從硬件角度來看，三者最大的區別在於對AI運算的實現方式上。我們知道，AI計算與以往手機上常見計算任務的區別，就在於實現機器學習、深度學習的推理需要在長時間內保持高速、大量的計算處理。峰值數據吞吐量的提高、計算時長的提高包括對計算速度要求的提高，都對AI芯片的算力做出了新的要求。

而這三種芯片的區別，就在於如何實現更強的算力上。

其中麒麟970采用的是“硬實現”的方式，在CPU、GPU等等傳統計算單元之外加入了一個新的計算單元——嵌入式神經網絡處理器NPU。就像GPU專用於圖像運算一樣，NPU也是專用於卷積神經網絡的計算，從而實現機器學習的相關功能。同樣的AI計算任務，在擁有NPU的前提下會比單純的CPU運算提升約50倍能效和25倍性能——不僅速度更快，而且耗能更低，以免影響手機的正常應用。

與麒麟970的硬實現模式不同，蘋果A11采用的是“軟實現”模式，不設置獨立的神經網絡處理單元，但通過對自研GPU、自研ISP和DSP等等傳統硬件模塊進行AI配適調整，集成“神經網絡引擎”極大的提升圖片計算的處理速度。在AI任務中，很多都涉及到對圖片內容的學習和推理，如AI美顏等等，提升了圖像計算能力，自然也能提升AI計算的效率。

驍龍845推出的AI Engine（人工智能引擎）概念和蘋果A11有些類似，同樣是調整CPU、GPU、DSP等多個硬件模塊，從而替代NPU的能力。

所以，芯片中的NPU單元真的可以被其他解決方案替代嗎？

想要回答這個問題，首先我們要知道AI芯片到底能做到什麽。

在擁有AI芯片之前，手機遇上AI任務時，大多數時候采取的雲計算方式——把數據上傳到雲端，進行推理後下載結果到本地。這樣一來一回的計算方式不僅效率低下，並且很容易造成應用卡頓。

但擁有了超高算力的AI芯片後，手機終於可以實現端側AI。不管有沒有網絡連接雲端，都可以在手機本地進行實時的、無條件的高速運算。

這樣的端側AI給手機帶來了四項能力，分別是感知、認知、動力和安全。接下來我們可以從這四項能力的實現過程中，討論有沒有NPU究竟對手機AI產生了何種影響。

智能感知有多高效？瞬間抓拍笑容

手機是如何感知一切的？

在以往是通過觸摸屏幕等輸入方式，對用戶的信息進行解碼。同時通過GPS、陀螺儀等等軟硬件兩層的傳感裝置弄明白“我在哪、我與地面的距離”等等信息。

但隨著計算能力的增加，一些原本存在於雲端的算法正在進入終端，讓手機感知到更多。比如在圖像處理上，以往手機只是簡單的拍攝照片，現在隨著計算能力增加，手機本地也可以部署圖像識別模型，在取景階段手機就能知道鏡頭前的是寵物還是人類。

但有了NPU的存在，手機算力全面提高不再只限於對圖像的處理能力，所能感知到的信息也就更為全面。

比如榮耀V10有一項智能音樂推薦功能，在AI算力的支持下，可以通過手機的體感能力實時監測到用戶的運動頻率，從而推薦旋律和運動頻率相近的音樂。

就連現在應用最廣的AI拍照方面，也存在很多區別。像小米Mix 2S和OPPO R15都提出了場景識別，分辨出拍攝的對象並進行相應的後期處理。但華為的P20系列卻能在端側實現表情識別，自動抓拍到拍攝對象的笑容。

原因就是，笑容、運動頻率這種數據波動往往是轉瞬即逝的，NPU作為獨立運算單元專職負責AI計算，可以以最快速度調用資源完成處理。可CPU+GPU的解決模式要同時顧及手機上的所有計算任務，就有可能出現排隊的狀況，鏡頭前的人都笑完了，計算資源還沒調度過來。

精準認知下，智慧識屏讓服務直達用戶

所謂認知，就是手機對信息的加工處理過程。

有了端側AI的強算力，手機正在逐漸從處理數據走到處理知識。舉個例子，以往iPhone的相冊分區會按照拍攝地點、拍攝時間來區分，但現在已經能實現貓、海水這樣以照片內容區分的方式。手機從以前只能理解時間、GPS定位這些結構化數據到可以理解貓狗花草這樣非結構化的“知識”。

在EMUI中，我們還可以見到一項名為智慧識屏的功能。只要雙指長按屏幕就可以實現對圖片和文字的共同讀取，並且通過AI理解圖片與文字的語義，呈現出地址、電影購票、飯店大眾點評等等服務卡牌。點擊這些卡片，就可以直接跳轉第三方App，極大的減少了App間的手動調度。

這一功能的出現，是因為NPU更強大的算力可以實現對信息的多維處理：不僅僅可以同時處理自然語音和圖片，還可以通過對用戶行為習慣的理解進行應用跳轉這類主動服務。

動力指揮官，懂得用戶才有智慧節電

一個普遍的認識是，大量的計算是非常耗電的。不然比特幣礦工們也不會四處尋找低電價的城市了。但手機的動力系統上，AI計算反而可以發揮正向作用。

在上文提到，AI讓手機擁有了更強大的認知能力，在擁有NPU的手機中，這種認知更是每時每刻的發生著，最終實現手機對用戶個人行為習慣的一種深入理解。就拿電池續航來說，搭載上麒麟970之後，華為和榮耀所應用的EMUI都加入了智慧省電功能。即通過對個人用戶對應用使用習慣的深度學習，記住哪些應用是經常使用的，預測到哪些場景下即將打開哪些應用。在這一制度下，再來進行資源調配，有了獨立的計算單元，手機AI時時刻刻都在進行著學習和計算，“切斷”了那些啟用率低的App的供能，從而讓手機獲得更好的續航能力。

不光是電池續航，在安卓手機系統不流暢方面，同樣的智慧資源調度也在發生著作用。在普通手機中，各個應用都在排隊領取自己所需的運行資源，久而久之隊列越來越長，效率也越來越差。而NPU就像一個指揮官，通過應用的日常表現判斷它們到底需要多少資源，把排隊領取變成實時的按需分配。

這樣一來不僅手機應用對內存、計算資源的利用率提高，AI還可以定時向用戶提醒，哪些應用出現了流量異動、哪些應用太久沒有被啟動。幫助用戶更清晰的了解到手機內部的運行狀況。以榮耀V10的數據看來，在這樣的模式下系統調度性能提升了60%，操作流暢度提升了50%。從電力續航到內存，手機整體的動力系統效率都得到了提升。

安全壁壘永駐，有端側計算才敢把數據交給手機

在雲計算時代，用戶隱私問題就像一堵避不開的高墻；想要獲取更好的服務，就需要把數據上傳到雲端進行處理，可是一旦數據上傳到雲端，就有被泄露的可能。但端側AI的存在就完美避開了這一問題，計算都在本地進行，不存在將個人隱私暴露在公用的雲空間中。

加入NPU後，更是可以在保證隱私的前提下為使用者提供更多服務，把對用戶行為習慣的理解完全放在無網的封閉空間下進行，手機就可以更“懂你”。目前HUAWEI P20、榮耀V10都已經可以做到屏幕亮度、後臺資源、碎片文件等等方面的智能調節，其實手機還知道你最常使用的駕車路線、接下來幾天的行程、喜歡去哪些地方消費等等更多信息，這些信息放在雲端上一定會讓人感覺受了冒犯，但在端側AI對信息安全的加持下，手機會成為一位合格的個人助理。

比如用戶通過語音助手預約餐廳時，手機可以直接通過用戶的出行習慣推薦適合的路線，甚至還可以幫用戶推薦菜品。這樣建立在安全感之上的智能體驗，很有可能讓用戶不知不覺中對AI手機產生依賴。

看到這裏我們會發現，NPU之於手機，不僅僅是簡單的技術加成，而是通過感知、認知、動力、安全等等方面的細微之處提升用戶對手機的使用感。用戶或許不理解所謂的深度學習，但一定能感受到手機的續航能力越來越強、越來越符合自己的使用習慣。

如今移動AI還在剛剛起步階段，用戶很難對AI手機形成一個確切的認知。這時恰好就出現了一個窗口期，從紅米的千元AI系列到OPPO的智能拍照，不管是否真正擁有AI能力的手機都可以打著AI的旗號“蹭熱度”。

可當用戶真正使用上這些手機時，除了感受到與美圖秀秀無異的“AI濾鏡”之外，完全不能體會到手機對於自己行為的學習、對於操作系統速度、電池續航能力的提升，AI不AI的，在使用感上毫無變化。對於手機這款產品而言，拍照效果、續航能力、操作便利等等這些使用感受才是永恒不變的貨幣體系，是消費者確認其價值的唯一參考。

窗口期永遠是短暫的，博得一時的流量，不如把握住一項能真正改變產品體驗的技術。

是否擁有NPU，會成為手機AI體驗的賽點嗎？