尽管苹果(apple)和三星(samsung)都拥有自主开发的应用处理器，在高阶的智能手机市场形成一定的门坎；但是，联发科技(mediatek)最近在全球移动通信大会(mwc)上推出最新的曦力(helio) p60芯片组，期望藉由移动ai应用重振其智能手机市场。yyaeetc正是因为人脸识别技术公司的迅猛发展，所以给行业也带来了新的契机。
联发科的计划是重新进军直接与高通展开竞争的中、高阶智能手机市场。yyaeetc
联发科将helio p60视为“首款内建多核心人工智能(ai)处理器(移动apu)和联发科neuropilot ai技术的新一代智能手机soc平台。”yyaeetc
此举突显了智能手机市场竞争焦点的重大转变——开始转移至移动ai。各家芯片供应商正竞相将神经网络引擎用于手持设备上。他们的目标很简单，希望启用人工智能体验——语音用户接口(ui)、人脸解锁、增强现实(ar)等——在客户端设备上处理得更快、更好，无论有没有网络连接。yyaeetc
the linley group资深分析师mike demler说：“光是去年我们就看到第一批搭载嵌入式神经引擎的智能手机处理器，这些几乎都是旗舰级的处理器，例如apple all、华为麒麟(huawei) kirin 970、高通(qualcomm)骁龙(snapdragon) 835以及联发科的helio x30等。”yyaeetc
demler表示：“联发科将在更低层添加神经引擎的作法并不令人意外，但有意思的是，他们打算采用较其旗舰产品x30更强大的核心来实现。”yyaeetc
换句话说，一个主要由中国手机制造商推动的中阶智能手机供应商社群，开始显得蠢蠢欲动。他们尽快出击移动ai市场。yyaeetc
联发科将其所谓的“新高阶”(new premium)定义为“以中等价格提供优质性能与特性的设备”。联发科全球销售总经理finbarr moynihan解释：“这是当今智能手机的动向，包括oppo、vivo与联想(lenovo)等中到高阶业者都渴望能地缩小其与顶级竞争对手的差距，希望在应用程序(app)、特性与ai方面取得重大进展。”yyaeetc
联发科指出，2017年全球智能手机出货量的48%来自中国oem，主要针对新兴市场。联发科引用trendforce的报告指出，2017年中阶消费品牌大幅成长，小米(xiaomi)智能手机的产量增幅高达76%，而transsion、oppo和vivo也有显著的成长。yyaeetc
helio p60在八核心cpu中配备4个arm a73处理器和4个arm a53处理器。联发科声称，由于采用big.little八核心设计，helio p60的cpu性能较其前代产品helio p23和hleio p30提升了70%。藉由使用最高800mhz的新型mali g72 gpu，p60还可将gpu性能提高70%。yyaeetc
神经网络引擎yyaeetc
然而，helio p60之所以特别之处在于其内建neuropilot ai平台，桥接cpu、gpu与板载ai加速器。联发科的ai架构藉由在soc中协调cpu、gpu与ai加速器之间的运算负载，以管理异质的ai运算架构，并使得性能与能效最大化。yyaeetc
联发科并证实，p60的ai加速器中整合了cadence vision p6核心。cadence vision p6（来源：cadenceyyaeetc
相较于联发科技旗舰级helio x30——采用cadence vision p5实现每秒70 gmac的高性能，helio p60每秒可处理280 gmac。demler表示：“因此，p60的整体处理器性能仅降低一个等级，神经引擎性能则提高了4倍。”yyaeetc
相较于helio p60神经网络引擎的性能，demler说：“华为麒麟970可达到?1 tmacs(fp16)，因而能以更高分辨率实现较p60更高4倍的神经网络性能。在280 gmacs时，p60可媲美apple a11的300gmacs性能。”yyaeetc
缺乏ai基准yyaeetc
然而，我们所咨询的大多数分析师都同意，由于缺乏深度学习加速器的基准，在进行比较时几乎没有什么意义。demler称此为“一个重大的开放问题”，并指称这一移动ai的困境让我们很容易就陷入“gopstops的市场炒作之战”。yyaeetc
tirias research首席分析师jim mcgregor表示赞同。他说：“这是一个令人困惑的话题，因为目前并没有什么细节和基准可参考。联发科和其他使得这些ai解决方案听起来就像可以完成任何事情一样，但这一切通常并不真实。”yyaeetc
例如，demler说，联发科p60中使用的cadence vision p6核心的优化主要针对计算机视觉应用，而非通用神经网络。yyaeetc
mcgregor解释，“首先，你必须了解大多数的ai处理器，例如联发科、apple和华为称其解决方案为'专用'的意思——这意味着他们使用单个ip区块进行ai加速。在大多数情况下，这表示从cadence或ceva等其他业者取得授权的ip区块。” mcgregor指出，这种ip区块“支持有限的可配置神经网络”，但是“没人会确切地说出这些限制是什么。”yyaeetc
因此，很显然地，在应用处理器内部放置神经网络引擎并不是最后的任务。mcgregor指出，开发和训练新的神经网络，仍然需要在数据中心进行，他们必须依赖更多高精确度、强大的训练处理器。yyaeetc
如果应用开发人员和oem要利用智能手机应用程序处理器内部的神经引擎，他们就需要一个连接至底层硬件的软件架构。根据demler的观察，“所有主要的移动处理器设计商(高通、联发科、华为、apple)都提供神经网络sdk。”但他们都需要支持像caffe和torch这样的广泛训练架构。yyaeetc
以联发科而言，moynihan指出，该提供了neuropilot ai sdk架构，能让app开发人员和oem“直接下探至硬件，看看ai软件如何在cpu、gpu和专用ai加速器上运行”。yyaeetc
同时，随着google为android机器学习开发了android nnapi和运行引擎，app开发人员和oem也需要能够“查找并察看android networks api (android nnapi)所说的内容，”moynihan补充说，“联发科的neuropilot sdk完全符合android nnapi。”android neural networks api系统架构（来源：googleyyaeetc
在部署让智能手机处理器执行ai应用程序的各种方法中，高通似乎采取了一个稍微不同的方法。yyaeetc
mcgregor说，高通的解决方案很不一样，因为“他们采用已经用于芯片上的多种资源，包括hexagon dsp、adreno gpu和kryo cpu核心。”yyaeetc
不过他也补充说：“由于没有可用的基准，就很难确定哪一种方法比较好，但高通的架构模式确实提供了更大的灵活性。”yyaeetc
ai软件之争yyaeetc
无论底层硬件如何，这些软件最终都能真正区分在任何智能手机上的ai体验。yyaeetc
mcgregor说：“现在，这些应用针对的是手机上的常见功能，例如摄影和数字助理。然而，通常由第三方软件开发人员来开发和训练模型供设备使用。”yyaeetc
他指出，“在有限的情况下，有些模型或工具库可用。高通以影像辨识为基础，开发了一些工具库，三星则着重于摄影技术，apple预计也在开发自家的模型。”yyaeetc
其他情况则取决于应用程序开发人员，但这存在明显的限制，mcgregor说：“许多应用开发人员并不习惯深度学习，或者无法存取深度学习所需的大型数据中心。”yyaeetc
the linley group的demler则在最近的《微处理器报告》(microprocessor report)中对于ai软件的开发提出了警告。“处理器架构的多样性为android app开发人员带来了挑战，因为即使是在缺乏专用深度学习加速器的设备上，这些app也必须能够工作。”另一方面，他指出ios app的开发人员只需要支持一些专为apple设计的处理器。yyaeetc
同样地，tirias research首席分析师kevin krewell警告道：“我看到最大的问题是每家芯片和ip供应商都以不同的方式耕耘机器学习领域。但arm可能拥有最佳机会，能在一个ip上为多家供应商提供标准化。”yyaeetc
编译：susan hongyyaeetc
本文授权编译自ee times，版权所有，谢绝转载yyaeetc
yyaeetc
yyaeetc