誕生七年的NPU
作為AI晶元的典型，目前華為、蘋果等廠商都開始在NPU上發力。除此以外，開發者也在努力推進著手機端AI應用的發展。
策劃撰寫：家衡
NPU（Neural Processing Unit，神經網路處理器），一直都是華為發布會上的熱門辭彙，這次的麒麟9000同樣將NPU標記在晶元結構圖的C位。而庫克在介紹最先進的A14處理器時，也著重提到了NPU。
早在2013年，高通公司就提出了「Zeroth」處理器的概念，這款處理器可以模仿類似人腦的認知能力，並實現自我學習的功能。
在高通的設想中，Zeroth的終極目標就是形成標準化的新型處理架構，並且第一次提出了NPU的概念，這種晶元已經具備了AI晶元的雛形。
2017年，華為海思推出了麒麟970，這款晶元首次內置了獨立NPU。
在此之後，幾乎所有的手機廠商都將AI作為新的亮點，一顆SoC晶元如果沒有足夠的AI算力，似乎都不能被拿到檯面上介紹。
如今距離提出NPU的概念已經過去了七年，AI晶元在手機端的發展似乎並不如人意。
如何理解NPU
傳統CPU進行累加計算時，效率非常低，但當GPU做類似的計算，效率就會高很多。同樣的道理，GPU主要被用來進行圖像處理，並沒有針對神經網路計算進行特殊優化，這時候使用專業針對神經網路計算的NPU，就可以大大提高計算效率並減少功耗。
假設我們面前有一條沒有橋的河，我們應當如何過河？這時候大腦就會湧出各種想法並且比較各種方法的優劣。
NPU的工作就類比大腦，在手機中模擬所有可行的方案，並從中挑選一個最優解。有了NPU之後，手機的AI性能就能得到大幅的提升。
從麒麟970的單核NPU、到最新的麒麟9000的2 1三核NPU，NPU的升級也伴著華為的AI技術的發展，最能直觀體會到的就攝像功能帶來的進步。
比如取景時的智能場景識別功能，可以讓系統快速識別拍攝的物體和場景，並自動做出優化調教。再比如被廣大消費者驚嘆的「月亮模式」，以及強大的智能防抖功能，再包括最新的物體識別。
這些功能都是通過NPU來彌補華為手機在CMOS尺寸以及ISP（圖像信號處理）上與其他廠商的差距。
在麒麟970推出之後，AI功能逐漸拓展，從手持超級夜景到語音助手、節能優化、智慧識別、識圖翻譯......越來越多的應用場景都開始運用AI加速運算，這些都得益於NPU的支持。
硬體層面，NPU可以代替CPU進行處理，讓SoC具備了更強的本地AI運算能力（類似於「硬解」）。相比較CPU的「軟解」，「硬解」效率更高、速度更快、功耗也更低。
但即便NPU功能十分強大，如今NPU在手機日常的應用領域還處於初級階段，它的重要性還遠不如CPU、GPU和ISP，屬於錦上添花的存在。
例如高通驍龍AI Engine引擎之中就沒有獨立的NPU單元，而聯發科在Helio P60/P90引入的NeuroPilot AI技術最早也是通過多個單元協同計算（APU CPU GPU）。
AI晶元只是第一步
有了AI晶元的支持,或許能增強手機AI能力，但目前的AI晶元卻不能很好地適配所有的軟體。
比如，很多直播APP都有實時美顏功能，可以利用降噪、顏色空間轉換實現磨皮、濾鏡等基礎功能，但使用不同的軟體可能會造成耗電量過高的異常，這就是軟體層面的不適配。
從整個市場上來看，目前AI晶元還處於演算法主導到產品主導的過渡期，由於各家AI晶元的設計不同，AI方案架構方面都有不小區別，像寒武紀的「DIANNAO」、谷歌的TPU，再到華為的達芬奇架構，目前AI晶元的設計可謂百花齊放。除此以外，還有單一針對卷積神經網路的ASIC加速器，以及支持簡單編程的通用型AI晶元。
這些種類繁多的AI晶元，推動了AI技術在手機端的普及，但不可避免會帶來一些問題。
AI應用需要開發者的努力
雖然各家的AI晶元都開始集成獨立的神經網路處理單元，但是在設計上有很大不同，這意味著在運行機器學習應用方面，幾家AI晶元在性能和能耗上有很大差別。因此，第三方開發者是否針對幾家的晶元設計進行優化，或只支持某一種設計，會對系統性能產生重大影響。
目前，大多數移動AI晶元在機器學習方面做了較為普適性的優化，而對一些特定的計算方式則沒有進行太多優化。
就算開發者開發出同一款AI應用，其兼容性可能會存在很多問題。當AI應用的開發進入到實際的應用和業務層面，開發者面臨著標準不同、API配適、軟體優化等很多的難題。也就導致開發者必須針對不同廠商的設備進行逐個優化。加之安卓生態比較混亂，移動AI開發者很可能受到更多阻礙。
就拿之前提到獲得AI技術加持的照相功能來講，除了在畫面上的提升，還是有很多人都會吐槽華為手機存在過分美顏、過度銳化、顏色失真等問題，但這些問題在iPhone上就很少被提及。
一直以來，蘋果在照片成像上的AI技術都調教的恰到好處，不論是自帶相機還是第三方相機，「拍照真實」也成為iPhone的賣點之一，很多專業攝影師已經選擇將iPhone作為便攜街拍設備。相比而言，「傻瓜式」的安卓手機更偏向攝影小白。
不過隨著安卓手機廠商和應用開發者不斷對系統以及APP進行優化，現在的安卓手機拍照也變得更加智能。
所以，AI晶元只是提供了手機AI應用的基石，真正要挖掘出移動端AI的魅力，還需要開發者針對AI晶元的能力開發出合適的應用。
結語
目前，以AI晶元為基礎打造一個AI應用生態圈的願望真的十分美好，但這個過程還有很長的路要走。硬體走在了前面，軟體也要跟得上。
在未來，NPU或許也會像當年FPU之於CPU一樣，成為移動Soc晶元的標準。或許在未來我們能在智能手機上體會到更棒的AI應用。
至少在現在，以NPU為首的AI晶元們，還有很長的路要走。
