近期，苹果发布 A11 Bionic神经引擎、华为发布麒麟970集成NPU，端侧人工智能成为业内热点，高门槛的人工智能一夜间要飞入寻常百姓家了，对于智能手机人工智能我们应该抱有怎样的期待呢？
人工智能被称为是未来十年的热点，是受益于计算能力、大数据集、深度神经网络领域都在取得了超乎寻常的进步，人工智能类新兴技术在Gartner2017新兴技术成熟度曲线上快速移动。
图1：Gartner 2017新兴技术成熟度曲线
一个危险的信号是，市场几乎到了不谈AI就落伍的地步，人工智能投资和舆论正在泡沫化。适度的泡沫利于新兴技术的快速普及与商用化，但当一个概念被热炒天花乱坠后，最大的危机在于不落地用户可感知性不强。对于最终消费者而言，也许只是其中的一点（毕竟人工智能的范畴太广），抑或是仅仅是停留在宣传上的换汤不换药。
毕竟，属于人工智能的时代才刚刚开始。
苹果和华为领衔的AI军备竞赛
人工智能芯片是芯片发展史上的又一次专业分化（就像当初GPU），主要目标仍是缩短计算时间、降低计算能耗。
苹果
苹果iPhone8系列中应用的A11 Bionic应用处理器，引入神经网络处理引擎(NE，Neural Engine)，面向特定机器学习算法，处理支持新iPhone中3D Sensor、人脸识别解锁、Animoji等功能。
华为
麒麟970设计了HiAI移动计算架构，首次集成NPU（Neural Network Processing Unit）专用硬件处理单元，其AI性能密度大幅优于CPU和GPU，基于AI实现智能场景识别与对象识别并进行针对性优化，提升用户拍照效果。
可以大胆推测，在2018-2019年，旗舰智能手机支持专用AI芯片是大概率事件，能力具备了，但这并不意味着智能手机就真正到了愿景中的人工智能阶段。业内又在寻找基于深度学习的杀手级APP出现，其实也许这就是个伪命题，拍照、面部识别等现有应用体验的优化，更有资格成为首批AI受益应用。
高通
在华为、苹果相继推出专用AI芯片单元后，高通旗舰芯片强化AI是必然的。
高通在2016年发布Zeroth平台时发布了神经处理引擎SDK包，支持主流的深度学习框架Caffe、TensorFlow等。
同时，高通收购荷兰机器学习初创公司Scyfer，投资神经科学初创公司Brain Corp，不断强化人工智能方面的布局。据传高通已经开始设计制造执行神经网络的专用芯片，焦点可能在于高通是自研还是用哪家的IP。
ARM
年初，ARM发布了AI进行优化的DynamIQ技术，实现了在单一计算集群上进行大小核配置，对每一个处理器进行独立的频率控制以及开、关、休眠状态的控制，可以实现在不同任务间高效无缝切换最合适的处理器。将加入针对人工智能的指令集和优化库，下一代ARM V8.2版本的指令集将支持神经网路卷积运算，提升通用SoC芯片的人工智能和机器学习的效率。
最近，英国ImaginaTIon发布了最新神经网络加速器PowerVR 2NX NNA，相信ARM的专用AI芯片IP很可能在明年面世。
MTK
据传，联发科已完成了手机芯片内置AI运算单元的设计，预计2018年上市的Helio P70芯片将内建神经网络及视觉运算单元(Neural and Visual Processing Unit，NVPU)。
华为在图像、语音识别领域紧追苹果
严格意义上讲，现阶段我们并不应该期待人工智能产生全新的应用，而是应该期待通过人工智能技术，让现有应用效率更高、体验更好。而最成熟的两个AI应用是语音识别和图像识别，苹果和华为的专用AI芯片也均选择在两个领域进行突破。
图像识别：华为有“慧眼”、“看一眼”苹果就解锁
拍照是现在用户最关注的体验，所以，通过AI提升体验是个感知度高的选择。
据华为官方宣称，麒麟970相较于四个Cortex-A73核心，在处理同样的AI应用任务时，新的异构计算架构拥有大约25倍性能和50倍能效优势。以图像识别速度为例，麒麟970可达到约2005张/分钟。
华为麒麟970通过AI实现拍照过程中场景识别、对象识别然后进行智能优化。场景识别比如运动场景、夜间环境等，提升优化运动场景下的定格清晰度与暗光拍照效果。对象识别比如人脸识别，针对不同肤色、帽子、眼睛、口罩、遮挡、侧脸等多种复杂的人脸场景进行智能检测，针对性的改善人脸部信息的色彩和补光、人脸追焦的优化等。相当于把已有的专业级拍照模型（知识库）通过AI芯片应用于用户的拍照过程中，而无需再去学习专业的拍照技能。
iPhone X在图像识别方面的面部识别解锁极具炫耀性体验，终端侧基于结构光方案建立用户脸部3D数据，解锁比对通过A11芯片中的神经网络模块神经引擎（Neural Engine ）进行处理。
语音识别：AI降噪提升语音识别率、Siri升级版
麒麟970A芯片I降噪是通过应用人工智能噪声模型替换传统的反相技术消噪模型，抑制非稳态噪音，增强语音信号，把高速、车内噪声大环境下的语音识别率从80%提升到92%（华为实验室官方数据）。
作为普及人工智能的启蒙应用，Siri居功至伟，在新iPhone发布会上，Siri相比前几代也有明显的提升，想必也用到了苹果机器学习博客中提到的新AI技术，并进一步扩展Siri的服务能力。
其他的AI应用体验，诸如，照片应用的图像识别，相册归类；听歌推荐，通过对用户听歌记录的学习来调整作出相应的推荐；智能回复、推荐，基于云端知识库预测用户的信息回复与情绪表达；续航优化，基于用户使用行为的机器学习进行调整电池管理等，都是实用性很强的AI体验。
但显然，人们对于人工智能手机的期望不只是这些。整体而言，而未来的AI体验仍将是应用场景驱动。无论是模型、知识库还是基于AI应用，都有赖于生态合作，有赖于第三方应用开发者调用AI芯片开放的能力进行开发，进而发挥AI芯片的算力。
这场战争的制胜关键是什么？
人工智能应用生态的构建
华为与苹果几乎同时推出专用AI处理单元芯片，考虑到18个月的芯片设计周期，需要给华为麒麟芯片点赞。SoC芯片集成专用AI芯片堪称端侧人工智能里程碑，并有望快速普及。但只是人工智能的第一步，远谈不上胜利，我看到的更多是挑战。
未来AI芯片的竞争，不仅仅取决于芯片厂商自身的技术研发，更取决于生态运作能力包括垂直领域的知识库、模型合作以及第三方应用开发者，看谁的生态能够提供的应用更丰富、体验更好。
对于华为而言，挑战更甚于当初在基带领域的单点突破到不断引领。华为显然意识到了这一点，宣称将把麒麟970作为人工智能移动计算平台开放给更多的开发者和合作伙伴，提供完善的多应用模式和机器学习框架的支持，让开发者可以用自己最习惯的方式获得麒麟970的AI算力。
对于人工智能的云+端布局而言，谷歌+苹果的混合体或许是华为应该学习的榜样。
SoC芯片通信连接能力
AI大热下，通信不再是聚光灯下的焦点，但通信连接能力的提升不应被舆论低估和遗忘。
以麒麟970为例，10nm工艺、业界首款支持cat18的SoC，FDD LTE下仪表测试1.2Gbps下载速率、5CC（国内尚看不到有需求，在频谱更离散的区域有需求比如美国AT&T）、4X4MIMO与256QAM（媒体应该相对熟悉了），放在以往都是大新闻，但是今年几乎无人问津。
如果跳出移动AI芯片领域，在人工智能竞争战场上，蜂窝连接芯片是英伟达们染指蜂窝智能终端领域蛋糕的最大障碍，自然也就是移动SoC芯片商的竞争壁垒。从这个角度看，未来智能终端SoC芯片的战争，仍属于苹果（传在进行modem自研）、华为、高通们。