仿生是模仿生物系統的功能和行為,來建造技術系統的一種科學方法。它打破了生物和機器的界限,將各種不同的系統溝通起來。
從這個角度來看,人工智能芯片可以算作是仿生。我認為目前的人工智能還只是停留在人工階段,真正的智能應該是具有自我學習能力(不需要依賴大數據訓練,會自主學習)。我認為新型的類腦芯片才算得上是真正的仿生芯片。
首先,蘋果A12并不是什么仿生芯片(聽上去高大上一些),其實際上就是手機SoC當中加入了AI運算加速內核。蘋果A11/A12當中都集成了專門用于神經網路計算的獨立處理單元(獨立的內核),也就是大家常聽到的NPU(不同廠商叫法會有差異)。一般在手機的SoC當中,CPU主要負責一些通用計算,能處理各種復雜的任務,適應性強。比如它也能夠處理圖形任務、進行人工智能計算,只不過效率要比GPU、NPU低。
而GPU則主要負責處理圖形任務,它的優勢就在于可支持大規模的并行計算架構,非常適合一些簡單重復的計算任務。目前也被很多的廠商用于深度學習、數據模型的訓練上。雖然大規模部署算力強大,但是功耗也是非常的大。所以,主要被應用于一些對于功耗要求不是很高的人工智能計算領域。
現在大家所說的AI芯片實際上就是專用型的ASIC芯片。它的AI計算能力和計算效率都直接根據特定的AI算法的需要進行定制的,所以相對CPU、GPU,其可以實現體積小、功耗低、高可靠性、保密性強、計算性能高、計算效率高等優勢。所以目前在終端側(特別是移動終端)的AI計算上,很多廠商都開始選擇采用專用的AI芯片,或者在SoC當中集成NPU內核。
其次,回過頭來說蘋果A11/12當中集成的NPU內核,這實際上是一些特定的神經網絡類型即AI算法(比如語音/圖片識別、人臉識別等算法)的硬件化,主要就是起到針對這些AI算法運算的加速。比如原本做圖像識別,一分鐘只能識別一百張,而有了NPU加速則可實現一分鐘識別數千張圖片,不僅速度更快而且功耗也更低。
不過NPU也有其缺點,一旦設計完成,對應的AI算法就無法更改,無法升級。但是它可以與手機SoC當中的CPU/GPU/DSP來協同進行AI計算(高通驍龍845的AI神經網絡引擎就是通過調配CPU/GPU/DSP來協同進行AI計算),所以可以在一定程度上彌補靈活性上的缺失。
目前手機芯片上所能提供的AI能力,主要是針對語音、圖片、人臉、AR等的一些應用。另外神經網絡引擎也擁有一定的機器學習的能力,比如你每天都刷臉解鎖,所以AI也學習你臉部面容的一些變化(人的面容會因為慢慢的衰老而發生變化)。
總的來說,我們應該將A12芯片作為一個整體來看,其AI的能力并不僅僅是由NPU提供的,在一些場景下,其他的CPU/GPU等內核也會參與到AI運算當中,而NPU的作用也主要是針對特定的AI算法進行加速。
1分鐘知識錦囊是36氪的日更問答新欄目,旨在每天以一分鐘為限,快問快答一個重要的商業問題。今天我們解答的是芯片相關的問題。如果你對近期的商業世界還有什么疑問,歡迎在評論區給我們留言,錦囊負責找高手為你解答。