在本世代的几大手机芯片平台里（如高通/苹果的A系列/华为麒麟970等），AI已然成为了标配。
比如iPhone X的A11仿生芯片里包含一个神经网络引擎，华为的麒麟970芯片包含神经处理单元（或者叫NPU），而Google的Pixel2最近刚刚被爆出内置一颗不为人知的AI加成的图像处理芯片。
那么问题来了，手机里的AI芯片或者AI技术对于我们用户来说会有什么实际的作用吗？
由于移动芯片越来越小，也越来越复杂，他们开始承担更多及不同种类的工作，就像GPU之于CPU的作用一样，GPU会接管所有视觉上的繁重工作，以便CPU可以喘口气...或者让CPU可以专心忙于其他事情。
那么移动芯片里新增的AI部分，其实跟上文讲的GPU之于CPU的作用是非常类似，不过AI芯片更多的任务是类似识别你宠物的照片，而不是去渲染图像（类似将GPU的工作更细化，当然这不完全对）。
当说到这里的时候，我们先来谈谈AI（artificial intelligence），AI这个词最近被炒得很热，而且讲真，未来的定义可能会发生变化，但是从广义上来讲：AI是指用机器能模拟出人类风格的思想和推理（即类似你更加无法分辨电脑后的到底是人或是机器或是狗~）。
如果一个人躲在电脑后面操作电脑，假装这是一台自动执行的电脑，那么这算是一种原始的AI（当然是假的AI），话又说回来，今天的AI科技是远远超过这一点的，只是AI所想达到的一个目标是：像人类一样的机器人。
AI存在于你的手机里的模式，具有更狭义的定义，它通常涉及机器学习，以及系统在其原始的设计之外学习的能力，我们常常听到的“深度学习”，这是一种机器学习能力，它试图去模仿人脑的多层计算，人类大脑里类似的回路被称为神经网络，基于我们脑内的神经网络。
比如机器学习能够发现垃圾邮件，当然目前我们识别垃圾邮件已经有了很多成熟的技术跟技巧，但是你要知道：我们一般去识别垃圾邮件的方式都是基于预先的编程：比如识别发件人，比如识别发件主题，等等，但AI将这个过程变得更有科技感：它学会了什么叫做垃圾邮件，不管你有多少变化，都逃不过AI的垃圾邮件检索系统。
深度学习是非常类似的，只是更先进以及细致入微，类似电脑的视觉识别上，“深度”意味着更多的资料，更多的层次，以及更聪明的加权，最著名的例子是：从100万张狗的照片里认出狗的样子。（很多中国人对于老外是脸盲，别说认狗了~）
旧式的技术，其实可以做类似的图像识别任务，但需要更长的时间，也需要预先的编程，而且在被识别的图像变化越来越多的时候，结果的准确性会大大降低，在如今算是比较强大的硬件环境下，深度学习，比起老式的机器学习，给你工作带来的帮助，要好得多。
再换一种理解方式：机器学习需要被提前告知说一只猫是有胡须的，这样它才能去识别猫，而深度学习则会自主发现：猫有胡须。
正如前面所提到的：本质上，AI芯片某种程度上做的事情跟GPU会有点重合，只是更多的会集中在人工智能而不是图形的渲染上，它提供了一个单独的空间，让比较重要的机器学习以及深度学习可以进行，与GPU一样，AI芯片让CPU可以专注于其他任务，同时减少电池的消耗（随着科技的快速发展以及电池技术的缓慢发展，电池的节能问题反倒成为一个大家都很关心的问题了）手机里的AI芯片有什么用？。
而且（敲黑板），这个AI芯片也意味着你的资料会更加安全，因为AI的存在，只需要很少的资料（或者干脆就不需要）发送到云端进行处理。
而且再加一层，这些特征在你手机里意味着什么？这意味着图像识别和处理要比原本要快得多，例如，华为声称：它的NPU可以每秒识别2000张图片，比CPU去执行的速度要快20倍。
苹果声称它的AI芯片（包含在A11仿生芯片里），识别你的脸，识别你的声音，一次拍摄拍很多张照片并自动选出里面最好的那张（在你按下快门后的逻辑），苹果还声称它每秒能处理6000亿次的操作。
而苹果更是在App内也加入了机器学习的可能，这个模块叫做Core ML模块，App开发人员可以用这个模块来将图像识别和其它AI算法结合在一起，Core ML模块并不需要iPhone X这样的硬件去运行，神经引擎（即上文苹果发布会讲的Neural Engine）处理这些类型的任务更快，和华为麒麟芯片一样，将所有这些资料上传到云的过程去处理的时候，因为更少资料上传，理论上提高了性能，并降低了电池的消耗（一举两得）。
这就是这些AI芯片的真正目的：处理机器学习，深度学习和神经网络加成，在手机上，比CPU和GPU更快地管理图像识别等，当Face ID识别你越来越快，越来越熟练，你需要感谢神经引擎。
所以这就算手机芯片的未来吗？将来所有的智能机都必然会有专门的AI芯片吗？
随着人工智能AI在手机上的作用越来越大，答案几乎是肯定的。现在这些芯片只被用于一小部分任务，但随着科技的发展，AI芯片的重要性在未来只会变得越来越大。
官方微信
官方微博
