看過今年的秋季蘋果發(fā)布會(huì)，都會(huì)被蘋果A11仿生處理器的性能吸引。從技術(shù)層面來說，A11仿生處理器內(nèi)含的“神經(jīng)網(wǎng)絡(luò)引擎（neuralengine）”是其AI功能實(shí)現(xiàn)的基礎(chǔ)，盡管目前還沒有更加詳盡的官方技術(shù)解析發(fā)布，但根據(jù)已知的信息來看，“神經(jīng)網(wǎng)絡(luò)引擎（neuralengine）”就是將部分需要實(shí)時(shí)響應(yīng)的“人工智能”相關(guān)功能（如語音識(shí)別、人臉識(shí)別等等）進(jìn)行加速，讓其在手機(jī)端達(dá)成高效的計(jì)算，進(jìn)而提升“人工智能”相關(guān)功能的用戶體驗(yàn)，呈現(xiàn)出更高等級(jí)的“人工智能”功能。

通過AI技術(shù)加持后的立體人臉識(shí)別安全性遠(yuǎn)比圖片人臉識(shí)別高得多

那問題來了，決定人工智能等級(jí)的基本要素是什么呢？其實(shí)就是計(jì)算的能力。2006年，“深度學(xué)習(xí)”的出現(xiàn)，成為人工智能再度爆發(fā)式成長的關(guān)鍵，正因?yàn)椤吧疃葘W(xué)習(xí)”的出現(xiàn)，人工智能技術(shù)終于有了實(shí)用價(jià)值，不再是簡(jiǎn)單的概念。

然而，“深度學(xué)習(xí)”之所以在2006年出現(xiàn)突破，與云計(jì)算、大數(shù)據(jù)的日趨成熟密不可分，這兩項(xiàng)技術(shù)，前者解決了“深度學(xué)習(xí)”所需的“廉價(jià)”高效計(jì)算能力，后者解決了“深度學(xué)習(xí)”所需的大規(guī)模的學(xué)習(xí)模型。兩者的出現(xiàn)，將原本不實(shí)用的人工智能技術(shù)成功落地，也就意味著，大數(shù)據(jù)與云計(jì)算成為了人工智能發(fā)展道路上不可或缺的角色。

什么是云計(jì)算？什么又是大數(shù)據(jù)？

如果，你只是想了解蘋果處理器的部分，可以下跳到下一個(gè)小標(biāo)題。這一部分只是一個(gè)知識(shí)的普及，目的在于為后面說明設(shè)備端計(jì)算能力的作用進(jìn)行簡(jiǎn)單的鋪墊。

聽了那么多年的云計(jì)算與大數(shù)據(jù)，很多人其實(shí)并不以為然，因?yàn)橄M(fèi)者層面確實(shí)難以直接接觸到這兩個(gè)概念，但它們確實(shí)在漸漸改變消費(fèi)者的生活模式。

云計(jì)算

云計(jì)算是通過使計(jì)算分布在大量的分布式計(jì)算機(jī)上，而非本地計(jì)算機(jī)或遠(yuǎn)程服務(wù)器中，企業(yè)數(shù)據(jù)中心的運(yùn)行將與互聯(lián)網(wǎng)更相似。這使得企業(yè)能夠?qū)①Y源切換到需要的應(yīng)用上，根據(jù)需求訪問計(jì)算機(jī)和存儲(chǔ)系統(tǒng)。好比是從古老的單臺(tái)發(fā)電機(jī)模式轉(zhuǎn)向了電廠集中供電的模式。它意味著計(jì)算能力也可以作為一種商品進(jìn)行流通，就像煤氣、水電一樣，取用方便，費(fèi)用低廉。最大的不同在于，它是通過互聯(lián)網(wǎng)進(jìn)行傳輸?shù)摹?/p>

云計(jì)算帶來了“廉價(jià)”的高速計(jì)算

大數(shù)據(jù)

對(duì)于“大數(shù)據(jù)”（Big data）研究機(jī)構(gòu)Gartner給出了這樣的定義?！按髷?shù)據(jù)”是需要新處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)。

大數(shù)據(jù)技術(shù)的戰(zhàn)略意義不在于掌握龐大的數(shù)據(jù)信息，而在于對(duì)這些含有意義的數(shù)據(jù)進(jìn)行專業(yè)化處理。換而言之，如果把大數(shù)據(jù)比作一種產(chǎn)業(yè)，那么這種產(chǎn)業(yè)實(shí)現(xiàn)盈利的關(guān)鍵，在于提高對(duì)數(shù)據(jù)的“加工能力”，通過“加工”實(shí)現(xiàn)數(shù)據(jù)的“增值”。

大數(shù)據(jù)時(shí)代

從技術(shù)上看,大數(shù)據(jù)與云計(jì)算的關(guān)系就像一枚硬幣的正反面一樣密不可分。大數(shù)據(jù)必然無法用單臺(tái)的計(jì)算機(jī)進(jìn)行處理,必須采用分布式計(jì)算架構(gòu)。它的特色在于對(duì)海量數(shù)據(jù)的挖掘,但它必須依托云計(jì)算的分布式處理、分布式數(shù)據(jù)庫、云存儲(chǔ)和虛擬化技術(shù)。

簡(jiǎn)而言之，云計(jì)算為大數(shù)據(jù)的“加工”提供了加工環(huán)境，而大數(shù)據(jù)的“加工”也成為“深度學(xué)習(xí)”的基礎(chǔ)。云計(jì)算與大數(shù)據(jù)的融合與發(fā)展，為人工智能及相關(guān)技術(shù)的落地提供了更高的可行性解決方案。

云計(jì)算與大數(shù)據(jù)發(fā)展迅速，設(shè)備端的計(jì)算能力是否還重要？

既然，人工智能相關(guān)技術(shù)的運(yùn)用當(dāng)中，云計(jì)算等新興的大數(shù)據(jù)計(jì)算方式成為了主流，那是不是意味著設(shè)備端的計(jì)算能力可以忽略不計(jì)呢？目前的科技發(fā)展進(jìn)度來看，答案就仍然是否定的。

不可否認(rèn)，云計(jì)算帶來了更加廉價(jià)的高效計(jì)算，但相對(duì)而言，云計(jì)算的響應(yīng)速度想要實(shí)現(xiàn)實(shí)時(shí)傳輸以及瞬間回應(yīng)，網(wǎng)絡(luò)的傳輸速度成為了目前最主要的問題。

以現(xiàn)已廣泛商用的4G網(wǎng)絡(luò)為例，傳輸速度為20Mbps，理想狀態(tài)下，最高傳速度可按照100Mbps計(jì)算。這樣的速度，設(shè)備端將收集到的數(shù)據(jù)傳回后端（數(shù)據(jù)中心或云端），再經(jīng)過計(jì)算將結(jié)果傳回設(shè)備端的整體時(shí)間消耗，便與數(shù)據(jù)的大小有直接聯(lián)系。如果需要實(shí)現(xiàn)0延遲的回復(fù)，數(shù)據(jù)大小僅能為1M。然而，對(duì)于人工智能相關(guān)技術(shù)而言，生成的數(shù)據(jù)遠(yuǎn)比1MB大得多，這部分?jǐn)?shù)據(jù)的大小難以用當(dāng)前的網(wǎng)絡(luò)傳輸速度實(shí)現(xiàn)秒傳，這樣就使結(jié)果返回到設(shè)備端的過程出現(xiàn)極大的延遲，降低用戶體驗(yàn)還是其次，往往會(huì)為用戶帶來人身威脅。所以，設(shè)備端本地的高效計(jì)算能力，就能幫助數(shù)據(jù)分析類的人工智能功能更好實(shí)現(xiàn)實(shí)時(shí)響應(yīng)。

自動(dòng)駕駛車輛為周圍環(huán)境繪制地圖

自動(dòng)駕駛車輛行駛中的路況判斷顯然本地計(jì)算更具優(yōu)勢(shì)

例如自動(dòng)駕駛場(chǎng)景下，汽車便可被看做是設(shè)備端，當(dāng)設(shè)備端（汽車）在高速移動(dòng)中，實(shí)時(shí)收集到道路信息，并對(duì)這部分?jǐn)?shù)據(jù)加以分析與判斷。顯然以目前的網(wǎng)絡(luò)配置，在本地進(jìn)行計(jì)算才是最快的選擇。如果傳回云端或數(shù)據(jù)中心，分析后再給出結(jié)果，很可能令正高速行駛在路面上的車輛由于網(wǎng)絡(luò)延遲而發(fā)生事故，這是很可怕的！失去效率的人工智能看起來也就沒有那么智能了！這是一種本末倒置的表現(xiàn)。因此，設(shè)備端的高效計(jì)算處理器與加速器都是必不可少的硬件配置。也正因此，英偉達(dá)、英特爾等芯片廠商，都努力在自動(dòng)駕駛領(lǐng)域?qū)ふ页雎贰?/p>

以蘋果為代表的設(shè)備端AI加速器成為技術(shù)發(fā)展初期標(biāo)配

回到智能手機(jī)場(chǎng)景也如是一樣。今年，以華為、蘋果為代表的手機(jī)廠商，也都采用了各自獨(dú)家研發(fā)的所謂“AI處理器”來為更多的人工智能相關(guān)技術(shù)在手機(jī)端的落地奠定基礎(chǔ)。

蘋果A11仿生處理器的六核心設(shè)計(jì)

以蘋果A11仿生處理器為例，首先，為保證基本的運(yùn)算能力，A11 CPU采用了六核心的設(shè)計(jì)，即2個(gè)高性能核心搭配4個(gè)高能效核心，并且高性能核心運(yùn)算速度提升了25%，高能效核心速度提升了70%；其次，自家研發(fā)的GPU的能力也得到了提升，進(jìn)而保證了圖形處理的運(yùn)算速度。對(duì)電腦有所了解的朋友想必都知道，CPU更加擅長數(shù)據(jù)類信息的運(yùn)算，而GPU則更適合圖像、視頻類數(shù)據(jù)的運(yùn)算，人工智能相關(guān)技術(shù)所需計(jì)算的數(shù)據(jù)，并非單純的只有數(shù)據(jù)類信息，所以，提升GPU的運(yùn)算能力，一方面可為手機(jī)帶來更好的顯示效果，另一方面也提升了手機(jī)設(shè)備對(duì)于圖型類信息的處理速度，進(jìn)而提升整體數(shù)據(jù)的運(yùn)算能力；最后，“神經(jīng)網(wǎng)絡(luò)引擎（neuralengine）”的解決方案，進(jìn)一步為人工智能功能的落地提供助力。簡(jiǎn)而言之，“神經(jīng)網(wǎng)絡(luò)引擎（neuralengine）”就是一個(gè)專門用于為人工智能（包括語音助手、人臉識(shí)別、物體識(shí)別等等）服務(wù)的加速器。這類加速器在設(shè)備端的應(yīng)用原理起源于人工智能基礎(chǔ)算法的人工神經(jīng)網(wǎng)絡(luò)，加速器的出現(xiàn)，一方面解決了CPU在運(yùn)算人工智能數(shù)據(jù)時(shí)性能的不足，也消除了GPU進(jìn)行人工智能數(shù)據(jù)計(jì)算時(shí)的巨大功耗，可謂是目前較為合理的解決方案。

蘋果自主研發(fā)的GPU

除蘋果外，資料顯示，華為發(fā)布的麒麟970似乎也是采用了這樣的設(shè)計(jì)。目前看來，在人工智能初級(jí)的探索階段，讓人工智能相關(guān)技術(shù)得以落地的消費(fèi)級(jí)電子產(chǎn)品（手機(jī)、PC、汽車等）均可采用“神經(jīng)網(wǎng)絡(luò)引擎（neuralengine）”的模式來保證人工智能相關(guān)功能的數(shù)據(jù)可以在設(shè)備本地直接進(jìn)行計(jì)算，進(jìn)而保證人工智能相關(guān)功能的效率得到很好的提升，增強(qiáng)其實(shí)用性，為消費(fèi)者帶來“真·智能”的智慧用戶體驗(yàn)。

人臉識(shí)別功能應(yīng)用場(chǎng)景之一

至于未來

蘋果通過人工智能技術(shù)實(shí)現(xiàn)的動(dòng)態(tài)表情

至于未來會(huì)怎樣有點(diǎn)難以想象，不過筆者認(rèn)為，當(dāng)5G網(wǎng)絡(luò)得到成功商用，將會(huì)令大數(shù)據(jù)、云計(jì)算的能力進(jìn)一步提升，繼而“深度學(xué)習(xí)”等人工智能應(yīng)用場(chǎng)景也更好的被網(wǎng)絡(luò)串聯(lián)。但即使這樣，一些較為簡(jiǎn)單的人工智能功能的實(shí)現(xiàn)，在設(shè)備端本地進(jìn)行計(jì)算還是一個(gè)不錯(cuò)的選擇。畢竟，這樣即可減輕后端運(yùn)算的壓力，又可有效利用前端的資源，進(jìn)而讓人工智能相關(guān)技術(shù)落地的體驗(yàn)達(dá)到最佳，迎來真正的人工智能時(shí)代！

生成海報(bào)

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(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)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(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。