一文讀懂AI專(zhuān)核的“身份”

　　AI專(zhuān)核是跨越還是幻想?

　　用一個(gè)“專(zhuān)核”來(lái)處理AI場(chǎng)景并非沒(méi)有缺陷，比如功能單一、開(kāi)發(fā)時(shí)間長(cháng)、增加芯片的成本、占據手機空間，大概也是高通沒(méi)有選擇這種解決方案的原因。

　　不過(guò)要判斷AI專(zhuān)核是超前的跨越還是無(wú)用的幻想，只需要來(lái)對比幾個(gè)實(shí)際的使用場(chǎng)景。

　　以時(shí)下應用最廣泛的AI人臉識別為例，這是一個(gè)“掃描檢測”和“結果判斷”的過(guò)程，需要在掃描過(guò)程中判斷五官坐標定位、人臉屬性識別、人臉特征提取等，然后在判斷時(shí)根據人臉特征、人臉識別、活體驗證等進(jìn)行比對。人臉識別并非是純算法方面的事情，還需要涉及到CPU、GPU、VPU、DLA 等多個(gè)運算單元。

　　有媒體做過(guò)這樣一個(gè)對比測試，分別是搭載聯(lián)發(fā)科Helio P60、高通驍龍845和驍龍710的智能手機進(jìn)行人臉識別，前者搭載了AI專(zhuān)核，后兩者采用了軟件優(yōu)化的解決方案，最終人臉識別速度分別是316.5ms、687.5ms和950ms。同樣都定位在中端處理器，聯(lián)發(fā)科HelioP60的人臉識別速度碾壓了驍龍710，甚至比驍龍845還要節約近一半的時(shí)間，AI專(zhuān)核的優(yōu)勢可見(jiàn)一斑。

　　為何會(huì )出現如此懸殊的差距?人臉識別的過(guò)程需要攝像頭先識別出人臉，無(wú)論是光線(xiàn)陰暗或者面朝別處，然后精準判斷臉部的特征點(diǎn)，比如眼睛多大、臉有多長(cháng)，與已知樣本進(jìn)行比較，確定這個(gè)人是誰(shuí)。整個(gè)過(guò)程中需要極高的算力支撐，擁有AI專(zhuān)核的HelioP60自然比CPU、GPU兼職處理的芯片更高效，哪怕是旗艦級的驍龍845。

　　在A(yíng)I專(zhuān)核上嘗到了甜頭后，聯(lián)發(fā)科在HelioP70中繼續升級了AI專(zhuān)核，AI處理能力相比于上一代提升了30%，支持更復雜的AI應用，例如人體姿態(tài)識別、 AI 視頻編碼、照片實(shí)時(shí)美化、場(chǎng)景檢測、 AR 功能等等。

　　舉個(gè)例子來(lái)說(shuō)，當一位美妝博主進(jìn)行直播的時(shí)候，HelioP70的一個(gè) APU(聯(lián)發(fā)科為AI專(zhuān)核的命名)可以進(jìn)行人臉偵測、實(shí)時(shí)美顏，另一個(gè) APU 同時(shí)在做 HDR 處理以及背景虛化。如果是驍龍845的解決方案，單個(gè)DSP需要完成人臉檢測、畫(huà)面分割、背景虛化、HDR處理、多幀合成等流程，速度上的差異由此而生。

　　再比如在拍照方面，一張高動(dòng)態(tài)范圍的HDR圖需要三張12bit的RAW照片合成，然后通過(guò)ISP來(lái)輸出最佳優(yōu)化的照片。從拍照到照片輸出是一個(gè)極短的時(shí)間，對運算量有著(zhù)很大的要求，也往往會(huì )造成2-3秒的延時(shí)。但HelioP70的雙核APU可以雙線(xiàn)程并行加速，不到1秒的時(shí)間就可以完成照片優(yōu)化，比單個(gè)DSP的處理效率更高。

　　不只是聯(lián)發(fā)科，華為也在麒麟980的發(fā)布會(huì )上不吝筆墨地展示了雙核NPU在A(yíng)I方面的優(yōu)勢，集中體現在圖像和視頻的處理上。比如說(shuō)在物體的識別上，從以前識別到輪廓，到現在識別到細節;在實(shí)時(shí)的物體分割上，從過(guò)去略微粗放的場(chǎng)景劃分，到現在的精細劃分。同時(shí)麒麟980還允許實(shí)時(shí)“跟蹤”多個(gè)對象，每分鐘圖像識別達到4500張，還支持在視頻中“換背景”。

　　此外，AI專(zhuān)核的另一大優(yōu)勢恐怕就是在續航上，至少蘋(píng)果、華為、聯(lián)發(fā)科都急于證明，并且集中在兩個(gè)維度上：

　　一方面AI專(zhuān)核的價(jià)值在于與CPU、GPU進(jìn)行協(xié)同分工，CPU和GPU過(guò)多的任務(wù)堆疊只會(huì )虛耗電量、提高溫度，比如雖然驍龍845的性能很強勁，在A(yíng)I拍照的時(shí)候仍然會(huì )有輕微的發(fā)熱情況，諸如HelioP70等搭載AI專(zhuān)核的產(chǎn)品并不存在這個(gè)問(wèn)題;

　　另一方面在A(yíng)I專(zhuān)核的協(xié)同下，可以對用戶(hù)行為進(jìn)行學(xué)習，進(jìn)而對用戶(hù)的使用場(chǎng)景進(jìn)行預測，然后進(jìn)行合理的性能分配。好比說(shuō)當你在游戲時(shí)讓CPU高效運算，而當你在看電子書(shū)時(shí)避免性能浪費。

　　寫(xiě)在最后

　　聯(lián)想到我們的實(shí)際生活，前兩年對圖像處理的需要還局限在美顏上，現在的短視頻、直播已經(jīng)對手機的AI性能表現出了更高的需求，聯(lián)發(fā)科的AI專(zhuān)核正是為此而生。

　　可以斷定的是，聯(lián)發(fā)科、華為等通過(guò)AI專(zhuān)核或類(lèi)似的理念來(lái)提升芯片的AI能力，無(wú)疑押對了移動(dòng)芯片的未來(lái)方向，可能在兩三年后AI專(zhuān)核將是手機芯片不可或缺的組成，也期待這些芯片大廠(chǎng)們在A(yíng)I專(zhuān)核上不斷角力，不斷創(chuàng )新，不斷突破。