蘋果的晶片開發和機器學習有什麼關係呢？

蘋果利用自己在硬體和軟體方面的控制力，築起了護城河。

蘋果前高管吉恩·路易士·蓋斯（Jean-Louis Gassée）日前發表了一篇名為蘋果晶片和機器學習文章，其中分析了 WWDC 晶片、蘋果 AR/ML/AI 以及蘋果晶片開發之間可能存在的聯繫。

全文如下：

上周的 WWDC 大會上，蘋果一反往年的慣例，發佈重要軟體更新的同時，也發佈了多款硬體產品。今天就讓我們來看看蘋果的晶片設計團隊和他們剛發佈的增強現實和機器學習應用開發工具之間的潛在聯繫。

2013 年 9 月蘋果發佈首款 64 位 A7 處理器時，

行業一片譁然。一名曾經是英特爾公司高管，如今在某家成立已久的矽谷風險投資機構任職的人透露，當年英特爾的競爭分析小組對蘋果公司開發64位元晶片的事情毫不知情。

其實蘋果的 64 位元晶片亮相時，蘋果的競爭對手和英特爾還是不屑一顧的，後來他們卻震驚了：因為蘋果不僅僅是在移動晶片的競爭中迎頭趕上，超過了他們，蘋果還利用自己在硬體和軟體方面的控制力，

築起了一道沃倫·巴菲特稱為“寬闊的護城河”的防線。

“古時候城堡四周都會建起護城河，以保護城堡安全。因為護城河寬，敵人渡河攻城的難度就越高。所以護城河越寬闊，城堡的防禦性能就越強。”

現在行業已經承認蘋果擁有了最強的晶片設計團隊，

如果不是最強，至少也已經是最強之一。蘋果公司最近已經挖來高通工程副總裁伊辛·特齊奧格魯(Esin Terzioglu)擔任無線“片上系統”團隊負責人。如今隨著蘋果旗下的智慧手機和平板電腦——硬體和軟體——都變成64位元設備，蘋果的護城河也正式落成，它的影響力不亞于穀歌在搜索領域的影響力，也像曾經Wintel 在行業那般無懈可擊。

我想蘋果現在應該在建築另外一道護城河，

這次是圍繞增強現實、機器視覺和機器學習領域來建設的。

上周的 WWDC 上蘋果發佈了 ARKit，這個程式設計框架將支持開發者在他們的應用中整合增強現實功能。蘋果的介紹視頻也非常引人入勝：小孩的房間變成了“虛擬故事書”，一款已經應用支持用戶將虛擬傢俱放到他們現實生活的起居室裡。

很多觀察者都指出，在可支援AR的設備方面，蘋果已經擁有了最大的安裝基數。

雖然 Android 用戶的人數多於 iPhone 和 iPad 使用者人數，可是 Android 軟體和硬體卻不是互相匹配的。Android 這座城堡的護城河是支離破碎的。目前僅有 7% Android 智慧手機運行該作業系統的最新版，而 86% 在用 iPhone 都已經運行 iOS 10，相比之下這個資料自然是要讓蘋果喜笑顏開了。

蘋果還推出了 CoreML，這個應用框架支援將“訓練模式”整合到協力廠商應用中。和 ARKit 不同，蘋果並沒有關於 CoreML 的演示視頻。蘋果軟體主管兼高級副總裁 Craig Federighi 介紹說，Core ML 的核心是加速在 iPhone、iPad、Apple Watch 上的人工智慧任務，支援深度神經網路、迴圈神經網路、卷積神經網路、支援向量機、樹集成、線性模型等。在架構方面，CoreML 就是成熟的機器視覺和自然語音處理應用的基礎（如下圖）：

我們知道這些都將基於 iPhone 和 iPad 運行的 A 處理器上。可是此前彭博社還爆料稱，蘋果正在開發專門晶片，以支援設備的人工智慧特性。

在一台設備中，除了主晶片之外，還有一塊輔助晶片，這樣的設計是很常見的。這塊輔助晶片專門處理一組特定的操作。這類晶片中最早出現的是浮點處理器。科學和技術應用中的高精度浮點運算通常會給CPU造成很大壓力，從而影響到設備的速度。有了輔助的浮點處理器之後，這類運算就可以卸載給這類處理器來處理，以確保設備的運行速度。

接下來出現的就是 GPU 圖形處理器單元，專門負責圖形操作、類比和遊戲。圖形密集應用的流行以及用戶對快速回應、無延遲互動的回應的需求，現在 GPU 已經是 PC、平板和智慧手機中非常常見的一個部分。英偉達等公司也因為推出一系列高性能 GPU 而名利雙收。

GPU 硬體資源就盡可能快的速度專門處理一些任務，給CPU 減負。如此，設備才變得越來越強。就像軌道車雖然速度快，但是不如道路車輛方便，所以也不適合在所有道路和城市使用。

目前一些金融機構就是在嘗試有這種性能的 GPU 的機器。這種機器中有幾百個 GPU，它可以即時執行複雜的預測模式，給他們創造交易優勢。

因為需要運行複雜的卷積神經網路和相關 ML/AL 計算，所以很多企業也想到了類似的解決方案。谷歌自主設計了張量處理單元（Tensor Processing Unit：簡稱 TPU），以更好支援旗下的 TensorFlow 演算法。

回到我們在上文說到的蘋果 AI 晶片傳言，這是一個來自彭博社的爆料，可靠度相對比較高。這款被稱為 Apple Neural Engine （蘋果神經引擎）的晶片倒是挺符合蘋果為軟體設計硬體的傳統，也應了艾倫·凱（Alan Kay）的那句話：對軟體認真的人應該自己設計硬體。

綜合蘋果在 WWDC 大會上發佈的與 AR\ML 相關的產品，以及 ANE 晶片傳聞，我認為蘋果現在就是進一步鞏固它們的護城河，強化他們的結構競爭優勢。

Core ML 的核心是加速在 iPhone、iPad、Apple Watch 上的人工智慧任務，支援深度神經網路、迴圈神經網路、卷積神經網路、支援向量機、樹集成、線性模型等。在架構方面，CoreML 就是成熟的機器視覺和自然語音處理應用的基礎（如下圖）：

我們知道這些都將基於 iPhone 和 iPad 運行的 A 處理器上。可是此前彭博社還爆料稱，蘋果正在開發專門晶片，以支援設備的人工智慧特性。

在一台設備中，除了主晶片之外，還有一塊輔助晶片，這樣的設計是很常見的。這塊輔助晶片專門處理一組特定的操作。這類晶片中最早出現的是浮點處理器。科學和技術應用中的高精度浮點運算通常會給CPU造成很大壓力，從而影響到設備的速度。有了輔助的浮點處理器之後，這類運算就可以卸載給這類處理器來處理，以確保設備的運行速度。

接下來出現的就是 GPU 圖形處理器單元，專門負責圖形操作、類比和遊戲。圖形密集應用的流行以及用戶對快速回應、無延遲互動的回應的需求，現在 GPU 已經是 PC、平板和智慧手機中非常常見的一個部分。英偉達等公司也因為推出一系列高性能 GPU 而名利雙收。

GPU 硬體資源就盡可能快的速度專門處理一些任務，給CPU 減負。如此，設備才變得越來越強。就像軌道車雖然速度快，但是不如道路車輛方便，所以也不適合在所有道路和城市使用。

目前一些金融機構就是在嘗試有這種性能的 GPU 的機器。這種機器中有幾百個 GPU，它可以即時執行複雜的預測模式，給他們創造交易優勢。

因為需要運行複雜的卷積神經網路和相關 ML/AL 計算，所以很多企業也想到了類似的解決方案。谷歌自主設計了張量處理單元（Tensor Processing Unit：簡稱 TPU），以更好支援旗下的 TensorFlow 演算法。

回到我們在上文說到的蘋果 AI 晶片傳言，這是一個來自彭博社的爆料，可靠度相對比較高。這款被稱為 Apple Neural Engine （蘋果神經引擎）的晶片倒是挺符合蘋果為軟體設計硬體的傳統，也應了艾倫·凱（Alan Kay）的那句話：對軟體認真的人應該自己設計硬體。

綜合蘋果在 WWDC 大會上發佈的與 AR\ML 相關的產品，以及 ANE 晶片傳聞，我認為蘋果現在就是進一步鞏固它們的護城河，強化他們的結構競爭優勢。