679
2018 年，AI 几乎充斥了我们的生活，如果见朋友不聊点和 AI 相关的话题，似乎自己就与这个时代脱节了，近期高通骁龙 855 的发布再次把 AI 的关注度推向了高潮，从权威统计机构的预测来看，2018 年全球 AI 市场规模预计为 1.2 万亿美元，到 2022 年有望达到 3.9 万亿美元。AI 势不可挡的发展势头让各大科技公司不得不一拥而上，不管是做芯片还是做产品，统统都要和 AI 挂钩，大有“得 AI 者得天下”之势。AI 已经在各个领域开始渗透，光 AI 音箱这一种亚马逊、天猫、小米就打得不可开交，其它智能电子产品更是不胜枚举，当然，这都不是今天的重点，今天我主要想谈的是 AI 芯片，今年推出的这些 AI 芯片看看哪些比较靠谱。
目前，笔者知晓的 AI 芯片有骁龙 855、麒麟 980、苹果 A12、联发科 P60、紫光展锐 SC9863A 和瑞芯微 RK3399Pro，谁强谁弱先拉出来比一比：
1、骁龙 855：张量加速器不等于独立 NPU
骁龙 855 采用台积电 7nm 工艺制程，CPU 为 Kryo485（超级内核基于 A76 定制主频 2．84GHz、性能内核主频 2．42GHz、效率内核主频 1．8GHz，1＋3＋4 架构）；GPU 为 Adreno640，与前代产品相比，渲染速度提升 20％，支持 Vulkan1.1/HDR/PBR。
骁龙 855
在 AI 性能方面，骁龙 855 加入新的张量加速器(TensorAccelerator)，专门负责 AI，组成第四代 AI 引擎。可以实现每秒超过 7 万亿次运算(7TOPs)，AI 性能比骁龙 845 提高了 3 倍，比苹果 A12 每秒 5 万亿次运算（5TOPs）也高出不少。
高通的 DSP 数字信号处理器升级为最新的 Hexagon690，具备四线程标量内核，性能提升 20%，四个向量扩展核心(HVX)，性能提升 1 倍，另外一个重要的改进是引入了张量加速器(HTA)，自主设计，专为 AI 而设，支持多元数学运算、非线性方程、INT16/INT8 与混合精度整数运算，大幅提升了机器学习算法的性能和能效。结合 HexagonDSP、新的张量加速器，再借助更强的 GPU 和 CPU 完成终端侧神经网络运算，所有单元综合实现了专有的、可编程的 AI 加速。
但是，值得注意的是，骁龙 855 并没有配置独立 NPU 单元，其 AI 运算需要协调 CPU、DSP、GPU 等处理器单元，如果应用场景复杂，恰巧占用了这些处理单元，AI 运算就要排队等候。也就是，其他公司的芯片的人工智能算力是独立算力，高通的 AI 运算是综合算力。
2、麒麟 980: 配置双 NPU
麒麟 980 采用 7nm 工艺制程，基于 ARM 的 A76 架构，主频是 2.6GHz，八核心分别是 2×A76（超大核）+2×A76（大核）+4×A55（小核），其中 A76 四个核心上采用了智能调度机制。相对于传统的大小核两档位设计，麒麟 980 让 CPU 在重载、中载、轻载场景下灵活适配。
在 AI 配置上，麒麟 970 搭载了一个 NPU（神经处理单元），其专门负责 AI 运算，在大幅提高手机 AI 性能的同时降低了 AI 任务功耗。麒麟 980 则配置了两个 NPU，因此在 ResNet-50 图像识别测试中得到了 4500 张每分钟的成绩。整体来看，相较于麒麟 970，麒麟 980 的 CPU 性能提升 75%，能效提升 58%，内置的 10 核 GPU Mali-G76 让性能密度号称提升 30%，能效提升 30%。
3、苹果 A12：搭载 8 核神经网络引擎
A12 采用 7nm 技术，内部有 69 亿个晶体管，采用六核 CPU 设计，相比 A11 处理器，其中两个大核心性能提速 15％、功耗降低了 40％，四个小核心功耗降低最多 50％。A12 采用自研四核 GPU，性能相比 A11 的 GPU 性能提高 50％，并强化了对 AR 混合现实的支持，支持曲面细分、无损内存压缩和实时多层渲染功能，AR 性能获得大幅度提升。
关于 AI 性能，苹果 A12 还搭载了八核神经网络引擎，其运算速度达每秒 5 万亿次，远超 A11 的每秒六千万次，可以更独立机器学习，支持多精度，智能计算系统。同时，苹果还将神经网络引擎开放给 Core ML 平台，开发者可将机器学习技术应用到自己的 app 中，让学习过程在用户的 iPhone 上进行。提升了 Siri 易用性、使 A12 芯片的机器学习能力相比之前能够提升 9 倍，而能耗则降低到原来的十分之一。
4、联发科 Helio P60
联发科 Helio P60 采用 ARM Cortex A73 和 A53 大小核架构，采用八核心大小核（big.LITTLE）架构，内建四颗 ARM A73 2.0 Ghz 处理器与四颗 ARM A53 2.0 Ghz 处理器。相较于上一代产品 P23 与 P30，CPU 及 GPU 性能均提升 70%。采用 12nm FinFET 制程工艺，功耗表现得到很大提升，整体效能提升 12%，执行大型游戏时的功耗降低 25%，大幅延长手机电池的使用时间。
关于 AI 配置，联发科在 P60 中引入了 AI 单元 APU，在 P60 中采用了三核 ISP+双核 APU 的架构，性能提升两倍。ISP+APU 的多核图像处理单元除了提供硬件加速之外，还能够提供多线程的处理能力，这使得对于图片处理能力和速度大幅提升。包括自动对焦、白平衡以及高规格 HDR 在内等反映的速度更快。此外，APU 的引入以及联发科提供的平台化的策略，也更有利于开放给合作伙伴以及第三方进行拍照的后处理，定制更多的拍照算法。应该说 AI 的引入，使得 P60 的硬件性能进一步得到释放。与此同时，AI 所带来的软件层面的超级算力也将带来诸如人脸、语音识别等功能的进一步增强。
5、紫光展锐 SC9863
紫光展锐 SC9863 主打 AI 牌，被称为 8 核 AI 芯片，支持 CAT-7，采用 Arm Cortex-A55 处理器架构的 SoC 芯片平台，在 Cortex-A55 人工智能的基础上，进行了应用开发。Cortex-A75 与 Cortex-A55 均采用 Arm DynamlQ 技术打造，而 DynamlQ 融入了 AI 神经网络技术。相比前代 Cortex-A53，Cortex-A55 NEON 进行了流水线改进与新增机器学习指令，让其在矩阵乘法运算方面的机器学习性能大幅提升，如果按照 AI 8bit dot-product 运算能力，比 Cortex-A53 提升 6 倍。
同时，得益于 ARM DynamlQ 单簇组合方式，Cortex-A75 与 Cortex-A55 可实现 1+3、1+7 或者 4 个大核、8 个小核的组合，多个 CPU 核芯以单簇的方式一起工作，可发挥更强大的性能，避免“1 核有难，7 核围观”的状况。紫光展锐 SC9863 采用的是 8 核 Cortex-A55 的组合方式，而高通骁龙 845 是 4 核 Cortex-A75 与 4 核 Cortex-A55 的组合方式。
SC9863 芯片平台的 AI 能力体现在支持基于深度神经网络的人脸识别技术，可实现快速精准的人脸认证；通过智能 AI 算法，实现实时智能场景检测识别、不同场景智能拍照增强、支持手机侧图库照片的智能识别与分类。但是，没有加入独立的神经处理单元，计算能力是否会出现折扣不得而知。
6、瑞芯微 RK3399
RK3399Pro 采用 big.LITTLE 大小核 CPU 架构，双核 Cortex-A72+四核 Cortex-A53+四核 ARM 高端 GPU Mali-T860，其集成的 NPU（神经网络处理器）融合了 Rockchip 在机器视觉、语音处理、深度学习等领域的多年经验。相较传统芯片，典型深度神经网络 Inception V3、ResNet34、VGG16 等模型在 RK3399Pro 芯片上的运行效果表现出众。
RK3399Pro 的 AI 特性有三点：
1）AI 硬件性能高，采用专有 AI 硬件设计，NPU 运算性能高达 2.4TOPs，高性能与低功耗指标均大幅领先：相较同类 NPU 芯片性能领先 150%；相较 GPU 作为 AI 运算单元的大型芯片方案，功耗不到其所需的 1%；
2）平台兼容性，RK3399Pro 的 NPU 支持 8bit 与 16bit 运算，能够兼容各类 AI 软件框架。现有 AI 接口支持 OpenVX 及 TensorFlowLite/AndroidNN API，AI 软件工具支持对 Caffe/TensorFlow 模型的导入及映射、优化；
3）完整方案易于开发，Rockchip 基于 RK3399Pro 芯片提供一站式 AI 解决方案，包括硬件参考设计及软件 SDK，可大幅提高全球开发者的 AI 产品研发速度，并极大缩短产品上市时间。
从以上六款带有 AI 功能的芯片来看，在架构上基本都是采用了多核模式，以八核为主；另外，关于 AI 运算，在原有 CPU、GPU 的基础上增加独立神经元计算处理单元成为主流趋势，这样可以实现 AI 运算加速，从而带来更好的用户体验；在应用方面，还是以手机的人脸识别、图像处理为主，未来随着 5G 的商用，在自动驾驶汽车中的应用也会逐渐增加。
从对比中可以看出，国产厂商和国内厂商各占一半，从高端到低端均有覆盖，在独立神经元计算单元的集成上，只有海思、苹果、联发科的产品上已经实现，其它几家厂商还在追赶。由于智能手机强烈的市场需求，因此 AI 普及起来更为顺畅，但是目前需要在人脸识别和图像处理的基础上探索更多可能的应用。
与非网原创内容，未经允许，不得转载！
