从移动芯片到终端计算：AI找回被放逐的常识

编者按：本文来自微信公众号 “脑极体”（ID：unity007） ，作者风辞远

不出所料，9 月 2 日的 IFA 2017 展会上华为正式发布了麒麟 970之后，全球首款移动AI芯片瞬间成为了行业内外热议的焦点。

除了麒麟970在算力、能效领域本身的提高外，此次更多的关注点集中在这款芯片搭载了全新的NPU（Neural Processing Unit，神经处理单元），从而获得了人工智能领域的运算与处理能力。

在大量的媒体报道与解读当中，都将麒麟970的移动AI芯片身份称作影响AI格局，甚至拉升中国整体AI影响力的大事。

但排除“中国领先”的民族情绪和相对空泛的战略思想，搭载NPU的移动芯片究竟能为用户和市场提供什么样的价值？

这是我们追问移动AI芯片的第一个问题：面对更高的成本，消费者将因何为AI买单？

我想，所有回答都应该开始于一个朴素的论断：麒麟970作为首款移动AI芯片，有可能让AI计算重回终端。

产业的虚幻之舞：云计算并非AI标配

这里所谓的“重回”，并不是说AI运行原本就在终端，而是在常识上讲，AI在学习能力、复杂任务处理能力、精准配合能力上的技术特征，都应该是发生在终端上的。但一直以来我们看到的AI计算，却基本由云端计算来提供。

这里涉及到的一个AI领域的现状，也是我们进一步解读麒麟970的基础。所以我们不妨停留一下，看看人工智能与其背后硬件间的关系。

我们知道，AI在众多层面上都呈现出了全新的运算关系：更趋近现实世界的运算目标、更复杂的算法以及分布式的任务处理方式，这都让传统的CPU难以负荷。一方面机器学习等AI任务需要更大的算力和能效，另一方面传统运算处理方式在进行AI任务的矩阵乘法等运算时指令步骤过多，也有点“驴唇不对马嘴”的意思——所以AI的工程化和实用化，必须要独立的硬件支撑。

提供高能效、高运算精准度和识别度的AI芯片与运算架构，近几年已经成为了行业巨头的共识。谷歌的TPU在AlphaGo上一战成名， 加入 Tensor Core 结构的英伟达 Tesla V100成为其股价上涨的兴奋剂，都是AI芯片给行业带来的美好回忆。

（体型确实不适合民用终端的Tesla V100）

但这些专注AI处理的芯片与硬件体系却有一个共同的特点：计算在云端完成。

各家如此默契的将AI芯片与云计算联系起来，售卖计算服务而不是硬件，内中当然有很复杂的原因。首先这一类为了特定应用与算法打造的芯片价值不菲，并且这些芯片集成了大量的固件，体积和重量都不小，也很难安装在终端当中，自然造成了商业化的可能极具降低。

除此之外，硬件与互联网巨头对于自身业务的把控也是终端AI计算迟迟不出现的原因之一。无论是谷歌还是英伟达、微软、高通，都致力于推广自身的云服务业务和平台化业务。缺少自身的硬件场景支持商业路径，芯片巨头当然更希望用户群来为自己的核心业务付费。

加上技术难度和对商业成本的控制，AI逐渐在人们认识里成为了一个由云计算完成的任务。但事实上，这只是技术把控者出于产业利益做出的行为。从常识角度来讲，云计算对AI价值巨大，但绝非AI的标准配置。

梦幻海滩和私人城堡：AI回归终端计算的价值逻辑

也许无人驾驶是一个理解云计算与端计算AI的最好示例：试想行驶中发生了以外，无人驾驶汽车必须紧急避险。这时假如AI需要将收集的道路和车辆信息上传云端，获得结果后再进行处置…恐怕黄花菜都凉了，所以必须在车辆的智能体内部完成数据收集和处理。

同样的道理，在手机中也是一样——甚至手机作为与生活的全连接场景，对终端运行AI的需求更加多元与基础化。

我们可以从内外两个层面来审视手机终端运算AI任务带给用户的价值。

从手机场景与应用的链接维度看，AI应用的价值目前体现在三个领域：视觉领域（图像、视频和VR/AR等）、语音领域（语音交互、翻译等），以及对用户的学习和理解。

可以想见，这三个领域不仅囊括了很多新应用价值产生的空间，也对现有主流应用构成了有效的延展与补充。根据数据显示，麒麟970当中，以台积电10nm工艺，集成了一个8核CPU，一个12核的GPU，以及控制摄像头的双ISP模块。此外最主要的就是处理AI任务的NPU模块。

在提供整合算力的基础上，其中CPU负责通用计算任务，GPU负责图形处理计算，而NPU则提供神经网络运算能力，解决需要卷积计算等运算方式的AI任务。换言之，明确的任务指向架构给AI应用提供了最大化的能效比配比与独立运算空间，虽然这样达成的运算效果较比云计算加持的AI芯片应该有较大差距，却给在终端上完成AI应用工程化提供了条件。

对于用户来说，独立的AI运算单元最有可能带来三个层面的应用感提升：

一、从无到有的AI应用：云端进行AI计算再传输到终端，很多时候不是计算效率的问题。而是一来一回的计算过程让应用本身卡顿严重，甚至无法达成使用条件。基于终端的AI计算则可以凭借能效和性能的提升带动AI应用从无到有。

根据发布数据，麒麟970的架构在处理同样的AI任务时，得到了50倍能效和25倍性能提升。比如图像识别速度可以达到2000张/分钟。更快的速度不仅是流畅性能的代表，更多是对AR、动态捕捉这类泛AI应用临界值的突破。虽然目前我们还无法预测麒麟970对应的具体应用案例，但应该有不少此前无法达成触发条件的应用在mate10等搭载机型上诞生。

二、现有应用的升级与延展：无论是微信这样的超级应用，还是今日头条这样的内容平台、美图这样的图片处理软件，都在打AI的牌。这或许说明通过AI来了解用户，提供针对服务和体验升级已经成为现有软件突破体验瓶颈的良方。

但由于手机环境的限制，社交、内容、图片处理，甚至游戏等应用都难以大量释放AI功能，因为没有对应的运算环境，可能造成大量能耗和流量浪费，从而出现过犹不及的局面。而终端运行的针对性AI计算能力，或许可以解决这些问题。语音、机器视觉和机器学习的延伸，在可预见范围中是很多已有手机功能进化的必经之路。

三、瞬时与无网体验加强：以拍照、图片处理、游戏为主的AI功能，在用户交互的逻辑上是完全的闭环。并且非常强调体验感与配合度，但假如这些领域的AI处理需要大量依靠云计算的话，那就会造成用户指令响应普遍需要延迟，但假如放弃AI又会造成功能上无法进步，很容易造成应用开发者的进退失据。

终端进行AI计算，最基本的特征是完成了无距离运算，可以在获得AI体验的同时避免延迟，也就让这类应用的体验度跟上了用户需求。另一方面，终端计算AI也可以避免在断网或者网络信号差的情况下AI功能失灵——试想一旦断网你的自拍就变丑了，那简直天理难容！

应用角度的价值之外，AI计算回归终端，对内也是对用户数据的保护。

我们知道，苹果的众多官司与纠纷，都来自用户数据大量上传云端造成的泄露。但siri等智能交互又必须依赖收集用户数据，造成了一个手机产业的悖论。而破解方式也很简单，不上传云端，本地完成处理用户数据就成了。

把AI运算放在终端内部，可以保证智能体学习用户、了解用户，并以训练数据生成独特体验的能力。同时也确保了用户数据与隐私始终存放在终端里，不会造成泄露和被暴力读取的可能。

如今的手机已经变成了强内容生产工具，用户可以以AI为助手完成各种各样的内容生产。这些内容上传云端始终不安全，也没有法律依据来支撑，所以就近在终端内部完成处理近乎是唯一的妥善方案。

从更终极的目标看，随着技术的升级，AI必然要从云端一步步回归终端。因为AI的本质是对人脑的仿生研发，追求极致化的神经元控制与最短距离反应。所以终端AI，或许可以说是人工智能从名到实的关键一步。

形象一点来说，AI计算回归终端就像构筑了一片海景别墅。对应用来说，接入了无限多风景的想象可能，让外界非常梦幻。对用户则构筑了更加严实的私密城堡，确保用户的安全与隐私不被侵犯。

反之，放任AI计算停留在云端的话，应用就像困在城堡里，画地为牢；而用户却像睡在海滩上，大敞遥开——反正都不是什么好的体验。

手机AI的未来在打破线性发展

近三年以来，手机领域的摩尔定律暂停和产业竞争同质化，成为了行业的主旋律之一。

学界的很多声音认为，手机更新换代速度的暂缓和产品天花板，似乎是因为智能手机被高度定式化了。手机厂商出于用户洞察和战略竞争考量，从硬件架构到运算体系都严密遵循一套体系，导致手机很难发生定义上的突破，也难有实质性的新能力出现。

这被称为智能手机的线性发展阶段，手机上的一切都按照固有领域前进，不能绕道也不能自创新路。而AI技术的出现则被广泛视定为智能手机打破线性发展的变量。但云计算驱动的手机AI应用面临着几个问题，比如产业线索太过冗长、技术坚壁带来的应用开发成本、手机环境缩紧了开发空间等等。在这个逻辑上讲，创造新的手机应用体验，必须以终端计算的支撑能力作为前提条件。

举个例子，此前谷歌用力推广，却最终饱受吐槽的AR应用Tango。其问题之一在于捕捉环境的错误率过高，相对复杂一些的画面场景就容易出错。而背后的原因在于硬件环境支撑能力不足，无法在复杂的算法与流畅的体验之间达成平衡。

在终端完成AR运算，可以获得更高的运算效率，并且凭借AI处理能力来取得更好的环境分析、动作分析和物理条件识别。在体验升级的同时，可交互的玩法想象也突然之间多了不少。实质性提升手机功能的体验是否就蕴藏其间，也是不好说的事。

总之，麒麟970作为移动AI芯片的价值在于打破开发者对固有手机部件的想象界限，从而绕开产业线性发展的死循环。

当然了，这个计划任重道远，而且需要众多力量和因素加入进来。

进化要素：移动AI芯片的生态丛林

我们看到，麒麟970发布时宣布未来将进一步开放生态，引入合作伙伴加入。实际上这可以说是未来控制AI手机生态的关键一环。毕竟现在仅仅能部署在高端产品中，且用户认知模糊的移动AI芯片，最迫切的需求是以手机应用性打开市场局面。

而这一切的基础，在于以多元化合作的方式，打造基于终端运算的手机AI生态。

这里要说明的是，所谓终端AI运算绝不可能单纯的发生在终端上。从麒麟970的性能上看，基于高性能计算的任务和算法依旧必须依靠云端。而二者协同组成结构化网络恐怕是手机AI最好的达成方式。

除了与云端协作，手机AI还必须打造出一套优质的OS生态，在接口和兼容度上迎接有创意、敢于打破常规的AI应用。并且要保证应用与硬件衔接，这都要求芯片在架构上有强大的兼容性和开放秩序。

当然，商业层面的合作也至关重要，如何促使已经形成定势的开发者转投华为带来的终端AI生态、如何达成国际化的开发群落，甚至如何与其他手机品牌组成共享机制，都将是制约未来手机AI发展的关键因素。

总之，麒麟970提供的终端AI计算能力并不是已经水到渠成。它的核心价值在于打破了不合理的产业规则，让“手机+AI”的命题回归到了被放逐多时的常识理性当中。而摆在移动AI芯片面前的，有充分的利润诱惑和产业变局空间，但同样有大量的未知因素与不确定性。

只能说，一切刚刚是开始。但面向普通用户的AI回归终端计算，确实是一条至关重要道路的开始。