以NPU为首的AI芯片们，还有很长的路要走
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。
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。
解析你不知道的那些温度传感器
温度传感器的功能以及应用
关于控制器芯片软化整流二极管的开关特性的原因
外国人钟爱魅族 听说能买魅族PRO 6 Plus后狂欢
铜箔产业概述和发展趋势
以NPU为首的AI芯片们，还有很长的路要走
深度评测华泰宝利格1.8T自动挡
索尼持续推出虚拟制作解决方案
一文知道2021年十大医疗创新
探究USB-Host的大容量数据采集系统的设计
中京电子:FPC产品重点配套京东方、深天马等面板厂商
带七段显示的逻辑探头电路讲解
人脸识别系统在食品安全方面发挥了怎样的作用
如何使用USB端口对STM32F103C8板进行编程
铁电实现聚合物固体电解质离子电导率和界面稳定性的双重提升
匝数对饱和的影响是什么
摩托罗拉Moto G8 Plus系列新机参数曝光搭载骁龙665平台和4000mAh电池
fireflyCORE-3399主板JD4--FAQs方案
上汽通用汽车正式在国内发布凯迪拉克Super Cruise超级智能驾驶系统
为什么说人工智能是金融服务行业未来的关键因素
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。
解析你不知道的那些温度传感器
温度传感器的功能以及应用
关于控制器芯片软化整流二极管的开关特性的原因
外国人钟爱魅族 听说能买魅族PRO 6 Plus后狂欢
铜箔产业概述和发展趋势
以NPU为首的AI芯片们，还有很长的路要走
深度评测华泰宝利格1.8T自动挡
索尼持续推出虚拟制作解决方案
一文知道2021年十大医疗创新
探究USB-Host的大容量数据采集系统的设计
中京电子:FPC产品重点配套京东方、深天马等面板厂商
带七段显示的逻辑探头电路讲解
人脸识别系统在食品安全方面发挥了怎样的作用
如何使用USB端口对STM32F103C8板进行编程
铁电实现聚合物固体电解质离子电导率和界面稳定性的双重提升
匝数对饱和的影响是什么
摩托罗拉Moto G8 Plus系列新机参数曝光搭载骁龙665平台和4000mAh电池
fireflyCORE-3399主板JD4--FAQs方案
上汽通用汽车正式在国内发布凯迪拉克Super Cruise超级智能驾驶系统
为什么说人工智能是金融服务行业未来的关键因素