AI晶片市場最強預判：華為蘋果高通為何數億美元豪賭7nm？

主流核心玩家比任何時候都渴望「爆款」的出現，以刺激閾值不斷提升的消費者神經。

從去年後半段開始風靡的「AI 手機」當之無愧成為「爆款」的熱門關鍵詞。

人們期待 AI 拓寬手機終端的邊界，一如當年智能機對功能機的顛覆。

然而，如果 AI 手機的角逐只停留在參數對比和跑分排位，那麼競爭遠未觸達本質。

撰文 | 四月

一面是市場銷量增長乏力，一面是巨頭對手步步緊逼，手機業競爭的殘酷指數再度升級。

金九銀十，手機市場亦是如此。

在不到半個月的時間裡，華為 Mate20、蘋果 iPhone X 二代兩款全球最強旗艦機即將揭開最後面紗，安卓陣營里的其他玩家 OPPO、小米、聯想也在積極準備亮出更強底牌。

手機戰場正酣時，來自 IDC 的全球手機市場報告卻釋放出不容樂觀的信號：智慧型手機行業增速在過去一年遭遇了史無前例的滑鐵盧，並且主要來自於中國智慧型手機市場的乏力。

主流核心玩家比任何時候都渴望「爆款」的出現，以刺激閾值不斷提升的消費者神經。

而從去年後半段開始風靡的「AI 手機」當之無愧成為「爆款」的熱門關鍵詞。

人們期待 AI 拓寬手機終端的邊界，一如當年智能機對功能機的顛覆。

自一年前的麒麟 970 問世以來，「全球首款 AI 晶片」的標籤無疑為國產芯打上了一針強心劑。

自 2000 元不到的榮耀 到 5000 元以上的華為 P20 Pro，麒麟 970 幾乎把華為的所有機型都加持了一個遍。

緊隨其後發布的是蘋果內置有神經網絡加速模塊的 A11 Bionic 仿生處理器，Face ID、Animoji 等創新應用讓 iPhone X 驚艷四座。

而今年初高通開放的人工智慧引擎 AI Engine 則讓驍龍 845 在異構基礎上實現了 CPU、GPU、DSP 等眾多硬體模塊的協同處理，讓安卓玩家在終端側就能夠實現算法優化和 AI 應用。

內置AI晶片開始成為打造一款AI手機的必要條件。

可以預見的是，在即將開打的2018新機換購大戰中，圍繞高通、蘋果、華為三大晶片巨頭展開，以及三星、谷歌、聯發科等選手積極參與的「AI芯」戰場必將升級為要塞之地，頭號玩家非驍龍855、麒麟980和蘋果A12處理器莫屬。

繼去年的10nm工普及藝之後，摩爾定律快速進入到7nm世代。

三大巨頭不惜巨資押注台積電最新7nm工藝，背後是對於晶片AI化計算趨勢的篤定，同時也為三家公司率先拿下了新一輪「AI芯」戰場的入場券。

但同一水平線的起跑賽道並不代表著技術實力的追平，高通、蘋果、華為三家公司在手機晶片領域的能力排位仍需全面分析。

作為全球第一大移動晶片供應商，高通占據著四成以上的 SoC（系統晶片）市場份額，以遠高於競爭對手的市場地位占據絕對優勢。

從過往的市場表現來看，安卓准旗艦晶片驍龍855在年底發布後將統治全球智能 SoC 榜單大半年。

而與高通主要供貨於安卓玩家不同，蘋果A系列與華為海思晶片主要用於自產自用，憑藉兩家公司全球 Top3 的手機出貨量帶動其晶片出貨。

低調的蘋果雖然很少拿自家的處理器性能作為賣點，但一如蘋果產品本身，每次A系列處理器的實際表現都能輕鬆凌駕於整個安卓陣營，即將出貨的A12也不會例外。

過去一年，華為海思用麒麟 970 優秀的參數跑分向市場證明，高通和蘋果在手機處理器領域並非不可戰勝，但在過於激進的降庫存戰略已經引發部分「花粉」（華為用戶）不滿。

這樣的背景下，麒麟 980 承擔著背水一戰的民族使命，在產品周期已經領先的基礎上，以求追平甚至超越同期對手晶片，摘下名副其實的安卓旗艦桂冠。

然而，如果AI手機的角逐只停留在參數對比和跑分排位，那麼競爭遠未觸達本質。

從智慧型手機到人工智慧手機的更新換代，市場的最大訴求點和期待究竟是什麼？ NPU 的打磨只為現有文字處理、語義理解、圖片識別等功能的加速？特別開闢的神經網絡加速器僅為 Face ID 等原生應用而建？

直面爭議與質疑，別讓AI手機僅止步於概念。

3億美元入場券

手機處理器形態千萬，卻也逃不開IP壟斷戶ARM的影響。

一款處理器的CPU性能強弱，除了和自主研發的架構相關，最重要的影響因素就來自於ARM的CPU核心。

實際上，ARM正是新一代7nm工藝背後最為有力的推動者。

今年6月，ARM發布了新一代移動處理器Cortex A76架構，使用7nm工藝製造，頻率可達3GHz。

和前代的A75相比，Cortex A76性能提升了35％，功效提高了40％。

更為重要的是，Cortex A7能夠提供高於現有機器學習的4倍性能，這恰恰也是蘋果、華為、高通、聯發科等一眾手機晶片廠商翹首以盼的增長點。

據市場預測，目前開發10nm晶片的成本超過1.7億美元，而7nm則達到了3億美元，5nm更是高達5億美元，3nm直接將超過15億美元。

隨著工藝成本的大幅提升，僅高昂的入場券門票就足以甩開中低段位選手，在手機IC領域如今也只有華為、高通、蘋果等敢於投入跟進這場豪賭。

相比三星的激進策略，穩紮穩打的台積電似乎更受手機廠商青睞，今年來自蘋果、華為、高通的7nm訂單全都押注在了台積電產線上，今年初正式投產預計明年將引入EUV光刻工藝。

按照台積電CEO魏哲家的說法，到2018年底將有超過50個產品完成7nm設計定案（Tape out）。

其中，AI晶片、GPU和礦機晶片占了大部分的產能，其次是5G和應用處理器（AP）。

與10nm工藝相比，台積電的7nm工藝密度提升為1.6倍。

台積電聲稱其7nm工藝將性能提高20％，功耗降低40％。

電子創新網創始人張國斌評價道，不同於10nm僅用於移動處理器，7nm工藝將適用於各類處理器，所以7nm將是半導體工藝上的一個極其重要的工藝節點。

可以預見的是，圍繞這個節點EDA公司和IP將開發大量產品，7nm工藝將或類似於28nm工藝節點，將維持一段較長的生命周期。

此外，隨著集成電路工藝要求的提升，針對晶片接點引腳和電路板連接的封裝工藝也更為先進。

根據台積電公布的7nm工藝資料來看，台積電為7nm工藝開發了系統級封裝技術SiP，它被認為是5G高速連接時代的重要封裝技術，或將為後續的7nm手機引入5G功能提供預留便利。

晶片戰略需要長期投入，在流片之前，長期的設計投入與驗證布局更能體現手機和IC 廠商的前瞻性。

華為子公司海思半導體進軍手機處理器至今已經5年有餘，從最開始泥沙俱下的K3V2到去年廣受好評的麒麟960，在風風雨雨中已經疊代了6代產品。

有報導指出，在總共1萬人的海思團隊中，有3000人在做手機晶片。

自推出手機處理器以來，華為一直堅持在自家高端產品使用自家海思的處理器，雖然前期飽受非議，但在幾乎所有的國產手機廠商都受制於高通或聯發科的當下，尤其在「中興事件」之後，華為在晶片自研技術道路的堅持獲得了更多人支持。

與華為一樣，晶片是蘋果最重要，也是最為神秘的部門。

從2010年發布iPhone 4開始，蘋果就採用了自主設計的A4處理器。

蘋果的晶片研發歷程最早可以追溯到2007年。

據財務長盧卡·馬斯特里稱，蘋果每年數以十億美元計的資金投入中，大部分都花在研發各種諸如晶片、傳感器的基礎技術上。

巨頭很早就意識到，自研晶片能夠讓其將儘可能多的技術和生產流程掌握在自己的手裡，從而實現對供應鏈的完全控制，讓更多的創新技術變得難以複製。

在解決了設計研發、量產工藝等難題之後，晶片廠商摩拳擦掌為上市準備。

然而，產線供貨能力吃緊卻成為三大巨頭需要共同面對的當務之急。

就在上個月，台積電工廠遭到病毒攻擊，並導致數條生產線被迫中斷，而其中7nm製程的生產基地就被列入受影響的範圍之中。

對於即將開售的iPhone X二代及其A12 晶片，以及搭載麒麟980的華為Mate 20是否會受到產線停擺的影響仍是個未知數。

最強賽場

ARM和台積電為三大晶片巨頭建立了牢固的先發優勢，但核心的晶片架構設計才是各家形成差異化競爭格局的核心。

麒麟980將繼續採用主晶片+NPU專用模塊的設計。

核心架構層面， CPU為ARM最新的四大核A76和四小核 A55，最高主頻 2.8GHz，基帶由Cat.18升級到 Cat.19。

專用AI 硬體處理單元層面，華為將繼續沿用寒武紀IP核，預計將會是今年5月推出的第三代終端IP產品Cambricon 1M。

該NPU同樣採用台積電7nm工藝生產，提供2Tops、4Tops、8Tops三種規模的處理器核，並支持多核互聯，其8位運算效能比達5 Tops/W（每瓦5萬億次運算），性能比前任麒麟970採用的寒武紀1A高10倍。

值得注意的是，此前多份報告稱華為麒麟980將採用ARM Cortex A77 CPU多核心，但隨後遭到ARM官方的否認，麒麟980配備的是Cortex A76，雖然A 77性能更高但尚未公布。

而關於麒麟980將搭載華為新一代的自研GPU的傳言也不攻自破。

根據最近外媒關於麒麟980的參數信息，麒麟980將繼續採用ARM提供的GPU Mail系列Mail-G72 MP24。

相比麒麟970採用的Mail-G72 MP12系列，麒麟980的GPU核數提升到24核心，增加一倍。

今年蘋果的A12晶片暫未被曝出大的升級處理。

此前曾多次準確爆料的移動處理器博主i冰宇宙表示，蘋果A12可能沿用A11架構，處理器跑GeekBench 4單核成績是5200分，而多核性能是13000分上下，相較於A 11跑分成績，性能提升約25%，足以秒殺同期晶片。

目前，蘋果正在解決功耗問題，7nm情況下平均功耗依然比預期高出23%。

外媒評論稱，蘋果將重新設計功能的iOS12，此舉有望降低對A12處理器的殺傷力。

值得注意的是，去年蘋果發布的A11處理器只能稱為仿生晶片，今年A12處理器定然將會在AI功能上大有改進，以達到真正的AI晶片級別。

對於高通而言，相比去年僅有SDK實現異構計算性能的提升，今年最大的驚喜將是引入NPU內核。

這與去年麒麟970搭載的NPU類似將用於提升AI性能。

作為單純的上游晶片供應商，高通在高性能之外，還需要考慮應用場景和工藝成本等要素，在AI晶片方案上相對華為和蘋果更為保守也情有可原。

今年高通引入NPU之後，也預示著在人工智慧大潮下，AI晶片的設計方向最終歸一於獨立AI模塊的設計思路，多硬體單元組合式的異構計算單從SDK層面優化難免力不從心。

而在主流AI晶片玩家之外，三星、聯發科，以及谷歌等選手也在積極試探市場。

今年3月，聯發科的首款AI晶片Helio P60在國內亮相，與高通驍龍845一樣沒有獨立AI處理單元，其設計初衷是通過多顆DSP的能力來提升圖像後處理的運行效率，順便可以做些AI相關的圖像處理算法。

該晶片能夠稱得上現在市面上能夠買到的最為實惠的一款AI晶片，出貨量表現不錯，同時為聯發科第二季度財報贏來了超預期表現。

同樣在3月，三星發布了型號為Exynos 9610 的新一代處理器，採用專用AI 硬體單元，三星稱之為Vision Image Processing Unit（可翻譯為視覺圖像處理單元），可以算作是三星真正意義上的一款智慧型手機AI 晶片。

而早在去年10月，谷歌在Pixel 2系列智慧型手機就隱藏了一個秘密武器，即谷歌自己研發的第一款移動晶片，它被稱為Pixel Visual Core，它是谷歌針對消費類產品的首款定製片上系統（SOC），目前專門用於加速相機的HDR+計算，使圖像處理更加流暢和快速。

但目前該晶片還處於「休眠狀態」。

谷歌方面表示，在更新 Android Camera API 之後，以允許第三方攝像頭開發人員使用 HDR +和 Pixel Visual Core，它們將成為 Android Oreo 8.1 預覽中的開發人員選項。

內行看門道

實際性能並不等於峰值參數，還需要取決於軟硬體協同優化效果。

這一道理在華為麒麟與蘋果A系列的對比中尤為明顯。

去年，華為曾用植入了寒武紀A1的NPU在性能參數上碾壓A11。

比如，A11 Bionic內置的神經網絡引擎浮點性能僅為0.6T（即能以每秒最高6000億次速度處理機器學習任務），而麒麟970NPU的浮點性能達到1.9T，是A 11的三倍還多。

但是別忘了，蘋果是最懂得軟硬體結合的手機廠商，在浮點性能不及對手的劣勢下卻將能夠最大化利用。

早在iPhone X發布之前，蘋果在去年年中的WWDC開發者大會上就已經推出Metal和Core ML兩個不同層面的接口供開發者調用，以加速iOS平台上的人工智慧應用。

蘋果曾提到A11專門為Metal 2 和Core ML設計。

有半導體業內人士猜測，A11可能對DSP進行調整，在軟體層面針對CPU和GPU加速的硬軟體結合實現的「神經網絡引擎」。

參考海外知名處理器性能跑分工具，同時也是公信力最高的GeekBench 4實測結果。

麒麟970（BLA-L29的Mate 10 Pro）的GeekBench 4跑分單核是2000分左右，多核6200分左右，而驍龍845的GeekBench 4單核在2500左右、多核在8500分左右。

作為對比，A11單核和多核分別在4245和10100左右。

在主核CPU之外，影響終端性能表現，尤其是圖像、影像等數據處理效率的核心還是GPU性能。

相比高通，華為和蘋果的AI晶片此前的短板之一都體現在GPU層面。

高通的 Adreno GPU 一直都是業界標杆，據說「虐殺」一眾競爭對手的 Adreno 630（驍龍 845）還只是高通 Adreno 家族的中端低功耗產品，真正殺手級別的 GPU 是強化版的 Adreno 640 和堪比 PC 顯卡的 Adreno 680。

不過按照高通一貫的新品節奏，驍龍 855 究竟採用哪款 GPU 可能到今年底才會正式揭曉。

曾有早期評論提到，麒麟970的能耗比是完全被驍龍835吊打的，甚至還不如驍龍820/821，三星Exynos 8890/8895，實際使用遠遠無法達到國內跑分測試數據。

麒麟970的Mali-G72 MP12在跑分上確實超越了Adreno 540，但是也僅限於跑分了，麒麟970的GPU跑分完全是不計功耗的跑分強行超越了驍龍835。

按照這個趨勢下去，如果麒麟980繼續採用Mali系列的GPU，仍然遠不如驍龍845，更不用提追平下一代架構提升的驍龍855了。

此前，一加劉作虎曾談到「麒麟處理器要想超過驍龍處理器，十年之後再說。

」而華為余承東最近給麒麟980貼上的預熱口號則是「麒麟980遙遙領先驍龍845和蘋果處理器」。

華為的底氣何在？

本月初，華為針對GPU性能提速的殺手鐧得以問世。

這是來自華為2012實驗室的兩項新技術：THE NINE液冷散熱技術和和雙Turbo技術（CPU Turbo+GPU Turbo）。

先於今年6月問世的GPU Turbo已經打通華為EMUI作業系統和GPU、CPU之間的處理瓶頸，官方數據顯示，使得圖像處理提升60%，能耗降低30%。

而CPU Turbo基於THE NINE液冷散熱技術，將晶片產生的熱量快速均勻分布到機身其他部位並迅速散發出去。

據介紹，整體散熱性能提升41%，在激發CPU的極限性能的同時使CPU最高可降低10℃。

而蘋果方面同樣沒有讓人失望。

從GeekBench 4的GPU測試分數來看，A12分數是21691，而A11的表現只有16091，提升至少在30%以上。

作為即將承擔大量AR應用的蘋果在A12而言，GPU的優化將是工作重點。

就現階段的幾款AI晶片整體表現來看，作為輔助工具的AI專用晶片模塊仍然只能扮演錦上添花的作用，重頭戲仍然由GPU性能決定。

不敢掉隊

那為什麼還要使用專用硬體解決方案呢？

國際知名媒體Android Authority曾提到這樣一個觀點：在桌面級晶片領域，獨立的FPU（浮點運算單元）晶片的出之後，極大的提高了桌面處理器的浮點運算能力，打開了處理器新世界大門。

對於現如今移動晶片領域而言，亦是如此。

今年5月，中國電信發布的《AI終端白皮書》支持了這一看法。

白皮書將AI手機定義為基於專用AI 單元或通用硬體單元（CPU、GPU、DSP）綜合調度提供AI算力，並加載深度學習AI應用的全網通手機。

趨勢之下，玩家不敢輕易掉隊。

然而在過去一年的試水期里，市場似乎並不樂意買單。

追蹤旭日大數據公布的2018年三、四月份的全球手機晶片出貨量數據，排名前五的仍是針對中低端市場的晶片，其中聯發科的「首款AI晶片」P60以703萬片衝進四月榜單中的第二名。

而華為的麒麟970最好成績來自於四月榜單中的第8位，出貨量達到410萬。

與此同時，高通的高端處理器高通驍龍845晶片排名第16位，出貨量168萬片。

但結合華為自身強推麒麟970的去庫存戰略和高通地位而言，數據表現並不能算得上理想。

一般來說，一款處理器有其自身中高低端的定位；如果口碑極佳，那可能被很多廠商反覆使用，例如驍龍625、驍龍660，並不常見。

比如，高通驍龍845是目前高端手機的御用晶片，搭載這款晶片比較火的手機有小米mix 2S、一加6、堅果R1等手機。

但是華為和榮耀就比較尷尬了，從1999元到9999元的手機都用麒麟970。

這通常是庫存處理器過多無法及時消化的表現，在某種程度上也引發了消費者們的吐槽。

對於高通845出貨量較低，業界普遍觀點則認為，一是搭載這款晶片的手機價錢都比較高，性價比較低，二是高通馬上要推出新款855處理器，而845處理器無論是價錢還是實用性都處於一個比較尷尬的位置，所以導致這款晶片的出貨量遠遠低於高通4系列和6系列的處理器。

實際上，手機處理器在一款手機的BOM清單中一直占有不小的比例。

今年三月，小米創始人雷軍就在個人微博稱：「驍龍 845，最新旗艦，非常出色，只有一個缺點：太貴了！！！驍龍 845，再加上 17% 的進口增值稅，500 多元！是驍龍 660 的三倍多！」

不得不承認，集成NPU短期內將會大幅增加處理器的成本，而能夠支付起該成本的只能是通過應用生態帶來的市場需求。

從參數上看，麒麟 970 性能著實強悍，然而在華為手機上並未完全釋放其卓越的性能，就其當下應用來看似乎有些「浪費」，

華為為 NPU 挖掘的功能包括「AI 慧眼識物」、「AI 精準虛化」、「隨行翻譯」等。

華為選擇與微軟翻譯、百度等合作，通過 AI 晶片，加速文本、語音、照片的翻譯速度，提升用戶體驗。

然而，到目前為止，華為對於麒麟970 NPU的打磨也仍然停留在文字、語音、圖片識別階段，僅僅把這顆AI晶片作為輔助性工具，尚未有深層次的開發應用。

與麒麟970類似，iPhone X搭載的A11目前可見的作用可以在拍照、AR、Face ID方面體現。

不過，蘋果的神經網絡加速模塊也只對原生應用進行支持。

早在WWDC 2017開發者大會上，蘋果先於iPhone X就宣布了一系列新的面向開發者的機器學習API，包括面部識別的視覺API、自然語言處理API，這些API 集成了蘋果所謂的Core ML 框架。

從上圖可以看到，Core ML的底層是兩個神經網絡子程序框架：Accelerate and BNNS和Metal Performance Shaders。

Accelerate是在CPU上進行快速計算的框架，而Metal負責深度挖掘GPU性能。

據不便透露公司名稱的巨頭IC半導體資深工程師向機器之心表示，蘋果實際上主要將數據處理加速工作集中在GPU層面。

著名投資人 Benedict Evans 曾提到，「往深了看，很多機器學習技術正在被商業化，它們的 API 快速地進入到移動設備上……不可能只有一個 Google 或一個 Facebook 的雲包攬所有的機器學習——這項技術應該是一切的基礎。

」

從英偉達在人工智慧浪潮中得以快速崛起的案例中不難發現，生態積累是比技術更持久的「護城河」，而開放易用的CUDA接口則是建立開發者生態的前提。

為了迅速做大開發者規模，手機巨頭平台開始在初期釋放超高分成與合作資源。

2018年初，華為發布了AI開發平台HiKey 970，推動AI應用生態搭建，並將投入10億元用於鼓勵開發者創新。

6月，余承東在華為終端首屆開發者大會上就宣布，將投入10億元補貼主力開發者的創新智慧服務。

蘋果則在不遺餘力地擴建Core ML 中的API。

市場還在嗷嗷待哺地等待著一個 AI「爆款」。