超能課堂(117):手機中的人工智慧AI晶片有什麼用?

文章推薦指數: 80 %
投票人數:10人

在很多領域,機器已經取代了人工進行簡單的重複性生產作業,同時,人工智慧也在不斷嘗試在更高層次領域取代人工,比如橫掃棋壇的AlphaGo等。

當然,應用在工業生產中的人工智慧離我們的日常生活還是有些遠,如同AlphaGo般的人工智慧也尚未處於大規模應用階段,那是不是我們離人工智慧還很遠呢?其實不然,反之,人工智慧正逐漸融入到我們的生活中,內置人工智慧的終端產業層出不窮,智慧型手機、智能音箱,甚至智能家居。

其中,離我們最近的恐怕莫過於智慧型手機了。

目前也已經有部分手機內置了人工智慧晶片,那麼,這些內置在手機裡面的智能晶片能為我們帶來什麼呢?

作為手機界的新生事物,目前搭載人工智慧晶片的手機並不多見,僅有iPhone X、華為Mate 10/V10、Google Pixel 2等寥寥幾款產品。

其中,iPhone X和華為Mate 10系列內置的人工智慧晶片是封裝在處理器中的,而Pixel 2系列則是外掛了Pixel Visual Core這顆人工智慧晶片。

雖然實現方式上各有千秋,但它們都有一個共同的名字「人工智慧智能晶片」。

這三款手機人工智慧晶片有什麼區別呢?我們先通過一張對比表格簡單了解一下。

從上面對比表格可以看出,相對於已有行業巨頭的CPU,AI晶片領域目前尚未有統一的架構,既有寒武紀的NFU,也有Google的IPU,各不相同,具體核心規格上差異也十分之大。

三大AI晶片具體有哪些應用呢?下面我們逐一來盤點盤點。

麒麟970中的NPU:寒武紀A1

華為海思麒麟970處理器中的人工智慧晶片來自於初創公司寒武紀,這家成立於2016年的人工智慧領域獨角獸企業在短短的時間內已經推出了多款智能晶片產品,麒麟970中的NPU正是出自它家的寒武紀A1處理器(Cambricon-1A),這顆發布於2016年的人工智慧晶片是全球首款商用的深度學習專用處理器,官方稱其在運行主流智能算法時性能功耗比全面超越CPU和GPU。

從參數上看,寒武紀A1的浮點性能可達1.9T,即每秒鐘可以完成1.9萬億次運算,性能著實強悍,然而這顆性能強大的NPU在華為手機上似乎有些「浪費」,未能完全釋放其卓越的性能。

那麼,華為利用這顆NPU開發了什麼功能呢?

在華為Mate 10系列的發布會上,華為就麒麟970的圖片識別速度與競爭對手A11 Bionic、驍龍835進行了對比,結果是NPU加持下的麒麟970速度略快於A11,遠超驍龍835二十倍。

由此可見,華為對於這顆晶片的開發方向是圖片識別。

華為挖掘NPU的第一個功能即是「AI慧眼識物」和「AI精準虛化」。

「AI慧眼識物」即指智能識別十餘種拍照場景,自動調校拍照參數,獲得更佳的拍攝效果;「AI精準虛化」即通過晶片的自主學習,更加精準摳圖,使得虛化效果更真實自然。

第二個功能即是「隨行翻譯」。

華為選擇與微軟翻譯合作,通過AI晶片,加速文本、語音、照片的翻譯速度,提供更加優秀的用戶體驗。

目前為止,華為對於這顆NPU的打磨仍然停留在文字、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。

不過,小編相信,隨著行業趨勢的逐漸明確和打磨的逐步深入,這顆NPU將可能在未來大放異彩,開啟更多的新玩法。

Pixel 2中的Pixel Visual Core

在國外專業相機評測機構DxOMark手機相機排行榜中,Google Pixel 2以總分98分的高分獨占鰲頭,而這還是在Google尚未開啟內置的Pixel Visual Core(簡稱:PVC)晶片時得出的結果。

在最新的Android 8.1固件中,Pixel 2系列已經開啟了這顆PVC晶片,主要用於Google的HDR+算法。

Google博客公布的Pixel Visual Core結構圖顯示,這顆晶片內部集成了8個圖像處理核心(Image Processing Unit,簡稱:IPU),一顆來自ARM的A53核心,同時還擁有MIPI/LPDDR4/PCIe控制器。

得益於八個IPU核心,PVC晶片可以提供高達3T的浮點性能。

作為對比,麒麟970內置的寒武紀A1浮點性能為1.9T,而蘋果A11中的仿生晶片則為0.6T,Google這顆PVC晶片性能的恐怖程度可想而知。

Pixel Visual Core結構圖

Google開發Pixel Visual Core的目的是將其當做一個超強、可學習的ISP使用,可以用於加速HDR+算法的運算速度。

通過軟硬體的結合,Pixel Visual Core加持下的HDR+成像速度比原來快上5倍,而功耗卻僅為原來十分之一。

不開啟PVC與開啟PVC成像對比

目前為止,我們看到Pixel Visual Core智能晶片主要應用在相機成像上,但是值得注意的是,它的8個IPU並不是FPGA,而是可編程的,進行圖像處理只是Google的一個切入點,未來這顆晶片還有很大的挖掘潛力。

「殺雞用牛刀」是對Pixel Visual Core智能晶片很好的描述,高達3T的浮點性能遠超現有的對手,但卻僅用於手機相機的成像,有點大材小用。

至於未來Google會使用這顆高性能的人工智慧晶片實現怎樣的功能,我們不妨拭目以待。

A11 Bionic中的神經網絡引擎

若不分平台進行2017年最佳手機處理器的評選,小編相信蘋果的A11 Bionic仿生處理器一定能夠名列榜首,不僅僅是因為其出色的單核/多核性能,更是因為其內置的神經網絡引擎,即人工智慧晶片。

A11 Bionic仿生處理器中的神經網絡引擎採用雙核心設計,能夠識別人物、地點和物體。

正如前文所言,A11 Bionic內置的神經網絡引擎浮點性能僅為0.6T,遠不及寒武紀A1的1.9T和Pixel Visual Core的3T,但是蘋果卻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。

那麼,蘋果利用這顆人工智慧晶片發掘了什麼功能呢?

首先自然是iPhone X上獨一無二的Face ID。

Face ID功能是通過原深感攝像頭來實現,其會投射超過30000個肉眼不可見的光點,並對它們進行分析,繪製出精確細緻的深度圖。

蘋果宣稱,即便你戴著帽子,留起鬍鬚,或者佩戴眼鏡,甚至是不同款式的墨鏡,Face ID同樣能夠認出你。

而完成這寫自主學習的背後就是A11 Bionic內置的神經網絡引擎,利用先進的機器學習識別用戶樣貌的變化。

其次,與Google、華為一樣,蘋果也將神經網絡引擎運用於手機相機成像中。

由於原深感攝像頭和仿生晶片的加持,iPhone X上前置單攝也能夠實現雙攝的背景虛化功能,同時還能實現人像光效模式和Animoji動畫表情。

註:我們的編輯先前發現,Animoji不需要原深感攝像頭參與也能實現

最後是增強現實(AR)功能的實現。

A11 Bionic上的神經網絡引擎的又一個重要應用點就是AR,通過強大的性能和自主學習處理能力,可以增強增強現實類遊戲和APP的流暢度和真實感。

國內尚未上線的AR遊戲

毫無疑問,在目前搭載人工智慧晶片的手機產品中,蘋果是最善於利用所搭載的AI晶片的,在浮點性能遠不及對手的情況下卻將其應用地更加廣泛,涵蓋Face ID、相機成像、AR等各方面,通過自主學習提升性能,起到加速硬體的作用。

作為手機行業的領軍企業,蘋果下一步如何利用AI晶片也是業界乃至廣大用戶們所共同期待的。

當然,不得不承認的是,目前為止,上述三大廠商利用手機中人工智慧晶片開發的功能通過傳統的CPU和GPU都能夠實現,那麼,人工智慧晶片的優勢在於哪裡呢?子曰:「術業有專攻,如是而已。

」如今大多數手機CPU和GPU的性能已經足夠扛大樑,實現上述的大部分功能,但其與人工智慧晶片相比,能效比遠不如後者,也就是說,人工智慧晶片能夠以更快的速度、更低的功耗完成運算。

內置AI晶片的手機雖然誕生於2017年的後半段,但其真正普及或許要等到2018年高通、聯發科等晶片大廠推出相關的產品或解決方案時才能實現,畢竟如同Google般單獨或聯合晶片廠商開發自用的AI晶片的高昂成本是一般手機廠商所無法或不願意承擔的。

因此,當內置AI晶片的手機百花齊放之時,或許才是人工智慧手機盛放的季節。


請為這篇文章評分?


相關文章