随着物联网时代的到来，智能设备的实时决策能力受到广大科技厂商的关注。华为、苹果接连发布搭载神经网络模块的手机芯片，提振了移动端AI芯片的市场预期。利用神经网络增强设备的本地化智能，将AI从数据中心后台送入用户的口袋，或成为AI芯片的下一个目标。
跨国企业积极布局
苹果一推出用于iPhone的A系列处理器和M系列动态处理器，科技厂商就对面向设备的AI芯片跃跃欲试。ARM在发布的多核微架构DynamIQ中加入了机器学习和人工智能的原生指令集，并宣称在3~5年内将Cortex-A73的AI性能提升50倍。
微软也将在下一代HoloLens的全息处理单元集成一枚自主设计的AI芯片。该芯片利用神经网络模块，基于设备本身处理头部追踪器、红外摄像机生成的视觉数据，避免数据上传云端导致的延时抖动并降低隐私泄露风险。微软HoloLens技术总监Marc Pollefeys认为混合现实和人工智能代表计算力的未来，微软用AI打造智能化MR设备的尝试正加速它的到来。
将TPU以云服务方式供应的谷歌也意识到设备数据回传远程服务器的延时问题，并在发布的安卓穿戴设备上搭载了谷歌首个完全面向终端的机器学习技术。
华为略微“抢跑”
微软AI芯片将随着下一代HoloLens在2019年登场，ARM DynamIQ尚需3~5年的提升周期，谷歌安卓穿戴设备的机器学习功能暂只面向智能简讯系统。而采用麒麟970处理器的华为已“抢跑”成功，率先发布全球首个集成独立AI专用NPU（神经网络处理单元）的移动芯片。
华为的AI战略是Mobile AI=On Device AI+Cloud AI。说明华为将终端智能与云端智能做出区分，两者并重。华为NPU支持运动追踪、人脸识别、夜拍优化，峰值运算达到1.92TFP、16OPS。
紧接着麒麟970，苹果公布搭载神经网络引擎的A11仿生芯片，这款双核仿生神经网络引擎专为机器学习算法开发，能优化面部特征提取、Animoji、增强现实功能，每秒运算次数最高达6000亿次。
与微软的考虑类似，发布了增强现实平台ARKit的苹果需动用手机摄像头、动作传感器、陀螺仪实现场景追踪、光学估算等AR功能，靠云端处理多个传感器的数据将占用内存、加剧延时抖动和数据外流风险，神经网络引擎将支持终端在不联网状态下处理AI相关任务。
具有先发优势的华为、苹果并非高枕无忧，老对手高通在终端市场蓄力已久。先是发布骁龙NPE（神经处理引擎）软件开发包，支持开发者基于NPE兼容的Caffe、Caffe2、Tensorflow深度学习框架，利用骁龙600系列和800系列处理器为App搭载AI功能，实现摄像头、汽车、智能手机、无人机的本地化AI应用。继而在上个月收购荷兰深度学习初创公司Scyfer，为高通的AI终端化战略提供技术支持。
新思界
行业分析师表示，苹果和华为搭载神经网络单元的芯片有很强的定制色彩，会有优秀的应用性和专业性，但在通用性层面还不能与高通比肩。如果两家企业能推出更多的通用性解决方案，会让各自的AI芯片焕发更大价值。而且，AI应赋予终端设备积累、学习用户习惯的本地化智能，深入贴合用户喜好，支持智能驾驶、智能监控场景下的实时决策，才能将人工智能真正送进用户的口袋。
新思界为您提供
《2017-2021年芯片行业市场深度调研及投资前景预测分析报告》！
