蘋(píng)果秋季新品發(fā)布會(huì)如約而至，但傳聞中的iPhone12卻要等到下個(gè)月才能見(jiàn)到。發(fā)布會(huì)僅上新了兩款智能手表和兩款iPad平板電腦，新品iPad Air 4則搭載了最新的處理器芯片A14 Bionic（仿生）處理器。這幾款新產(chǎn)品香不香另說(shuō)，A14 Bionic處理器卻成為了此次發(fā)布會(huì)的最大亮點(diǎn)。

根據(jù)蘋(píng)果的介紹，A14 Bionic處理器是蘋(píng)果首款采用5nm工藝打造移動(dòng)設(shè)備芯片，晶體管數(shù)量相較于A13 Bionic處理器的7nm芯片增加了近40%，晶體管數(shù)量達(dá)到了驚人的118億顆。

僅憑工藝制程的提升，A14在性能和功耗表現(xiàn)上自然會(huì)有一定的提升。官方宣稱，在性能比較上，CPU提升40%，全新GPU構(gòu)架提升30%。不過(guò)，讓外界吐槽的是，這一數(shù)據(jù)是A14跟A12比較得出來(lái)的。這讓A13情何以堪呢？

而根據(jù)蘋(píng)果之前公布的數(shù)據(jù)，A13相比A12在CPU和GPU性能上都提高了20％。因此，如果這兩代的處理器性能指標(biāo)測(cè)量標(biāo)準(zhǔn)一致的話，則A14的CUP性能僅比A13快了約16％，GPU性能僅比A13提升了約8.3％?？梢哉f(shuō)，如果排除掉5nm工藝本身所帶來(lái)的改進(jìn)，相對(duì)A13來(lái)說(shuō)，A14在CPU和GPU核心本身性能上的提升其實(shí)并不高。

不過(guò)，在AI算力上，A14相比A13則有了非常大的提升，從之前的8核NPU直接翻倍提升到16核NPU。根據(jù)蘋(píng)果的測(cè)試，A14的AI運(yùn)算能力也提升到了11.8萬(wàn)億次，機(jī)器學(xué)習(xí)速度提升了70%，機(jī)器學(xué)習(xí)加速器則令運(yùn)算速度快達(dá)10倍，將各種機(jī)器學(xué)習(xí)應(yīng)用的性能表現(xiàn)提升至全新水平。

如果留意就會(huì)發(fā)現(xiàn)，蘋(píng)果從A11到A14，每一次在AI運(yùn)算性能上都做了大幅地提升。盡管我們看到蘋(píng)果并不總是以AI芯片或者AI智能終端為噱頭來(lái)做宣傳，但事實(shí)上蘋(píng)果iOS系統(tǒng)上已經(jīng)遍布各種AI應(yīng)用或者功能，對(duì)AI算力增長(zhǎng)提出了超高的需求；與此同時(shí)，安卓陣營(yíng)高端芯片廠商在AI芯片上面的頻頻發(fā)力，正在縮短甚至追上與蘋(píng)果的A系列芯片的差距，這些可能都是構(gòu)成蘋(píng)果移動(dòng)終端芯片的AI算力爆發(fā)式增長(zhǎng)的緣由。

從A11到A14，蘋(píng)果的AI算力進(jìn)化

2017年，AI已經(jīng)成為大眾熱議的話題。此時(shí)沒(méi)有一家終端芯片廠商不是以AI作為產(chǎn)品的新噱頭，但真正能在AI芯片方面拿得出手的廠商也沒(méi)有幾家。這一年華為的麒麟970橫空出世，搶到了首發(fā)。10天后，蘋(píng)果的A11 Bionic也正式發(fā)布，A11采用10nm工藝制程、六核CPU、自研三核心GPU設(shè)計(jì)。

之所以可以稱為“AI芯片”，就在于A11首次搭載神經(jīng)網(wǎng)絡(luò)引擎處理器單元（Neural Network Processing Unit，NPU），并且在新的神經(jīng)網(wǎng)絡(luò)引擎上蘋(píng)果發(fā)布了第一代Core ML，運(yùn)用本地化人工智能加速器進(jìn)行機(jī)器學(xué)習(xí)。

A11搭載的NPU采用雙核設(shè)計(jì)，每秒運(yùn)算次數(shù)6000億次，主要處理機(jī)器學(xué)習(xí)任務(wù)，能夠識(shí)別人物，地點(diǎn)和物體，主要針對(duì)的應(yīng)用是iPhone新推出的人臉識(shí)別鎖屏FaceID以及人臉關(guān)鍵點(diǎn)追蹤Animoji，且NPU算力并不對(duì)第三方應(yīng)用開(kāi)放。

蘋(píng)果A11處理器的標(biāo)志意義，除了成為蘋(píng)果自主研發(fā)程度最高的一代處理器之外，其實(shí)也和華為一起真正地打開(kāi)了移動(dòng)終端的AI時(shí)代。此后幾乎所有手機(jī)廠商都把AI運(yùn)算能力當(dāng)作宣傳賣點(diǎn)和升級(jí)點(diǎn)。

蘋(píng)果在2018年推出的A12 Bionic，采用了臺(tái)積電當(dāng)時(shí)最新的7nm工藝制程，蘋(píng)果自研的Fusion架構(gòu)，而神經(jīng)網(wǎng)絡(luò)引擎從雙核直接升級(jí)到八核，能夠?qū)崿F(xiàn)每秒5萬(wàn)億次計(jì)算，比較上一代有了8.3倍的提升。第二代神經(jīng)網(wǎng)絡(luò)引擎才是在算力和性能上能夠?qū)崿F(xiàn)更多AI功能。另外，A12采用了全新的智能HDR算法以及core ML帶來(lái)的圖像識(shí)別、第三方APP垃圾信息處理等功能，AI應(yīng)用開(kāi)始普及。

2019年發(fā)布的A13 Bionic處理器，CPU、GPU和NPU的核心數(shù)都與A12相同，只是采用了臺(tái)積電升級(jí)版7nm工藝，集成85億個(gè)晶體管，性能、功耗都有了一定提升，而神經(jīng)網(wǎng)絡(luò)引擎的峰值算力提升到每秒6萬(wàn)億次計(jì)算，提升幅度并不顯著，同樣是為面容ID、三攝系統(tǒng)、AR類APP等機(jī)器學(xué)習(xí)應(yīng)用提供算力支持。不過(guò)值得一提的是，通過(guò)在CPU中加入2個(gè)機(jī)器學(xué)習(xí)加速器，讓CPU可以達(dá)到每秒1萬(wàn)億次的矩陣數(shù)學(xué)運(yùn)算。同時(shí)，Core ML3可以與機(jī)器學(xué)習(xí)控制器配合，自動(dòng)為CPU、GPU和NPU分配任務(wù)。

這次發(fā)布的A14處理器芯片上，神經(jīng)引擎核心數(shù)再次翻倍達(dá)到16個(gè)，每秒運(yùn)算次數(shù)達(dá)到了驚人的11.8萬(wàn)億次，機(jī)器學(xué)習(xí)速度提升了70%，機(jī)器學(xué)習(xí)加速器則令運(yùn)算速度快達(dá)10倍，將各種機(jī)器學(xué)習(xí)應(yīng)用的性能表現(xiàn)再次大幅提升。

AI應(yīng)用的“猛虎”，蘋(píng)果AI芯片大規(guī)模升級(jí)的內(nèi)因

根據(jù)資料，早在2014年，蘋(píng)果已經(jīng)在新一代架構(gòu)芯片Soc的開(kāi)發(fā)中加入專門(mén)的AI芯片。而在此之前，蘋(píng)果的AI算力是由“CPU+GPU”實(shí)現(xiàn)，其自主開(kāi)發(fā)AI芯片的設(shè)計(jì)思路則是由CPU和GPU處理的AI任務(wù)轉(zhuǎn)向由專門(mén)的AI芯片進(jìn)行處理，最終將芯片集成到終端設(shè)備上。

與此同時(shí)，隨著蘋(píng)果移動(dòng)終端在拍照攝影、圖形處理等應(yīng)用上面越來(lái)越需要用到神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)、深度學(xué)習(xí)的算法運(yùn)算，這些需求使得蘋(píng)果開(kāi)始考慮將AI應(yīng)用的運(yùn)算必須采用神經(jīng)引擎這一專門(mén)定制的處理器單元來(lái)完成這些計(jì)算。

2017年，蘋(píng)果的神經(jīng)引擎處理器正式落地。

不過(guò)讓外界驚訝的是，為何短短三年之中，A系列芯片的AI算力得到了將近20倍的提升，遠(yuǎn)遠(yuǎn)超出Soc芯片其他處理器的性能提升幅度？

一方面是CPU和GPU的性能，在現(xiàn)有的工藝制程進(jìn)化和既定架構(gòu)的約束上提升已經(jīng)非常困難。隨著半導(dǎo)體工藝從7nm向5nm、3nm工藝升級(jí)，難度會(huì)越來(lái)越大，而可預(yù)期的提升卻可能并不顯著。反而AI加速器還會(huì)有相當(dāng)大的設(shè)計(jì)提升空間。

另一方面是，終端應(yīng)用對(duì)于動(dòng)用CPU和GPU的需求正在達(dá)到一個(gè)用戶的使用極限，因此也沒(méi)有快速增長(zhǎng)的需求，但是這些應(yīng)用的AI算力需求則在大幅增長(zhǎng)。

如果對(duì)蘋(píng)果iOS系統(tǒng)中的用到機(jī)器學(xué)習(xí)相關(guān)的功能和應(yīng)用進(jìn)行分析的話，我們看到最新兩代的iPhone和iPad已然是一部各個(gè)部分和細(xì)節(jié)都在使用AI的終端了。

在蘋(píng)果終端的細(xì)節(jié)體驗(yàn)，已經(jīng)有大量機(jī)器學(xué)習(xí)算法的加持，但相應(yīng)的體驗(yàn)難以被用戶察覺(jué)。

比如，機(jī)器學(xué)習(xí)用于幫助iPad的軟件區(qū)分用戶在使用Apple Pencil繪圖時(shí)到底是不小心將手掌壓在屏幕上還是有意提供輸入的按壓?；蛘呤窃诒O(jiān)控用戶使用習(xí)慣，以優(yōu)化設(shè)備的電池壽命和充電頻次，既可以改善用戶在兩次充電之間的時(shí)間，又可以保證電池的使用壽命。

還有像iPhone的拍照，用戶每次按下快門(mén)，設(shè)備會(huì)快速連續(xù)拍攝很多張照片，然后經(jīng)過(guò)機(jī)器學(xué)習(xí)訓(xùn)練的算法會(huì)分析每個(gè)圖像，并將其認(rèn)為是每個(gè)圖像的最佳部分合成為一個(gè)結(jié)果。也就是iPhone拍照的卓越效果很大程度是靠“計(jì)算”出來(lái)的。蘋(píng)果正是通過(guò)iPhone中對(duì)圖像信號(hào)處理器（ISP）和神經(jīng)引擎的協(xié)同處理，才使得照片質(zhì)量獲得大幅提升。

蘋(píng)果在終端本地大幅提升神經(jīng)引擎的運(yùn)算能力，以及配合圖形計(jì)算引擎和AI加速等功能，可以在移動(dòng)終端中執(zhí)行非常高難度的機(jī)器學(xué)習(xí)任務(wù)。比如在iPad Pro上，通過(guò)神經(jīng)引擎的計(jì)算能力，結(jié)合Project Aero 軟件，iPad Pro 能將 PSD 中創(chuàng)作的每一個(gè)圖層以獨(dú)立的 AR 對(duì)象呈現(xiàn)在屏幕上，每個(gè)圖層都分離成一幕栩栩如生的景觀，這對(duì)創(chuàng)作者來(lái)說(shuō)相當(dāng)具有吸引力。

此外，蘋(píng)果已經(jīng)加入的顯著的AI新功能，諸如機(jī)器學(xué)習(xí)在翻譯、內(nèi)置聽(tīng)寫(xiě)、輸入預(yù)測(cè)、健康特性分析與預(yù)測(cè)上面，都需要大量的機(jī)器學(xué)習(xí)參與。

而蘋(píng)果選擇在機(jī)器學(xué)習(xí)任務(wù)的本地化計(jì)算的另一大原因，可能是為了將數(shù)據(jù)留在本地，用以保護(hù)用戶隱私。我們知道，機(jī)器學(xué)習(xí)的本質(zhì)就是對(duì)海量數(shù)據(jù)進(jìn)行學(xué)習(xí)，而數(shù)據(jù)的采集和分析一直是谷歌、facebook這些互聯(lián)網(wǎng)公司的“原罪”，作為承諾嚴(yán)格遵守用戶隱私數(shù)據(jù)保護(hù)的蘋(píng)果，自然要做出保證，盡量將機(jī)器學(xué)習(xí)算法所需要的用戶數(shù)據(jù)留在用戶的移動(dòng)終端當(dāng)中，但與此同時(shí)要保證AI算法的有效，就必須對(duì)終端芯片的AI算力引擎做出大幅提升。

當(dāng)然，蘋(píng)果自身終端系統(tǒng)對(duì)于AI算力升級(jí)的要求，只是一只內(nèi)生的吞噬算力的“猛虎”，在外部競(jìng)爭(zhēng)中，蘋(píng)果還要面對(duì)一群實(shí)力強(qiáng)勁的“追龍”，在AI算力提升上不斷地應(yīng)戰(zhàn)。

安卓陣營(yíng)的“追龍”，蘋(píng)果AI算力快速升級(jí)的外因

蘋(píng)果自研的A系列處理器芯片，一直以來(lái)以創(chuàng)新和高性能著稱，雖然最近兩年，安卓系的高端芯片，諸如高通的驍龍芯片、聯(lián)發(fā)科Helio芯片、華為海思的麒麟芯片則大有追趕之勢(shì)。

如果拋去綜合性能的討論，但是在AI芯片算力上面，高通的驍龍?zhí)幚砥髟谛阅苌虾蛿?shù)量上都已經(jīng)有超過(guò)蘋(píng)果A系列芯片的可能。

比如在2019年上半年手機(jī)AI芯片排行榜上，排名前十的智能手機(jī)AI芯片，其中前四名分別是高通驍龍855、蘋(píng)果A12 Bionic、聯(lián)發(fā)科Helio P90和海思麒麟980。但值得關(guān)注的是，除了第二、三、四名，這份榜單中的其他位置都被高通驍龍芯片占據(jù)。

與蘋(píng)果采取專用NPU芯片來(lái)提供AI算力不同的是，高通的驍龍?zhí)幚砥鞑捎昧水悩?gòu)計(jì)算的方式，推出了自研的AI引擎，通過(guò)CPU、GPU和DSP（Hexagon處理器）組合相互配合，運(yùn)行神經(jīng)網(wǎng)絡(luò)計(jì)算的效率，根據(jù)不同的應(yīng)用場(chǎng)景來(lái)安排工作負(fù)載。

而預(yù)計(jì)在今年年底發(fā)布的高通驍龍875，同樣采用了5nm制程工藝，與7nm相比邏輯密度提高80%，其基礎(chǔ)性能較上代提升15%，功耗降低30%。非常激進(jìn)的是，高通這次采用了ARM的Cortex X1超大核心設(shè)計(jì)，為“1+3+4”八核心三簇設(shè)計(jì)模式，其中1為Cortex X1超大核心，3為大核，采用Cortex A78，4為能效核心。據(jù)業(yè)界的預(yù)測(cè)，驍龍875無(wú)論在綜合性能還是在AI算力上都有超越A14的可能。

此外，高通通過(guò)AI引擎的的高、中端芯片布局，與不同的軟硬件企業(yè)一起，從底層框架、硬件核心、軟件等層面，將AI能力應(yīng)用到了海量的移動(dòng)終端和智能設(shè)備上，形成基于AI應(yīng)用的合作生態(tài)。

高通在AI算力上的激進(jìn)演化以及在AI能力上的不斷賦能，已經(jīng)開(kāi)始形成對(duì)于蘋(píng)果的A系列芯片領(lǐng)導(dǎo)力的巨大威脅。在面臨安卓陣營(yíng)這些“追龍”對(duì)手如此“給力”的努力下，蘋(píng)果自然也會(huì)有強(qiáng)大的外部動(dòng)力來(lái)大幅升級(jí)自身的性能優(yōu)勢(shì)。就像驍龍875這樣的性能怪獸的出現(xiàn)，始終會(huì)追在蘋(píng)果身后，準(zhǔn)備吊打蘋(píng)果。

反過(guò)來(lái)看蘋(píng)果，其NPU的性能升級(jí)戰(zhàn)略也并未顯露頹勢(shì)。根據(jù)專業(yè)人士的說(shuō)法，目前，蘋(píng)果A系列芯片上NPU占芯片總面積約為5%，未來(lái)NPU的面積能夠達(dá)到類似GPU占有的20%的面積的程度，AI算力至少還有4倍的提升空間，此外還有提升算法和芯片之間的協(xié)同設(shè)計(jì)，同時(shí)通過(guò)Core ML的進(jìn)化來(lái)加強(qiáng)不同AI模型的異構(gòu)設(shè)計(jì)，同樣可以發(fā)揮其他SoC芯片部分的潛在算力?？傮w來(lái)說(shuō)，蘋(píng)果在AI算力的提升上面還有巨大的增長(zhǎng)空間。

我們看到，蘋(píng)果和安卓陣營(yíng)在高端芯片廠商在芯片性能的升級(jí)，正在從CPU所引領(lǐng)的摩爾定律的賽場(chǎng)轉(zhuǎn)向以AI算力增長(zhǎng)為代表的新賽道上。而從AI算力的增長(zhǎng)潛力來(lái)看，這一升級(jí)戰(zhàn)在未來(lái)幾年會(huì)更趨激烈。

然而最可惜的是，這場(chǎng)終端芯片AI角逐賽里，未來(lái)會(huì)缺席一位來(lái)自中國(guó)的實(shí)力選手。