2018年，AI幾乎充斥了我們的生活，如果見朋友不聊點和AI相關的話題，似乎自己就與這個時代脫節了，近期高通驍龍855的發布再次把AI的關注度推向了高潮，從權威統計機構的預測來看，2018年全球AI市場規模預計為1．2萬億美元，到2022年有望達到3．9萬億美元。AI勢不可擋的發展勢頭讓各大科技公司不得不一擁而上，不管是做芯片還是做產品，統統都要和AI掛鉤，大有“得AI者得天下”之勢。AI已經在各個領域開始滲透，光AI音箱這一種亞馬遜、天貓、小米就打得不可開交，其它智能電子產品更是不勝枚舉，當然，這都不是今天的重點，今天我主要想談的是AI芯片，今年推出的這些AI芯片看看哪些比較靠譜。
目前，筆者知曉的AI芯片有驍龍855、麒麟980、蘋果A12、聯發科P60、紫光展銳SC9863A和瑞芯微RK3399Pro，誰強誰弱先拉出來比一比：
1、驍龍855：張量加速器不等于獨立NPU
驍龍855采用臺積電7nm工藝制程，CPU為Kryo485（超級內核基于A76定制主頻2．84GHz、性能內核主頻2．42GHz、效率內核主頻1．8GHz，1＋3＋4架構）；GPU為Adreno640，與前代產品相比，渲染速度提升20％，支持Vulkan1．1／HDR／PBR。
驍龍855
在AI性能方面，驍龍855加入新的張量加速器（TensorAccelerator），專門負責AI，組成第四代AI引擎。可以實現每秒超過7萬億次運算（7TOPs），AI性能比驍龍845提高了3倍，比蘋果A12每秒5萬億次運算（5TOPs）也高出不少。
高通的DSP數字信號處理器升級為最新的Hexagon690，具備四線程標量內核，性能提升20％，四個向量擴展核心（HVX），性能提升1倍，另外一個重要的改進是引入了張量加速器（HTA），自主設計，專為AI而設，支持多元數學運算、非線性方程、INT16／INT8與混合精度整數運算，大幅提升了機器學習算法的性能和能效。結合HexagonDSP、新的張量加速器，再借助更強的GPU和CPU完成終端側神經網絡運算，所有單元綜合實現了專有的、可編程的AI加速。
但是，值得注意的是，驍龍855并沒有配置獨立NPU單元，其AI運算需要協調CPU、DSP、GPU等處理器單元，如果應用場景復雜，恰巧占用了這些處理單元，AI運算就要排隊等候。也就是，其他公司的芯片的人工智能算力是獨立算力，高通的AI運算是綜合算力。
2、麒麟980： 配置雙NPU
麒麟980采用7nm工藝制程，基于ARM的A76架構，主頻是2．6GHz，八核心分別是2×A76（超大核）＋2×A76（大核）＋4×A55（小核），其中A76四個核心上采用了智能調度機制。相對于傳統的大小核兩檔位設計，麒麟980讓CPU在重載、中載、輕載場景下靈活適配。
在AI配置上，麒麟970搭載了一個NPU（神經處理單元），其專門負責AI運算，在大幅提高手機AI性能的同時降低了AI任務功耗。麒麟980則配置了兩個NPU，因此在ResNet－50圖像識別測試中得到了4500張每分鐘的成績。整體來看，相較于麒麟970，麒麟980的CPU性能提升75％，能效提升58％，內置的10核GPU Mali－G76讓性能密度號稱提升30％，能效提升30％。
3、蘋果A12：搭載8核神經網絡引擎
A12采用7nm技術，內部有69億個晶體管，采用六核CPU設計，相比A11處理器，其中兩個大核心性能提速15％、功耗降低了40％，四個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％，并強化了對AR混合現實的支持，支持曲面細分、無損內存壓縮和實時多層渲染功能，AR性能獲得大幅度提升。
關于AI性能，蘋果A12還搭載了八核神經網絡引擎，其運算速度達每秒5萬億次，遠超A11的每秒六千萬次，可以更獨立機器學習，支持多精度，智能計算系統。同時，蘋果還將神經網絡引擎開放給 Core ML 平臺，開發者可將機器學習技術應用到自己的 app 中，讓學習過程在用戶的 iPhone 上進行。提升了Siri易用性、使A12芯片的機器學習能力相比之前能夠提升9倍，而能耗則降低到原來的十分之一。
4、聯發科Helio P60
聯發科Helio P60采用ARM Cortex A73和A53大小核架構，采用八核心大小核（big．LITTLE）架構，內建四顆ARM A73 2．0 Ghz處理器與四顆ARM A53 2．0 Ghz處理器。相較于上一代產品P23與P30，CPU及GPU性能均提升70％。采用12nm FinFET制程工藝，功耗表現得到很大提升，整體效能提升12％，執行大型游戲時的功耗降低25％，大幅延長手機電池的使用時間。
關于AI配置，聯發科在P60中引入了AI單元APU，在P60中采用了三核ISP＋雙核APU的架構，性能提升兩倍。ISP＋APU的多核圖像處理單元除了提供硬件加速之外，還能夠提供多線程的處理能力，這使得對于圖片處理能力和速度大幅提升。包括自動對焦、白平衡以及高規格HDR在內等反映的速度更快。此外，APU的引入以及聯發科提供的平臺化的策略，也更有利于開放給合作伙伴以及第三方進行拍照的后處理，定制更多的拍照算法。應該說AI的引入，使得P60的硬件性能進一步得到釋放。與此同時，AI所帶來的軟件層面的超級算力也將帶來諸如人臉、語音識別等功能的進一步增強。
5、紫光展銳SC9863
紫光展銳SC9863主打AI牌，被稱為8核AI芯片，支持CAT－7，采用Arm Cortex－A55處理器架構的SoC芯片平臺，在Cortex－A55人工智能的基礎上，進行了應用開發。Cortex－A75與Cortex－A55均采用Arm DynamlQ技術打造，而DynamlQ融入了AI神經網絡技術。相比前代Cortex－A53，Cortex－A55 NEON進行了流水線改進與新增機器學習指令，讓其在矩陣乘法運算方面的機器學習性能大幅提升，如果按照AI 8bit dot－product運算能力，比Cortex－A53提升6倍。
同時，得益于ARM DynamlQ單簇組合方式，Cortex－A75與Cortex－A55可實現1＋3、1＋7或者4個大核、8個小核的組合，多個CPU核芯以單簇的方式一起工作，可發揮更強大的性能，避免“1核有難，7核圍觀”的狀況。紫光展銳SC9863采用的是8核Cortex－A55的組合方式，而高通驍龍845是4核Cortex－A75與4核Cortex－A55的組合方式。
SC9863芯片平臺的AI能力體現在支持基于深度神經網絡的人臉識別技術，可實現快速精準的人臉認證；通過智能AI算法，實現實時智能場景檢測識別、不同場景智能拍照增強、支持手機側圖庫照片的智能識別與分類。但是，沒有加入獨立的神經處理單元，計算能力是否會出現折扣不得而知。
6、瑞芯微RK3399
RK3399Pro采用big．LITTLE大小核CPU架構，雙核Cortex－A72＋四核Cortex－A53＋四核ARM高端GPU Mali－T860，其集成的NPU（神經網絡處理器）融合了Rockchip在機器視覺、語音處理、深度學習等領域的多年經驗。相較傳統芯片，典型深度神經網絡Inception V3、ResNet34、VGG16等模型在RK3399Pro芯片上的運行效果表現出眾。
RK3399Pro的AI特性有三點：
1）AI硬件性能高，采用專有AI硬件設計，NPU運算性能高達2．4TOPs，高性能與低功耗指標均大幅領先：相較同類NPU芯片性能領先150％；相較GPU作為AI運算單元的大型芯片方案，功耗不到其所需的1％；
2）平臺兼容性，RK3399Pro的NPU支持8bit與16bit運算，能夠兼容各類AI軟件框架。現有AI接口支持OpenVX及TensorFlowLite／AndroidNN API，AI軟件工具支持對Caffe／TensorFlow模型的導入及映射、優化；
3）完整方案易于開發，Rockchip基于RK3399Pro芯片提供一站式AI解決方案，包括硬件參考設計及軟件SDK，可大幅提高全球開發者的AI產品研發速度，并極大縮短產品上市時間。
從以上六款帶有AI功能的芯片來看，在架構上基本都是采用了多核模式，以八核為主；另外，關于AI運算，在原有CPU、GPU的基礎上增加獨立神經元計算處理單元成為主流趨勢，這樣可以實現AI運算加速，從而帶來更好的用戶體驗；在應用方面，還是以手機的人臉識別、圖像處理為主，未來隨著5G的商用，在自動駕駛汽車中的應用也會逐漸增加。
從對比中可以看出，國產廠商和國內廠商各占一半，從高端到低端均有覆蓋，在獨立神經元計算單元的集成上，只有海思、蘋果、聯發科的產品上已經實現，其它幾家廠商還在追趕。由于智能手機強烈的市場需求，因此AI普及起來更為順暢，但是目前需要在人臉識別和圖像處理的基礎上探索更多可能的應用。