人工智慧大潮之下：晶片算法同樣重要

【天極網手機頻道】2017年手機圈的主旋律莫過於全面屏手機和人工智慧兩方面。

各個廠商的全面屏產品接踵而至，人工智慧產品也在不斷加快研髮腳步。

人工智慧主要包括兩個方面，一個是軟體算法，另外一個就是晶片。

只有軟體和硬體相結合，才能讓AI擁有更好的效率。

人工智慧晶片

雖然說AI晶片是今年AI的潮流，但是AI最核心的還是算法，沒有算法的AI晶片將會一無是處。

今年的很多手機廠商都在新品發布之時宣稱，手機加入了AI(人工智慧)功能，支持深度學習。

不可否認的是，AI算法給手機的體驗帶來了很大的提升，手機的耗電、卡頓問題得到很好的緩解。

蘋果的布局

其實AI很早就已經加入了手機中，蘋果的Siri就算是AI早期的雛形，不過Siri並沒有能夠達到蘋果的預期。

在10月5日，蘋果「購買」Init.ai公司的AI團隊，不過蘋果並沒有直接收購Init.ai公司，也沒有購買該公司的任何專利，這意味著蘋果不會使用Init.ai的技術，蘋果看中的是Init.ai的AI團隊，該團隊將會負責開發Siri。

蘋果收購Init.ai

同樣在9月初，蘋果發布了iPhoneX、iPhone 8以及iPhone 8 Plus手機，其中所搭載了A11處理器也具備了獨立的AI晶片，這個雙核的「A11生物神經網絡引擎」(A11 bionic neural engine)晶片可實現每秒6000億次的運算。

前面已經提到，蘋果的Siri是他們在人工智慧的重要布局，收購Init.ai的AI團隊就是最好的證明。

谷歌的布局

谷歌也在也在國慶前收購了HTC的Pixel團隊，想要加強他們在Android系統中的控制力。

因為現在全部的智慧型手機廠都在布局自己的AI產品，谷歌的統治地位受到了極大的威脅。

谷歌一直是一家軟體公司，AI會成為谷歌軟體服務的關鍵，而Pixel手機和GoogleHome等硬體會為ODM廠商提供範例。

谷歌

谷歌CEO皮查伊提出了AI的4個核心要點：交互化、場景化、語境化、疊代化。

谷歌瞄準了個人、家庭和生產力三大AI入口，皮查伊再次強調軟硬體結合需要共同努力來優化。

谷歌還發布了全新的AotoML，這套改進的算法利用機器學習來訓練機器學習，以不斷推進AI的發展和應用。

移動端硬體支持

AI晶片也是在下半年才開始出現，所以目前主要的AI方案還是基於CPU+GPU+DSP來進行的，這種方案的最大優勢是成本低，風險小。

獨立開發AI晶片耗時耗力，而且在AI風口過去之後，是否還有必要繼續下去也是一個重要問題，這也是高通雖然有布局，但遲遲沒有入局的原因。

華為在9月的IFA大會上發布麒麟970處理器，並宣稱該處理器搭載了獨立的AI晶片。

華為麒麟970處理器中的AI晶片來自寒武紀，具有AI人工智慧處理器的神經元網絡，也就是說具有了自主思考、學習的能力，而不再是簡單的執行命令。

ARM推出新架構DynamIQ晶片，該CPU架構將會通過為不同部分配置軟體的方式將多個處理核心集聚在一起，其中包括一個專門為AI算法設計的處理器。

晶片廠商將可以為新處理器配置最多8個核心。

同時為了能讓主流AI在自己的處理器上更好地運行，ARM還將放出一系列軟體庫。

DynamIQ是在ARM上一代革新架構big.LITTLE基礎上的一次演進，這種架構能夠對同一運算設備中的大小兩個核進行適當配置，以減少電池消耗。

ARM稱，與在現有晶片架構上開發出的處理器（即Cortex-A73）相比，基於DynamIQ架構開發的全新處理器有望在三到五年內使人工智慧的表現增強50倍。

目前big.LITTLE架構已經被應用到了幾乎所有智慧型手機的晶片上，包括用於安卓系統的高通驍龍處理器。

其他硬體支持

nVidia已經成為雲端伺服器領域非常重要的一部分，目前世界上大部分的AI初創公司是由nVidia提供硬體平台的，將其稱為領跑者也沒有問題。

但是基於nVidia的人工智慧平台功耗太大，在短時間內可以實現開發，但是真正運作起來，需要定位更加精細的產品才可以。

nVidia創始人黃仁勛

作為PC時代的巨頭，英特爾錯過了移動網際網路時代，哪怕是在即將到來的AI時代，英特爾還是有些準備不足，但是財大氣粗的英特爾通過併購的方式來實現彎道超車。

英特爾在2015年收購了Altera，並推出基於FPGA專用的深度學習加速卡;2016年收購了Movidius;2017年十年收購Mobileye，後者能為前者提供傳感器晶片和算法。

雖然目前英特爾並沒有太多大動作，但是未來移動端人工智慧還是非常值得期待的。

藍色巨人IBM在科技界一直是非常強大的，各家半導體廠商的產品很多都是從IBM實驗室中誕生的，AI晶片方面也不例外。

IBM很早就發布過watson，並投入是應用。

TrueNorth是IBM參與DARPA的研究項目SyNapse的成果，這種晶片把數字處理器當作神經元，把內存作為突觸，將內存、CPU和通信部件是完全集成在一起。

TrueNorth晶片的信息處理完全在本地進行，傳統計算機內存與CPU之間的瓶頸不復存在了。

晶片算法同樣重要

面對洶湧而至的AI大潮，每一個科技大廠都不願意放過。

不過目前人工智慧主要還是集中在語音識別、場景交互多個方面，蘋果的A11 Bionic晶片主要就是處理來自Face ID的圖形問題，並延伸到Siri上;而且他的手機廠商除了以上的應用之外，還將人工智慧算法加入到系統優化等方面。

晶片最終還是離不開製造，半導體先進工藝製程更新腳步逐漸放緩，雖然華為麒麟970和蘋果A11都在台積電放量生產，但是隨著成本的不斷提高，製程微縮與經濟性之間的平衡難以維持，晶片的電路設計和系統優化就尤為重要。

只有晶片和算法兩種同時發展，才能讓人工智慧更快到來。