隨著華為旗艦機型Mate 10即將發(fā)布，科技媒體紛紛爆料，華為Mate10將首次在智能手機歷史上，搭載一顆人工智能芯片。其實早在華為半年業(yè)績發(fā)布會上，華為余承東就透露，預(yù)計將在今年秋季推出人工智能芯片，而根據(jù)目前最新的消息，這顆人工智能芯片極有可能就是搭載在麒麟970之中的寒武紀芯片。

當(dāng)然，目前Mate 10的最終規(guī)格還沒發(fā)布，具體還要期待10月16日的慕尼黑發(fā)布會，上述消息僅是我們的合理猜測。如果屬實的話，意味著Mate 10將成為全球首款具備人工智能芯片的機型，這將會為業(yè)界帶來怎樣的沖擊？畢竟智能手機自喬布斯后，再無革命性的范式進步。

這無疑是一個有趣而又重要的問題，本文接下來將看看寒武紀芯片的前世今生，實際上這顆芯片更為精確地說，是一款深度網(wǎng)絡(luò)加速芯片，其本身并無夢幻的AI技能，而其加速功能，又究竟能在何種場景上帶來逆天的變化？

寒武紀芯片是何方神圣？

根據(jù)目前最新消息，麒麟970極有可能通過IP授權(quán)的方式搭載寒武紀人工智能芯片，本文這里先解釋一下IP授權(quán)這一概念。目前無論是高通驍龍還是海思麒麟，都不是嚴格意義上的純CPU芯片，而是一塊SoC（System-on-chip）芯片。所謂的SoC即芯片上集成了若干不同的功能模塊。以高通驍龍801為例，801上除了四核Krait 400 CPU外，還集成了Adreno 330 GPU、Snapdragon Camera相機圖像信號處理器、藍牙、GPS、WIFI以及視頻音頻編解碼等模塊，上面的每一個這些模塊通常都是SoC廠商上游的技術(shù)提供商通過IP（intellectual property，知識產(chǎn)權(quán)）提供授權(quán)，當(dāng)然這樣做的好處是技術(shù)提供商可專注于IP方案設(shè)計，而芯片封裝工作可交由高通等SoC商負責(zé)，這樣雙方揚長避短，共同加速芯片的上市及更新迭代速度。

麒麟970上搭載的寒武紀IP，主要用于深度神經(jīng)網(wǎng)絡(luò)（DNN）中的復(fù)雜計算，而深度神經(jīng)網(wǎng)絡(luò)正是目前人工智能技術(shù)的半壁江山，這樣一來麒麟970將成為全球首款具備人工智能處理能力的SoC芯片。當(dāng)然目前寒武紀這家公司對于大眾來說還十分陌生，這里先對寒武紀進行簡單的介紹。

寒武紀科技（Cambricon）是中科院計算所孵化的一家獨角獸公司，2016年推出的寒武紀1A處理器（Cambricon-1A）是世界首款商用深度學(xué)習(xí)專用處理器，面向智能手機、安防監(jiān)控、可穿戴設(shè)備、無人機和智能駕駛等各類終端設(shè)備，最近獲得了包括阿里在內(nèi)的1億美元A輪融資。這家成立于2016年的AI芯片公司以火箭般的速度發(fā)展，據(jù)寒武紀稱，其在2016年已經(jīng)實現(xiàn)了盈利并獲得1億元量級的營收。而華為與寒武紀的合作，很可能是因為華為與中科院計算所長久以來不菲的合作關(guān)系，早在2011年，華為就與中科院計算所成立了“中科院計算所-華為聯(lián)合實驗室”。

當(dāng)然打鐵還得自身硬，寒武紀科技創(chuàng)始人陳天石教授是人工智能硬件加速的早期倡導(dǎo)者，連谷歌在其萬眾矚目的人工智能芯片TPU的論文之中，全文共引用了寒武紀團隊成員發(fā)表的6篇論文，在全球人工智能公司中，能享受到谷歌如此待遇恐怕實屬鳳毛麟角。

而對于華為而言，在產(chǎn)品中具備這樣一個中國完全自主知識產(chǎn)權(quán)的人工智能芯片IP，或許更加是一項營銷利器。

AI芯片將為手機帶來何種計算能力？

大家還記得去年火爆的俄羅斯修圖應(yīng)用Prisma嗎？

Prisma使用了深度神經(jīng)網(wǎng)絡(luò)來獲取著名繪畫大師和主要流派的藝術(shù)風(fēng)格，然后對用戶的照片進行智能風(fēng)格轉(zhuǎn)化，一張普通的照片通過Prisma能變成具備令人驚嘆藝術(shù)效果的作品，下面是一組示例：

從技術(shù)原理上說，Prisma使用了GAN對抗生成網(wǎng)絡(luò)，是一款典型的基于深度網(wǎng)絡(luò)的人工智能應(yīng)用。但用過Prisma的人都知道其實際體驗并不是非常友好，在最初的時候，用戶首先要上傳待修的圖片到Prisma服務(wù)器上，經(jīng)過一段時間才能夠下載修好的作品。但隨著Prisma的火爆，用戶云端等待時間越來越長，國內(nèi)用戶更是要忍受連接到俄羅斯服務(wù)器的爆高網(wǎng)絡(luò)延遲。盡管后來Prisma實現(xiàn)了本地計算，但其速度仍然比較緩慢，部分風(fēng)格濾鏡需要計算10秒以上才能完成圖片轉(zhuǎn)換，當(dāng)然相比此前只能依賴云端計算，其體驗已經(jīng)有所進步，但與美圖等主流修圖應(yīng)用的修圖速度仍然無法相比。

Prisma上述這些體驗的不完美，其主要原因是深度神經(jīng)網(wǎng)絡(luò)的執(zhí)行需要大量的計算。一般而言，建立一款如Prisma的人工智能應(yīng)用，需要通過訓(xùn)練（training）和推斷（inference）兩個過程：訓(xùn)練是通過大量的數(shù)據(jù)輸入，或采取增強學(xué)習(xí)等非監(jiān)督學(xué)習(xí)方法，訓(xùn)練出一個神經(jīng)網(wǎng)絡(luò)模型，如對于Prisma來說，在訓(xùn)練過程中神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)了大量的繪畫風(fēng)格。一旦訓(xùn)練完成，即可使用由訓(xùn)練確定的權(quán)值進行計算，如Prisma中通過訓(xùn)練好的網(wǎng)絡(luò)改變圖像風(fēng)格，這個應(yīng)用的過程被稱為推斷（inference）。

由于深度神經(jīng)網(wǎng)絡(luò)本身的特征，在推斷過程中往往需要大量的權(quán)重計算，這在服務(wù)器端通常沒什么問題，但一旦放在手機等設(shè)備上就有點捉襟見肘了。如Prisma的手機本地端計算，雖然通過大量優(yōu)化顯著降低了模型的復(fù)雜度（當(dāng)然這樣做的直接后果就是效果變差了），但對于手機CPU來說仍然負荷很大。

這樣一來問題就擺出來了，如果要讓手機掌握更多的人工智能應(yīng)用，需要讓手機具備強大的計算能力做inference，否則用戶體驗難以保障，但摩爾定律畢竟放在哪，CPU本身目前難以具備如此的計算能力，這就是深度神經(jīng)網(wǎng)絡(luò)在手機等各種嵌入式設(shè)備上的應(yīng)用難題。

這時候，深度網(wǎng)絡(luò)加速芯片應(yīng)運而生了。

深度網(wǎng)絡(luò)加速芯片是怎么一回事？在深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用過程中，人們發(fā)現(xiàn)實際上復(fù)雜的神經(jīng)網(wǎng)絡(luò)架構(gòu)中計算量通常都集中在少量的計算類型上，比如矩陣運算，如果設(shè)計一款專門優(yōu)化的硬件芯片從事這些繁重的計算，正如當(dāng)年CPU對復(fù)雜的圖像運算力不從心，催生了GPU的出現(xiàn)，豈不是把問題給解決了？

業(yè)界確實是這樣做的，如谷歌自家推出的深度網(wǎng)絡(luò)加速芯片TPU，定義了十幾個專門為神經(jīng)網(wǎng)絡(luò)推理而設(shè)計的高級指令，比如矩陣運算、計算激活函數(shù)、讀取/寫入內(nèi)存等，相比用CPU進行相同的計算，TPU的功耗效率（performance/Watt， 每耗電1瓦的性能）比CPU高出80倍，下圖列出的是谷歌TPU部分核心的高級指令。

這時候，大家是不是想起了比特幣礦機中的ASIC（專用集成電路）呢？沒錯，深度網(wǎng)絡(luò)加速芯片也是一款A(yù)SIC，只不過比特幣的ASIC只能進行哈希運算，深度網(wǎng)絡(luò)加速芯片則定位于承載若干種深度網(wǎng)絡(luò)的常用計算。

而華為Mate 10即將搭配的寒武紀芯片，也正是這樣的一款深度網(wǎng)絡(luò)加速芯片。由于目前寒武紀芯片尚未正式公布，其真實性能情況無從知曉，但從寒武紀科技自家去年在計算機架構(gòu)頂級會議ISCA上發(fā)布的論文《Cambricon: An Instruction Set Architecture for Neural Networks》中，我們就能夠管中窺豹。論文中提及了寒武紀（Cambricon）是一款面向于目前神經(jīng)網(wǎng)絡(luò)技術(shù)，集成了常量運算、向量運算、矩陣運算、邏輯運算、數(shù)據(jù)轉(zhuǎn)換以及控制指令等功能的深度神經(jīng)網(wǎng)絡(luò)加速芯片架構(gòu)（…..we propose a novel domain-specific Instruction Set Architecture (ISA) for NN accelerators, called Cambricon, which is a load-store architecture that integrates scalar, vector, matrix, logical, data transfer, and control instructions, based on a comprehensive analysis of existing NN techniques.），其主要定位是解決深度神經(jīng)網(wǎng)絡(luò)中推斷（inference）所涉及的復(fù)雜計算問題。

到此為止，華為Mate 10上的麒麟970芯片，所搭載的人工智能模塊就相當(dāng)清晰了：與其說它是一塊人工智能芯片，更準確地說是一塊深度網(wǎng)絡(luò)加速芯片，主要用于加速人工智能中深度神經(jīng)網(wǎng)絡(luò)所帶來的復(fù)雜計算。

若真如此，華為粉絲們的熱切期待恐怕會失望了，麒麟970本身不會帶來任何夢幻的智能，而是賦予了手機本身處理深度神經(jīng)網(wǎng)絡(luò)中前所未有的計算能力，讓如Prisma等需要跑在深度神經(jīng)網(wǎng)絡(luò)上的應(yīng)用能夠有革命性的體驗。

智能手機邁向智慧手機：場景為王

麒麟970上的深度網(wǎng)絡(luò)加速模塊，如果要為業(yè)界帶來沖擊的話，我認為首先是讓大家深入思考，在手機等移動設(shè)備中加入深度網(wǎng)絡(luò)硬件加速，是否是一個未來的趨勢？消費者是否愿意為這塊芯片買單？當(dāng)然這個問題是很顯淺的，其核心在于是否能為消費者帶來有價值的應(yīng)用場景。

深度神經(jīng)網(wǎng)絡(luò)作為人工智能目前的半壁江山，其在智能語音、計算機視覺中有廣泛的應(yīng)用，前者典型的應(yīng)用如Siri等智能語音助手，以及基于此目前火爆得不能再火的智能音箱；而后者在消費端莫過于各種類似Prisma的修圖應(yīng)用。

通過深度神經(jīng)網(wǎng)絡(luò)，能實現(xiàn)圖像編輯的智能化。比如以往需要大量用戶手工操作的瘦臉、美顏、瘦腰、拉長腿，通過深度神經(jīng)網(wǎng)絡(luò)的加持，用戶可以如使用Prisma的體驗一般，智能化搞定全部。當(dāng)然圖像智能編輯是目前計算機視覺中的熱門應(yīng)用，未來期待還有更多夢幻的應(yīng)用出現(xiàn)。

對于很有可能搭載寒武紀的Mate 10，這里大膽猜測一句，其廣告語會是“智能攝影大師”嗎（笑）？

圖像識別是另外一個應(yīng)用點，比如，用戶在手機中標準了一張人臉后（比如同事A），通過圖像識別，手機能把圖庫中所有含有同事A的照片都篩選出來，這個運算在當(dāng)前的智能手機上會非常緩慢，但有了深度網(wǎng)絡(luò)加速芯片后變得可能。

語音識別是深度網(wǎng)絡(luò)的另外一個核心應(yīng)用，目前我們都知道，Siri、出門問問等語音助手都需要在聯(lián)網(wǎng)的狀態(tài)下才能使用，原因是語音識別的inference放在了云端處理，而同樣通過深度網(wǎng)絡(luò)加速芯片，或許能實現(xiàn)手機本底端的識別，即在無網(wǎng)絡(luò)的情況下，依然能使用智能語音助手實現(xiàn)有限度的應(yīng)用，比如讓助手找出通訊錄中符合條件的某個人。

當(dāng)然，站在市場營銷層面，有很多實際上并不需要深度網(wǎng)絡(luò)加速芯片去加速的應(yīng)用，都可以通過混淆概念的方式納入消費者的想象之中，比如拿起手機亮屏、在漆黑的環(huán)境中自動打開手電等。

然而我們客觀地說，目前智能手機上需要使用到深度網(wǎng)絡(luò)加速芯片去加速的應(yīng)用，并不能算很多，其中真正能算是有效需求的更加寥寥無幾。在安防攝像頭、無人機、自動駕駛汽車中融合人工智能專用芯片無疑是未來的清晰趨勢，畢竟如無人駕駛汽車中，我們不能指望使用云端的方式去做inference，畢竟網(wǎng)絡(luò)一旦出現(xiàn)問題，難道放任汽車撞樹上？但智能手機這個充分競爭的領(lǐng)域，任何功能的革新都需要經(jīng)過市場的長期考驗，而其中的關(guān)鍵還是在于場景。

而這次極有可能搭載了深度網(wǎng)絡(luò)加速芯片的Mate 10，將會為我們帶來什么尚未想象到的場景？或許這點，才是我們真正需要熱切期待的。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。