【原】智能手机的AI生死时速

壹观察 2020-07-08

展开全文

引语：AI赛道上选手只会越来越少，对于移动互联企业和手机企业而言都是如此。

文|壹观察

从2017年9月IFA至2018年1月CES，全球智能手机行业以“跳跃”速度进入AI时代。

几乎所有的手机芯片企业都推出或者宣布推出AI芯片，华为麒麟970、苹果A11的规模商用更加剧了后来者的焦虑。高通赶在2017年底发布了骁龙845，联发科也宣布其首款AI芯片将于2018年上半年开始供货。

从2018年CES开始，全球TOP手机企业的中高端产品将全部迈入“AI时代”，未来两年形成的AI手机竞争格局，也必然会造就5G技术加速变革期的优先卡位。

可以说，全球智能手机已进入“AI生死时速”。

AI手机芯片两大阵营

从操作系统划分，全球AI手机主要分为iOS和Android两大阵营。

而如果从手机芯片AI设计方式来看，则主要分为整合独立单元与分散集成两种，前者以华为和苹果为主，后者从已发布的产品来看则主要以高通为首。

“整合”与“分散”，就如两道技术分水岭，影响和决定着2018年手机市场格局和未来走向。

在2017年12月在夏威夷举行高通骁龙845发布会后的媒体对话环节，高通高级副总裁兼移动业务总经理Alex Katouzian罕见地公开炮轰竞争对手华为麒麟970：“高通认为AI本质上是异构计算问题，集成比某些企业采用的“外接模块”更具优势，并且不挑平台，即使高通中低端处理器也会使用到AI技术，只是低平台会采用更低功耗的方式。”

高通高管公开抨击竞争对手的做法让现场媒体非常惊讶，因为作为行业“老大哥”，高通过去极少公开抨击竞争对手。相隔太平洋的华为海思技术人员事后评论称：“高通急了”。

麒麟970是华为海外在2017年9月德国IFA展上推出的全球首款内置独立NPU（神经网络单元）的智能手机AI计算平台，相比苹果A11人工智能芯片早一个月，比高通骁龙845发布提前了3个月。这在过去十年的全球手机芯片市场并不多见。

更令业界关注的是，iPhone X搭载的苹果A11Bionic（仿生）处理器也采用了与华为麒麟970相似的专用硬件“整合”方案，其神经网络（Neural Networks）可以实现Face ID等需要机器学习和端侧强计算的AI能力，并且对AR也有更好的技术支持。

两位知乎大V疑似发布相同广告内容惨遭知乎封号

而高通骁龙845采用的AI方案是分布在CPU、GPU、DPS等每个单元上，神经处理引擎（SNPE）对具体的AI任务进行分析与下发，决定由哪一个或哪几个处理器来参与异构计算。

按照高通向媒体透露的信息，采用“分散”方案对于手机企业而言开发更为灵活，成本更低，并且可以使用在较低端（如骁龙600和骁龙400系列）平台产品，“只是会采用更低功耗的方式”。预计2018年，包括三星、小米、OPPO、vivo等手机企业都将采用高通骁龙提供的这一“分散”AI方案。

也就是说，2018年全球智能手机阵营将会呈现清晰的“整合”与“分散”两大AI方案阵营。而这种选择，也必将影响全球智能手机的AI产品体验和竞争格局。

“整合”与“分散”的优劣势各有不同

技术方案本身并没有对错，更多是芯片企业基于客户需求的战略选择，但技术方案的战略选择，一定会影响到产品体验和市场竞争格局。比如过去企业在WiMAX与LTE、LCD与OLED的不同技术方案选择，都对之后的企业发展和市场格局产生了重要影响。

在同是Android系统下，华为麒麟970与高通骁龙845两大AI技术平台对比更容易看清两种方案的优劣势：

“整合”更具效率：手机芯片通常作为系统级芯片（System On Chip，即 SoC）提供给手机企业，传统上基本由CPU、GPU、ISP、DSP、通讯基带等组成。CPU最早出现也最为常见，但弊端是需要大量的空间去放置存储单元和控制逻辑，在大规模并行计算能力上极受限制，更擅长于逻辑控制。由此，更擅长图形图像大运算的GPU应运而生。近年来由于手机摄像能力需求大幅提升和实时美颜等强端侧计算能力需要，又出现了ISP（图像信号处理器），成为影响各家手机企业产品拍照体验的重要因素。而人工智能技术依靠的神经网络（Neural Networks）、大数据分析、深度学习等，需要更强大的端侧计算、模型训练和机器学习能力，这也是苹果A11 Bionic、华为麒麟970采用专用硬件解决方案的原因。

也就是说，人工智能大计算能力可以在任何形式的处理器上运行，包括CPU、GPU甚至是ISP和DSP，区别在于处理速度有多快，能提升多少效率，降低多少能耗。举个例子：2012年吴恩达在领导的Google Brain猫脸识别项目建立的神经网络内部有10亿个节点，总共动用了1.6万个CPU，耗时长达7天，而现在具备NPU的华为海思970处理器已经可以实时识别包括猫脸在内的13个物体和拍照场景。按照华为Mate 10发布会上公布的数据，在性能上NPU 是 CPU 的 25 倍、GPU 的 6.25 倍（25/4），能效比上NPU 更是达到了 CPU 的 50 倍，GPU 的 6.25 倍（50/8）。余承东甚至拿了Mate 10、iPhone 8Plus 、三星Note 8进行图片识别比较，同样识别100张照片，Mate 10需要5秒、iPhone 8P需要9秒、Note 8则需要100秒。

由此来看，专有硬件处理器的“整合”方案肯定比由神经处理引擎软件对AI任务进行分析与下发的“分散集成”方案效率更高，体验更好。有业内人士打比方称：用分散集成的众核芯片和NPU跑人工智能，就等同于轿车和货车拼载货能力，“几台轿车加起来也肯定不如专业货车载货更有效率”。

“分散”门槛更低：采用硬件处理器的“整合”方案涉及到重构SoC，成本较高，研发周期更长，对手机企业的适配技术能力要求也较高。因此华为和苹果AI处理器主要是为自家智能终端设计与开发，不需要考虑其他手机企业不确定的产品需求。好处就是围绕产品设计需求进行立项，一旦确定就可以投入更多的成本去专门做这件事情，最大化地呈现产品的优势。而高通就必须顾及到更多手机合作伙伴及不同终端配置的要求，决策周期更长，这或许也是华为麒麟970推出时间较高通领先3个月，量产终端华为Mate 10发布时间更是领先近半年的原因。

按照海思和高通新的产品周期，麒麟970的下一代AI芯片预计会在2018年三季度推出，采用高通845平台的手机企业产品首发预计在2018年一季度，量产会在二季度，与海思在人工智能平台的隔代周期会更为明显。

由于必须顾及到更多合作伙伴的不同需求，高通推出的方案需要更具兼容性，对手机企业的技术研发要求尽量友好，对硬件门槛要求更低。因此高通高管会称“不挑平台，即使高通中低端处理器也会使用到AI技术”而所谓“低平台会采用更低功耗的方式”应该就是调用的CPU、GPU、DPS等参与异构计算的处理器更少，对计算能力要求相对不高。

“端-云-芯”三位一体能力：芯片级的硬件AI处理器只是端侧人工智能的基础，而真正的AI智慧终端必须是端侧智能+云侧智能，考验的是“端-云-芯”三位一体的综合研发实力和生态能力。华为除了推出麒麟970之外，还单独成立了消费者BG云服务部门，通过EMUI对Andrroid系统底层的“手术级”优化，以及服务直达、原子服务等应用智能优化方式为用户构建了完整的AI服务体验。为了提高生态能力，华为向第三方开发者提供了Hi AI平台，开发者可以通过它接入麒麟970 NPU，调用强大的AI计算功能，可以支持更实时、更强大、更智能的AI应用。

高通骁龙845平台与其相比，本身并不具备Android深度优化能力和终端云服务能力，前者考验的是各家手机企业自身的软件研发能力和Google合作的紧密度，后者高通与百度、腾讯、阿里等国内云服务企业合作，尝试为手机企业提供不同的云平台选择。但从效率、体验和稳定性来讲，拥有“端-云-芯”三位一体的手机企业在AI产品体验上无疑更具优势，而目前来看全球只有华为和苹果有这个能力。

AI智慧手机出货数量：AI芯片研发的最核心推动力还是来自用户和市场接受度，最直观的就是出货量。从华为上一代双旗舰Mate 9和P10来看，都是年出货量超过1000万台的“爆款旗舰”，再加上荣耀数字系列+V系列，意味着上一代麒麟960出货量会达到3000万左右的级别。而从搭载麒麟970的华为Mate 10热销程度、已经曝光的P11产品信息，以及华为2018年2亿台的目标出货量来看，这代麒麟970完全有可能会明显超出麒麟960的出货量。这种市场反馈和用户需求也会加速新一代麒麟人工智能处理器的投入力度和研发速度。

按照高通公布数据，全球大约有120款手机采用了骁龙835平台。但需要注意的是，业内预估只有三星和小米两个品牌的骁龙835手机出货量超过了500万台，其他TOP 6大厂中苹果和华为采用了自己处理器，三星一半以上旗舰手机也采用了自家Exynos处理器，而OPPO和vivo更偏重使用深度优化、续航能力更好的骁龙600系列。可以说，2018年一季度发布和量产的骁龙845手机，将成为高通在AI芯片领域的直观检验，而其竞品无论是麒麟970和苹果A11现在都已证明了市场成功。