2018年，AI几乎充斥了我们的生活，如果见朋友不聊点和AI相关的话题，似乎自己就与这个时代脱节了，近期高通骁龙855的发布再次把AI的关注度推向了高潮，从权威统计机构的预测来看，2018年全球AI市场规模预计为1．2万亿美元，到2022年有望达到3．9万亿美元。AI势不可挡的发展势头让各大科技公司不得不一拥而上，不管是做芯片还是做产品，统统都要和AI挂钩，大有“得AI者得天下”之势。AI已经在各个领域开始渗透，光AI音箱这一种亚马逊、天猫、小米就打得不可开交，其它智能电子产品更是不胜枚举，当然，这都不是今天的重点，今天我主要想谈的是AI芯片，今年推出的这些AI芯片看看哪些比较靠谱。

目前，笔者知晓的AI芯片有骁龙855、麒麟980、苹果A12、联发科P60、紫光展锐SC9863A和瑞芯微RK3399Pro，谁强谁弱先拉出来比一比：

1、骁龙855：张量加速器不等于独立NPU

骁龙855采用台积电7nm工艺制程，CPU为Kryo485（超级内核基于A76定制主频2．84GHz、性能内核主频2．42GHz、效率内核主频1．8GHz，1＋3＋4架构）；GPU为Adreno640，与前代产品相比，渲染速度提升20％，支持Vulkan1．1／HDR／PBR。

骁龙855

在AI性能方面，骁龙855加入新的张量加速器（TensorAccelerator），专门负责AI，组成第四代AI引擎。可以实现每秒超过7万亿次运算（7TOPs），AI性能比骁龙845提高了3倍，比苹果A12每秒5万亿次运算（5TOPs）也高出不少。

高通的DSP数字信号处理器升级为最新的Hexagon690，具备四线程标量内核，性能提升20％，四个向量扩展核心（HVX），性能提升1倍，另外一个重要的改进是引入了张量加速器（HTA），自主设计，专为AI而设，支持多元数学运算、非线性方程、INT16／INT8与混合精度整数运算，大幅提升了机器学习算法的性能和能效。结合HexagonDSP、新的张量加速器，再借助更强的GPU和CPU完成终端侧神经网络运算，所有单元综合实现了专有的、可编程的AI加速。

但是，值得注意的是，骁龙855并没有配置独立NPU单元，其AI运算需要协调CPU、DSP、GPU等处理器单元，如果应用场景复杂，恰巧占用了这些处理单元，AI运算就要排队等候。也就是，其他公司的芯片的人工智能算力是独立算力，高通的AI运算是综合算力。

2、麒麟980： 配置双NPU

麒麟980采用7nm工艺制程，基于ARM的A76架构，主频是2．6GHz，八核心分别是2×A76（超大核）＋2×A76（大核）＋4×A55（小核），其中A76四个核心上采用了智能调度机制。相对于传统的大小核两档位设计，麒麟980让CPU在重载、中载、轻载场景下灵活适配。

在AI配置上，麒麟970搭载了一个NPU（神经处理单元），其专门负责AI运算，在大幅提高手机AI性能的同时降低了AI任务功耗。麒麟980则配置了两个NPU，因此在ResNet－50图像识别测试中得到了4500张每分钟的成绩。整体来看，相较于麒麟970，麒麟980的CPU性能提升75％，能效提升58％，内置的10核GPU Mali－G76让性能密度号称提升30％，能效提升30％。

3、苹果A12：搭载8核神经网络引擎

A12采用7nm技术，内部有69亿个晶体管，采用六核CPU设计，相比A11处理器，其中两个大核心性能提速15％、功耗降低了40％，四个小核心功耗降低最多50％。A12采用自研四核GPU，性能相比A11的GPU性能提高50％，并强化了对AR混合现实的支持，支持曲面细分、无损内存压缩和实时多层渲染功能，AR性能获得大幅度提升。

关于AI性能，苹果A12还搭载了八核神经网络引擎，其运算速度达每秒5万亿次，远超A11的每秒六千万次，可以更独立机器学习，支持多精度，智能计算系统。同时，苹果还将神经网络引擎开放给 Core ML 平台，开发者可将机器学习技术应用到自己的 app 中，让学习过程在用户的 iPhone 上进行。提升了Siri易用性、使A12芯片的机器学习能力相比之前能够提升9倍，而能耗则降低到原来的十分之一。

4、联发科Helio P60

联发科Helio P60采用ARM Cortex A73和A53大小核架构，采用八核心大小核（big．LITTLE）架构，内建四颗ARM A73 2．0 Ghz处理器与四颗ARM A53 2．0 Ghz处理器。相较于上一代产品P23与P30，CPU及GPU性能均提升70％。采用12nm FinFET制程工艺，功耗表现得到很大提升，整体效能提升12％，执行大型游戏时的功耗降低25％，大幅延长手机电池的使用时间。

关于AI配置，联发科在P60中引入了AI单元APU，在P60中采用了三核ISP＋双核APU的架构，性能提升两倍。ISP＋APU的多核图像处理单元除了提供硬件加速之外，还能够提供多线程的处理能力，这使得对于图片处理能力和速度大幅提升。包括自动对焦、白平衡以及高规格HDR在内等反映的速度更快。此外，APU的引入以及联发科提供的平台化的策略，也更有利于开放给合作伙伴以及第三方进行拍照的后处理，定制更多的拍照算法。应该说AI的引入，使得P60的硬件性能进一步得到释放。与此同时，AI所带来的软件层面的超级算力也将带来诸如人脸、语音识别等功能的进一步增强。

5、紫光展锐SC9863

紫光展锐SC9863主打AI牌，被称为8核AI芯片，支持CAT－7，采用Arm Cortex－A55处理器架构的SoC芯片平台，在Cortex－A55人工智能的基础上，进行了应用开发。Cortex－A75与Cortex－A55均采用Arm DynamlQ技术打造，而DynamlQ融入了AI神经网络技术。相比前代Cortex－A53，Cortex－A55 NEON进行了流水线改进与新增机器学习指令，让其在矩阵乘法运算方面的机器学习性能大幅提升，如果按照AI 8bit dot－product运算能力，比Cortex－A53提升6倍。

同时，得益于ARM DynamlQ单簇组合方式，Cortex－A75与Cortex－A55可实现1＋3、1＋7或者4个大核、8个小核的组合，多个CPU核芯以单簇的方式一起工作，可发挥更强大的性能，避免“1核有难，7核围观”的状况。紫光展锐SC9863采用的是8核Cortex－A55的组合方式，而高通骁龙845是4核Cortex－A75与4核Cortex－A55的组合方式。

SC9863芯片平台的AI能力体现在支持基于深度神经网络的人脸识别技术，可实现快速精准的人脸认证；通过智能AI算法，实现实时智能场景检测识别、不同场景智能拍照增强、支持手机侧图库照片的智能识别与分类。但是，没有加入独立的神经处理单元，计算能力是否会出现折扣不得而知。

6、瑞芯微RK3399

RK3399Pro采用big．LITTLE大小核CPU架构，双核Cortex－A72＋四核Cortex－A53＋四核ARM高端GPU Mali－T860，其集成的NPU（神经网络处理器）融合了Rockchip在机器视觉、语音处理、深度学习等领域的多年经验。相较传统芯片，典型深度神经网络Inception V3、ResNet34、VGG16等模型在RK3399Pro芯片上的运行效果表现出众。

RK3399Pro的AI特性有三点：

1）AI硬件性能高，采用专有AI硬件设计，NPU运算性能高达2．4TOPs，高性能与低功耗指标均大幅领先：相较同类NPU芯片性能领先150％；相较GPU作为AI运算单元的大型芯片方案，功耗不到其所需的1％；

2）平台兼容性，RK3399Pro的NPU支持8bit与16bit运算，能够兼容各类AI软件框架。现有AI接口支持OpenVX及TensorFlowLite／AndroidNN API，AI软件工具支持对Caffe／TensorFlow模型的导入及映射、优化；

3）完整方案易于开发，Rockchip基于RK3399Pro芯片提供一站式AI解决方案，包括硬件参考设计及软件SDK，可大幅提高全球开发者的AI产品研发速度，并极大缩短产品上市时间。

从以上六款带有AI功能的芯片来看，在架构上基本都是采用了多核模式，以八核为主；另外，关于AI运算，在原有CPU、GPU的基础上增加独立神经元计算处理单元成为主流趋势，这样可以实现AI运算加速，从而带来更好的用户体验；在应用方面，还是以手机的人脸识别、图像处理为主，未来随着5G的商用，在自动驾驶汽车中的应用也会逐渐增加。

从对比中可以看出，国产厂商和国内厂商各占一半，从高端到低端均有覆盖，在独立神经元计算单元的集成上，只有海思、苹果、联发科的产品上已经实现，其它几家厂商还在追赶。由于智能手机强烈的市场需求，因此AI普及起来更为顺畅，但是目前需要在人脸识别和图像处理的基础上探索更多可能的应用。