，併發揮最大的作用，這已是行業的共識。從華為HiAI平臺所提供的豐富的API介面和能力來看，華為目前在系統層面為開發者呼叫AI能力鋪好了道路。
4、應用AI化升級 拼質量拼生態
“得開發者得天下”，除了手機廠商自家的系統級的AI應用外，好APP也是消費者選擇購買智慧手機的一大理由。與此同時，應用生態構建的建設也將成為時下競爭的熱點。
而為了讓第三方的AI應用能夠真正執行得好，不僅僅是NPU單一硬體元件的問題，而是系統軟硬體調配的過程，對於第三方應用開發者來說是一個難點。
為了配合NPU華為還面向第三方開發者開放HiAI移動計算平臺的人工智慧計算庫HiAI API，便於開發者在移動裝置上編寫AI應用，而HiAI平臺也成為華為構建AI APP生態的核心。
作為華為AI生態佈局的核心，HiAI平臺可提供3大類的API，CV機器視覺引擎、ASR引擎和NLU（自然語言）引擎，以及和微軟合作的IDE計算模型。
在華為手機的應用商店裡，設有AI應用專輯，通過將HiAI平臺的能力開放給第三方應用開發者，構建起手機終端應用生態。
目前已經有不少第三方應用已經接入了HiAI平臺的AI能力，比如微軟翻譯、快手、抖音、京東、美團、Prisma等，它們有的採用視訊處理優化技術、有的採用影象識別掛鉤電商技術、有的則採用濾鏡美化類技術，影象處理速度最高能達到原來安卓機器效能的10倍。
為了激勵開發者，在今年舉辦的首屆華為終端開發者大會上，華為表示將面向開發者全面開發“芯-端-雲”能力框架，同時，通過耀星計劃、DigiX創新工作室加速終端應用和場景化內容開發，並宣佈每年投資10億元用於扶持開發者生態建設。
可以看到，在應用方面，搭好舞臺吸引更多開發者唱好戲、多唱戲是終極目的，這裡的搭好舞臺其實就是AI應用生態的競爭。蘋果在這方面一直很重視，華為則在技術支援、資金扶持發力。
5、體驗進化 AI計算實現實時處理
在消費者體驗方面，華為也更具創新性和技術實力。使用者能從攝影、通話等方面直觀地感受到AI晶片加持下的效能提升。
拍照功能是將手機AI晶片能力發揮最淋漓盡致的功能之一，而從最近幾款旗艦手機的表現看，一個共同趨勢越來越明顯，即很多實時處理結果前移，也就是很多AI處理結果變得所見即所得了。典型案例就是目前手機廠商主打的AI場景識別外，以及對影象深度資訊和細節的智慧補充。
今年4月，華為推出業內首款搭載三個攝像頭的P20 Pro，並在P20 Pro上搭載AI攝影大師（Master AI）功能。也正式憑藉著這一功能，華為P20 Pro憑藉109分的成績登頂了DxOMark手機拍照效能榜單。
AI攝影大師（Master AI）通過在演算法架構維度上設計了一個推薦引擎來實時獲取取景畫面的資訊，可以根據場景識別、人臉檢測的結果，按照預定義的規則執行推薦，上報到使用者操作介面。
同時，AI攝影大師（Master AI）還將記錄當前使用者的操作行為並反饋給推薦引擎。通過不斷學習使用者的使用習慣，逐漸達到能夠向該使用者推薦對其量身定製的、令其滿意的拍照模式的目的。
目前，通過影象理解、語義分割演算法以及模型訓練結果，AI攝影大師可以智慧識別/區分19個類別，500+個場景。
在手機最核心的通訊功能方面，以通訊裝置廠商起家的華為有著20多年的實戰經驗，現在更是做到了全球數一數二的通訊巨頭，在資訊傳輸、通話、5G等方面都有著深厚的積累。尤其在高鐵通話方面，華為深入到晶片層面，利用“提前識別切換區域”方法，讓訊號在飛馳的列車上仍可以順暢銜接。最明顯的感觸就是，在高鐵上用華為手機打電話“不掉話”。
此外，蘋果在剛剛推出的iPhone Xs和iPhone Xs Max上搭載的“智慧HDR”和“景深控制功能”（Bokeh），也是實時處理前移的典型案例。
三、華為率先試水AI ，成安卓陣營首發
智慧手機是AI晶片落地應用的最重要場景，集合著CPU、GPU、DSP、通訊模組等功能實現的手機晶片，也是智慧手機中高低檔劃分的重要指標，決定著智慧手機效能的想象空間。
目前，手機廠商在AI晶片上的佈局處於不同階段。在全球前五的手機廠商中，排名前三的三星、華為、蘋果都具有自主研發手機晶片的實力。
在安卓陣營中，華為率先開始試水AI， 從AI晶片、語音助手、原生AI應用，到資料同步、手機安全等基於雲的各種服務，再到面向第三方應用開發者的HiAI平臺，正在形成一套貫穿終端、晶片、雲、生態的整合AI打法。
除了自力更生的華為外，安卓陣營裡的OPPO、vivo和小米等眾多智慧手機廠商在晶片方面的故事則較為單薄，因此，在AI晶片上需要藉助晶片巨頭高通的實力，來解決計算力需求。高通在去年推出的驍龍845時，也推出了AI Engine的說法，利用CPU、GPU以及DSP等模組的配合進行AI計算優化。
同時，位於產業鏈上游的Arm也有所動作，日前，在上海舉行人工智慧大會，Arm不僅推出了全套嵌入式AI開發套件EAIDK。而據業內人士透露，Arm自家的AI晶片計劃同時也在快速推進當中。
四、終端AI晶片的廣闊天地
AI能力下放到終端是2018年的重要行業趨勢趨勢，除手機這一出貨量最大的終端產品外，其他的終端AI晶片也非常火爆，比如安防、自動駕駛、智慧家居、可穿戴等。
在安防領域，深思創芯、中星微電子、雲天勵飛、耐能等紛紛推出內嵌於安防監控攝像頭的AI晶片；在自動駕駛領域，由英偉達、英特爾這樣的晶片巨頭，和地平線等創業公司整合成為自動駕駛計算平臺。
智慧家居領域，則主要圍繞語音AI展開，典型產品包括亞馬遜打造Echo智慧音箱AI晶片、啟英泰倫打造的家用電器語音AI晶片、杭州國芯打造語音AI晶片等。今年3月，英偉達也宣佈將自己的AI晶片Xavier整合到Arm的AI專案Project Trillium裡面，讓IoT晶片廠商容易地打造AI晶片。
從終端AI晶片應用場景的多元性可以看到，AI正在以晶片為基礎，在帶來更多新應用的同時，正在促生著一場終端裝置革命的到來，加速著硬體市場產業的發展。
結語：手機AI晶片進入普及爆發期
2017年可以說是AI晶片的概念普及和創業熱情爆發期，其中華為率先開創了手機AI晶片的先河，華為也攜手科技巨頭蘋果在2017年為智慧手機行業奠定了AI算力下放到終端的行業基調，全面點燃了手機終端AI晶片研發的熱情。
進入2018年，整個智慧手機AI晶片產業鏈都被聯動起來，三星、高通、聯發科等都在湧入激烈的市場競爭中。與此同時，華為和蘋果兩家則憑藉敏銳的行業前瞻性和先發優勢，繼續在行業前端奔跑，引領行業發展的新趨勢。
隨著華為麒麟980和蘋果A12晶片的相繼推出，未來一段時間的手機AI晶片的行業趨勢也已經顯現：7nm製程工藝、多核多單元的架構設計、系統升級和開發者升級、應用升級、實時處理的前移，這五大行業趨勢將引領著手機AI晶片行業的爆發。
每日一頭條
趨勢·深度·犀利·乾貨，最專業的行業解讀
深喉爆料、投稿：[email protected]
