這兩年，智能手機的功能越來越全面也越來越出色，并且已經足以取代一些以往和我們生活工作息息相關的事物，例如照相機、計算器、報紙、電視、收音機、遊戲掌機等等，更重要的是，它不僅僅是這些被取代的工具的集合，而是一個更智慧的整體，并正在學習如何像一個了解你的人一樣，在适當的時候提供幫助。實現這一點，有賴于AI人工智能技術的成熟以及在智能手機上的深入應用。

事實也是如此，AI在手機上的應用是這幾年的大趨勢，利用AI，智能手機在拍照、系統性能和功能、語音助手、多媒體内容處理等方面的表現都有了顯著的突破，特别是未來5G真正普及到智能手機終端時，AI強大的智慧處理能力配合高速率低時延的網絡，将發揮出巨大的能量。

話雖如此，AI在智能手機中究竟如何應用？其實還要歸結于芯片。人工智能，本質上是一種模拟人類大腦自然思考方式的算法，是算法就需要配合硬件的運算能力，一定程度上可以這麼說，AI運算能力越強的芯片，手機的智慧程度理論上就可以越高。

Inception V3、ResNet34都是深度學習神經網絡的訓練模型，其中Inception V3是Google開發的一個開源神經網絡模型，是Inception模型家族的一個版本，它是一種旨在設計具有優良局部拓撲結構網絡的模型算法；而ResNet 34（殘差網絡）是由微軟研究院四名華人提出的神經網絡模型，這種算法的特點是能夠解決深度學習網絡層數增加時帶來的退化問題。而MobilenetSSD是一種流形的目标檢測算法，目前在手機AI中有廣泛的應用，如圖像中的前景目标提取檢測等。而DEEPLABV3 是目前DeepLab中最新的、執行效果最好的語義圖像分割模型，通俗來講，可以理解為AI“摳圖”能力的判斷。

當然，IT之家在這裡隻是為大家做一個簡單的介紹，至于具體的算法，不是我們能夠理解的。但總的來說，它們的綜合結果是能夠代表一款AI芯片的算力的。

既然如此，那我們就來看看骁龍855移動平台何以成為目前最強的手機AI芯片了。

手機AI芯片的基本原理

在分析骁龍855移動平台之前，我們首先需要對上述不同的AI芯片做一個梳理，了解它們的不同，才能更深刻的理解骁龍855 AI能力的獨特之處。如果我們給他們分類，那麼可以分為兩類，一類是高通的移動平台，另一類是蘋果、聯發科和海思麒麟的AI芯片，分類的标準是有無采用專門的AI芯片核心。

在AI芯片領域有一個段子，說谷歌大腦項目用了1.6萬個CPU核跑了7天才完成貓臉識别。這個段子意在說明，面對AI運算，傳統的CPU和GPU單獨作戰的效率是十分低下的，如果用這麼慢的速度去處理AI運算，那是不可想象的，所以我們需要能夠專門進行神經網絡運算的核心，并讓這個核心和CPU以及GPU很好地結合在一起。這是最直接的想法，這個神經網絡運算單元也就是NPU。

神經網絡算法和傳統的整數、浮點運算不同，它是一種“教”設備如何識别事物的算法，所以CPU或GPU很難搞定——但是，計算機的運算，歸結到最基礎的運算機制，都是相通的，所以，這裡說CPU或GPU很難搞定，并不是說他們搞定不了，運算是能運算的，就是速度太慢了。針對這個問題這裡有兩個辦法，一是讓NPU負責神經網絡運算，像蘋果、聯發科以及海思麒麟的解決方案那樣，二是讓CPU、GPU運行神經網絡算法的效率高起來。

高通骁龍855移動平台采用的就是第二個路子。具體怎麼做呢？調用不同的内核做異構運算，所謂“人多力量大”。

那麼調用哪些内核做異構運算呢？答案就是CPU、GPU和DSP（Hexagon處理器），這三種核心分别擅長不同的運算，CPU擅長邏輯控制與串行運算，GPU擅長大規模的并行運算，在浮點運算、并行計算等方面的性能可以說是CPU的數十倍乃至上百倍，Hexagon處理器擅長多線程與平行運算，而DSP中的Hexagon張量加速器特别擅長高開銷等級的矩陣乘法運算。而深度學習算法需要融合傳統的高性能串行計算和新興的并行運算，在智能手機這種移動終端中也包含大規模的乘法運算，所以高通骁龍這種異構運算的思路其實也是很契合深度學習的運算需求的。特别是Hexagon向量處理器的引入，其設計之初就是針對異構運算的場景，并且非常擅長在低功耗下處理聲音、圖像增強功能以及高級攝像頭和傳感器信号處理等涉及向量數學的應用工作負載。

所以，協調好CPU、GPU和DSP（Hexagon處理器）的工作内容，讓他們在各司其職、各行其長的基礎上通力合作，不僅解決了單一核心不擅長神經網絡運算的問題，還能起到1 1 1>3的效果。他們之間可謂形成了一個團隊，彼此親密無間，擅長溝通，有凝聚力，這個團隊，高通給它取了個名字，就叫人工智能引擎AI Engine。這樣的方法更加高效——畢竟，如果将所有的神經網絡運算都交給NPU，那麼NPU本身其實也需要不斷和CPU、GPU交流，這樣反而不是那麼直接。

骁龍855第四代AI Engine，除了性能，也有生态

想要AI Engine整體AI算力強大，首先這個“團隊”中的每一個個體性能要強大。事實上，在骁龍855移動平台中，已經是第四代AI Engine了。早在2015年，高通在骁龍820處理器上就已經正式集成了第一代人工智能引擎，當時叫Zeroth；2017年初，第二代人工智能引擎也随着骁龍835的發布而問世；2018年，随着骁龍845移動平台發布，高通第三代人工智能引擎AI Engine問世，這一代人工智能引擎中，高通開始引入CPU、GPU和DSP的異構并行計算，接着，就是骁龍855移動平台集成的第四代AI Engine了。

第四代AI Engine中，CPU采用的是全新Kryo 485 CPU，為台積電7nm制程工藝采用1 3 4的64位架構設計，核心性能相比上一代Kryo 385提升45%，也是近兩年骁龍移動平台CPU提升幅度最大的一次；GPU為Adreno 640 GPU，相較于骁龍845的Adreno 630有着20%的性能提升，同時有着業内領先的每瓦特能效表現；還有Hexagon 690處理器，包含全新設計的Hexagon張量加速器和4個Hexagon向量擴展内核（HVX），内核數量與上一代産品相比翻倍，使它擁有前代旗艦産品向量擴展核心2倍的性能，此外還增加了四線程标量内核，擁有相較于上一代1.2倍的标量運算性能。骁龍855集成的第四代AI Engine充分利用骁龍的異構多核可編程架構，讓三個性能大戶通力合作，實現了AI性能較前代旗艦移動平台3倍的提升，相較于競品的AI能力有2倍的提升，讓整體芯片進行AI運算時更加靈活、高效。

不過，對于消費者來說，隻有芯片的AI性能強還不夠，我們也要考慮實際應用中，芯片背後的生态支撐，某種程度上這與芯片性能一樣重要。

生态支撐我們分兩方面看，第一是高通自身的産品布局，其實從開頭魯大師的排行榜上已經能看出，除了旗艦級的骁龍855，其他高通骁龍AI芯片占了6席，這充分說明了高通人工智能引擎AI Engine在芯片産品線布局上是全面的，在中端芯片市場布局上就有着顯著的優勢。事實上，高通骁龍SoC的AI能力布局是全面覆蓋高端、中端和入門級的，從下面這張圖就可以看出，高通AI Engine全面的産品覆蓋能力是形成AI應用生态的基礎。

有了産品，然後還需要能夠應用在終端上，事實上，高通AI Engine從底層框架（Caffe等）到軟件（SDK等）以及硬件核心（CPU、GPU、DSP）向外輻射，聯合不同的軟硬件合作夥伴，已經能夠将AI特性作用于智能手機、平闆、電腦、汽車、可穿戴設備等海量終端上。以智能手機來說，目前包括小米、一加、vivo、OPPO、摩托羅拉、華碩、中興、努比亞在内的諸多主流終端廠商都已經用上高通AI Engine。

最後，在AI軟件層面以及雲服務層面，高通也和不同領域的行業夥伴有着廣泛深入的合作，這些合作覆蓋拍照、視頻拍攝、音頻識别、增強現實、遊戲、汽車等各種AI應用領域。舉例來說，去年高通就和網易有道合作，聚焦于終端AR性能的提升，利用AI Engine，在部分骁龍移動平台上加速有道實景AR翻譯功能；今年還和vivo以及騰訊針對遊戲《王者榮耀》進行了AI優化合作，在搭載骁龍855移動平台的vivoiQOO手機上，借助高通第四代AI Engine，将移動遊戲的AI推理能力首次大規模從雲端遷移至終端側，從而讓玩家擁有更好的遊戲用戶體驗。

再舉一些例子，高通還通過AI Engine為騰訊QQ應用加速，并合作推出了手機QQ的“高能舞室”功能，讓手機AI捕捉的人體動作更加精準；他們還和百度在PaddlePaddle框架和終端側語音識别方面進行合作，利用AI Engine并通過ONNX交換格式，推動實現百度PaddlePaddle開源深度學習框架模型在高通骁龍移動平台的轉換與應用。此外，高通還利用AI Engine和阿裡巴巴在支付方面開展合作，更與微軟合作基于機器學習的聯網攝像頭解決方案。

諸如此類的例子不勝枚舉，當然，這不僅僅在于數量的多少，而是從這些多元化的合作中能夠看出，高通正在以AI Engine為核心建立廣泛深入的骁龍AI應用生态，讓人們的生活在AI Engine的幫助下更加便捷。

總結

其實說到這裡，IT之家小編覺得，将目光放到未來，AI芯片真正的競争力，或許已經不會局限在是否采用專用的AI運算核心了。性能固然重要，但是能夠真正在即将到來的AI時代叱咤風雲的，一定是能夠形成廣泛、深入的生态效應的玩家。

這樣全面的AI應用生态，或許才是高通AI Engine所展望的。