2017年， 當我們將智慧手機的競爭聚焦在全面屏上的時候， 其實另一產軍備競爭已經悄然上演。 而這一次的競爭將會是史詩級的， 它的波及範圍會超過所有人的預料， 這就是人工智慧在手機圈的悄然崛起。
華為麒麟970的NPU（神經網路處理器）、蘋果的A11 Bionic（仿生學晶片）以及高通的“面向AI和沉浸體驗的全新架構”的驍龍845等， 都將競爭聚焦在AI方面， 以期改變未來。
雖然2018年剛剛開始， 但手機圈的競爭早就開始升級， AI將是新品領域的絕對焦點。
回顧近兩年智慧手機市場， 白熱化的競爭中， 整個手機市場接近飽和， 智慧手機的增長幾乎可觸摸到天花板。 在這樣的大環境下， 技術上的創新和突破是手機行業變革趨勢中必可避免的方向。
那麼問題是， 到底該往哪個方向走？
當前， 新技術的成熟應用早就讓智慧手機的概念發生了改變， 也模糊了智能和手機的邊界。 過去， 手機就是打電話發資訊， 僅僅是説明我們實現人與人的聯繫與基本交流。 而現在， 隨著人工智慧水準的提升， 智慧手機已經可以通過自動學習過程， 通過以往的使用經驗資料， 主動為我們提供服務。 它已經能夠在某種程度上理解人的語言， 你可以跟它進行簡單的人機對話。
今天， 我們仍然處在移動互聯網時代下， 智慧手機等智慧終端機設備仍是人和人之間聯網的介質， 人與智慧終端機之間的連接仍然以被動的輸入為主。 但是， 當人工智慧由弱變強的時候， 智慧手機等終端產品獲得智慧的能力後， 革命性的變化不可避免。
不過，
隨著人工智慧的快速發展和功能延伸，
原有的晶片系統平臺並不能滿足所有使用場景上的深度學習和自主計算能力。
而人工智慧的發展，
計算能力是基礎，
所以，
華為、蘋果、高通等才會進入人工智慧晶片領域，
以此為基礎，
自下而上的建立生態體系。
目前的深度學習領域， 要經歷訓練和執行兩個階段才能把神經網路投入到實際的應用中。 訓練階段可以理解為通過大量的資料登錄， 要求其通過不斷的資料學習， 訓練出深度神經網路模型。 這需要相當龐大的訓練資料和複雜的深度神經網路結構， 對計算能力的要求極高。
華為麒麟970， 針對訓練階段專門設置了NPU硬體晶片。 這個NPU含有多達1.5億個電晶體， 可保證其在處理靜態神經網路模型方面具有更快、更高效的優勢。
另外據華為介紹， 麒麟970 中NPU的加入， 並不會增加處理器的尺寸和成本， 這就意味著NPU可以大面積的應用到其他智慧硬體產品中， 尤其是智慧手機等， 這將對SOC設計產生巨大的影響。 而且，NPU的加入還可以幫助CPU完成大量推理運算的任務，在提高晶片整體運算效率的同時達到節省功耗的目標。
高通發佈的驍龍845平臺，也在強化AI演算法的能力，不過，它並沒有獨立的AI運算單元，而是採用了一種異構方案，依靠傳統的DSP、ISP等特定場景的處理器。
為此，高通專門研發了一套NPE系統，用於管理人工智慧語言、架構、演算法等，然後再根據CPU、GPU、DSP三種晶片進行任務分配，完成不同場景下的人工智慧需求。
不過，相比華為麒麟970 和蘋果A11的獨立NPU處理方式，驍龍845在運算數理上並沒有任何優勢，它只能針對特定的場景，提供一些弱人工智慧的應用。而目前的情況是，人工智慧的場景越來越豐富，要做到及時高效的任務處理就必須有獨立的NPU。這也是為什麼華為和蘋果都採用獨立NPU的原因。事實上，採用麒麟970的華為Mate10甚至能以17-33fps即時處理智慧手機攝像頭拍攝的視頻內容，可見優勢明顯。
當然，只有硬體還是遠不夠的。高通雖然沒有獨立訓練各種場景AI模型的打算，但正在建立驍龍AI開發者生態系統。針對高通的DSP處理器開發簡單應用的SDK，與AI相關的企業和學校等社會管道進行合作。
華為與蘋果，都在積極拓展智慧硬體產品，打造全場景的智慧生活體驗。尤其華為Mate10、榮耀V10等諸多人工智慧手機產品的推出，實現智慧場景識別、系統智慧調度、智慧相冊等等新應用。
前些時間，華為與百度的合作，雙方基於華為HiAI平臺和百度PaddlePaddle深度學習框架，發揮華為NPU的優勢，就在於鞏固AI技術和應用方面。隨著協力廠商APP開發者使用NPU，其人工智慧使用場景將在圖像、語音辨識等方面得到無限的拓展和加強。
人工智慧的前景和爆發力已經是公認的，它具有改變未來的巨大力量，對全社會和各個商業體系都有著與日俱增的影響力。而人工智慧晶片領域的發展與競爭，將加速整個產業鏈的縱向和橫向延伸。
然而人工智慧還剛開始，儘管各大巨頭都在盡其所能的依靠技術優勢搶跑。但未來的市場是萬億級別的，晶片市場的需求將是空前的，誰會取代誰，這一點尚難判斷，但可以肯定的是，整個行業將會隨之推向一個全新的世界。
而且，NPU的加入還可以幫助CPU完成大量推理運算的任務，在提高晶片整體運算效率的同時達到節省功耗的目標。
高通發佈的驍龍845平臺，也在強化AI演算法的能力，不過，它並沒有獨立的AI運算單元，而是採用了一種異構方案，依靠傳統的DSP、ISP等特定場景的處理器。
為此，高通專門研發了一套NPE系統，用於管理人工智慧語言、架構、演算法等，然後再根據CPU、GPU、DSP三種晶片進行任務分配，完成不同場景下的人工智慧需求。
不過，相比華為麒麟970 和蘋果A11的獨立NPU處理方式，驍龍845在運算數理上並沒有任何優勢，它只能針對特定的場景，提供一些弱人工智慧的應用。而目前的情況是，人工智慧的場景越來越豐富，要做到及時高效的任務處理就必須有獨立的NPU。這也是為什麼華為和蘋果都採用獨立NPU的原因。事實上，採用麒麟970的華為Mate10甚至能以17-33fps即時處理智慧手機攝像頭拍攝的視頻內容，可見優勢明顯。
當然，只有硬體還是遠不夠的。高通雖然沒有獨立訓練各種場景AI模型的打算，但正在建立驍龍AI開發者生態系統。針對高通的DSP處理器開發簡單應用的SDK，與AI相關的企業和學校等社會管道進行合作。
華為與蘋果，都在積極拓展智慧硬體產品，打造全場景的智慧生活體驗。尤其華為Mate10、榮耀V10等諸多人工智慧手機產品的推出，實現智慧場景識別、系統智慧調度、智慧相冊等等新應用。
前些時間，華為與百度的合作，雙方基於華為HiAI平臺和百度PaddlePaddle深度學習框架，發揮華為NPU的優勢，就在於鞏固AI技術和應用方面。隨著協力廠商APP開發者使用NPU，其人工智慧使用場景將在圖像、語音辨識等方面得到無限的拓展和加強。
人工智慧的前景和爆發力已經是公認的，它具有改變未來的巨大力量，對全社會和各個商業體系都有著與日俱增的影響力。而人工智慧晶片領域的發展與競爭，將加速整個產業鏈的縱向和橫向延伸。
然而人工智慧還剛開始，儘管各大巨頭都在盡其所能的依靠技術優勢搶跑。但未來的市場是萬億級別的，晶片市場的需求將是空前的，誰會取代誰，這一點尚難判斷，但可以肯定的是，整個行業將會隨之推向一個全新的世界。