華為發布AI處理器 高通蘋果們還坐得住嗎？

在2017年，人工智慧(AI)似乎成了網際網路的新風口，無論是傳統的手機、智能硬體產業產業還是人工智慧研發公司，他們對於人工智慧的渴求已經到了無可復加的地步，各種搭載了所謂人工智慧的產品紛沓而至，至於是不是真的智能，其實又有幾個人知道呢？

余承東展示麒麟970處理器

華為海思麒麟970發布

在德國柏林當時時間9月2日下午，華為是IFA 2017上發布麒麟970處理器。

海思麒麟970處理器的參數與早前的傳聞相差無幾：8核處理器中採用兩簇叢的結構，四個Cortex-A73(2.4Ghz)+四個Cortex-A53(1.8Ghz)架構;集成了ARM最新的Mali-G72MP12的圖形處理器，這也是ARM全新GPU的首次商用;基帶則採用與高通驍龍X20 LTE相同速度的Cat.18，最快下行速度達1.2Gbps。

麒麟970各項參數

作為麒麟970的重點，神經網絡處理單元(NPU)，並嵌入了一整套的AI解決方案(NLP)。

不過，華為的NPU以及NLP解決方案並不是華為自主研發而來，華為通過與第三方合作的方式，獲得了NPU和NLP兩項重要技術。

而NPU的供應商是又國家科學院背景的寒武紀，NLP解決方案則是與國內AI公司中科創達合作引入的。

華為一直以「自主研發」為傲，但為了搶到「世界第一款NPU」，選擇了與第三方合作開發的捷徑。

華為NPU技術來源

寒武紀1A

之所以說華為的NPU來自寒武紀，是根據「中國科學院計算研究所」發布的賀信來確定，華為海思麒麟970所集成的NPU，正是來自寒武紀在去年發布的「寒武紀1A」人工智慧處理晶片，但是華為將其整合到麒麟970晶片之中，而不是像發布之初那樣的獨立晶片，這也是「寒武紀1A」處理器的首次商用。

在參數方面，「寒武紀1A」每秒可以處理160億個神經元和超過2萬億個突觸;為了讓網絡連接速度更快，它設計了專門的存儲結構、獨立指令集。

榮耀Magic發布會

其實在去年的榮耀Magic發布會上，榮耀總裁趙明避開了硬體配置，只談外觀設計和由華為2012實驗室研發了4年的Magic Live人工智慧引擎。

不過有消息稱麒麟970所使用的軟體方案並非來自華為的實驗室，而是來自國內第三方AI公司中科創達，雖然說華為會在今後逐漸用上旗下實驗室的產品。

但為了趕上人工智慧發展的大潮，他們還是暫時放棄了自家實驗室，選擇了與第三方公司合作。

目前的AI晶片並不是必需品

以往的處理器開發周期一般在1年左右，但是麒麟970處理器的開發周期卻只有4～5個月。

在這4～5個月中，華為引入了包括了引入寒武紀、中科創達等第三方技術公司，並對各個供應商進行技術整合，最後到台積電的生產、流片。

華為AI晶片的發布，對於本來就是一潭死水的智慧型手機市場來說，似乎又掀起了一點波瀾，雖然並不能確定最終的結果會怎麼樣，但是最少華為已經搶到了風口。

華為開放AI平台

人工智慧已經成為手機行業的趨勢，不過手機要實現人工智慧，對於獨立的人工智慧晶片需求，似乎沒有想像中大。

在目前的手機行業中，最常見的一個方案是整合CPU+GPU+DSP三者，這種方案被包括高通、蘋果、聯發科等晶片製造廠所採用，畢竟獨立開發方案會讓晶片的核心面積增大，設計難度也會又相應提高，而目前的人工智慧市場並為形成完整的產業鏈，太早進場也不見得會是好事。

當然，高通們也沒有明確表示不會為AI開發獨立晶片，至少目前他們還處於觀望狀態。

華為的AI戰略

華為的AI戰略

在華為官方的說法來看，他們對於人工智慧還是非常期待的。

在官方的一篇文章中，華為提到了他們的AI戰略，他們認為人工智慧是Mobile AI = On-Device AI + Cloud AI，未來希望通過「芯-端-雲協同」，結合用戶的使用場景，為用戶帶來極致便捷的體驗。

「芯」指的是華為的AI晶片，目的是提高手機對於事物的認知能力;而「雲」指的自然是雲端運算，通過對大數據進行分析，反饋到用戶的手機中;這兩者間的平衡和協調，能夠讓手機幫助用戶思考和分析，提升手機的整體使用體驗。

就目前的狀況而言，想要形成一個完成的AI產業鏈還相當困難，畢竟晶片和雲計算有了，但應用和體驗還需要第三方來協助完成。

所以，華為在發布麒麟970的同時，宣布開放華為人工智慧移動計算平台，開啟全新的Mobile AI時代，讓用戶感受到AI的巨大魅力。

真正的AI在哪裡

在華為發布麒麟970後，高通、蘋果等廠商會有什麼樣的反應？未來是否考慮在處理器中加入人工智慧模塊？

海思麒麟970處理器

在筆者看來，這一切還需要行業來推動，只要蘋果及其他智慧型手機廠商表示要在智慧型手機中加入獨立的NPU模塊，高通也勢必會跟進整合相關資源。

不過高通是否會進行自主研發還是通過與第三方合作的方式獲得，這一切都需要時間來驗證。

華為在麒麟處理器上整合NPU，拔得「AI晶片」的頭籌，讓人工智慧實現了落地。

不過目前的產業鏈並沒有真正形成，從落地到商用還需要多長時間就不得而知,但是至少應看到了前進的方向。