进入2018年后，人工智能开始成为旗舰手机的标配，也屡屡出现在发布会PPT上，几乎所有的手机厂商都在标榜自家的AI技术和服务。但这场手机AI热也出现了一些不太理性的声音，比如避重就轻、刻意夸大人工智能的软件能力，没有技术储备只单纯炒作人工智能概念来混淆是非。

一种常见的说法是，人工智能时代的硬件将成为AI的附属。其实这是对手机AI的一种误解，AI在智能手机上的应用离不开三大推手，即数据、芯片和算法。数据是机器学习的关键，芯片的计算能力决定了AI的应用，而算法映射了人工智能的发展水平。

比如很多手机厂商喜欢拿语音控制、图像识别、智能推荐等场景讲故事，可算法早在几年前就实现了较高的准确率，手机上各种各样的传感器和4G网络解决了数据的采集和传输，当前决定人工智能在手机上应用的制约因素或许正是芯片能力。

也就是说，手机AI的话语权之争在本质上仍是芯片能力的比拼。高通、华为、苹果、三星等芯片厂商已然意识到了这个问题，近两年推出的处理器也有意增加、优化了AI能力。

目前较为典型的AI芯片就是麒麟970、骁龙845、苹果A11，这三款芯片也在某种程度上代表了当前手机芯片的最高水准。

麒麟970已经被应用于荣耀V10、华为Mate 10等旗舰产品上，骁龙也被三星Galaxy S9、Galaxy S9+、小米MIX 2S等应用，而苹果A11仅限自家的iOS生态使用，麒麟970、骁龙845则是安卓生态。

恰恰是由于这个原因，麒麟970和骁龙845往往被作为比较对象。那么二者的AI能力究竟孰高孰低呢？

作为一个直观的比较，我们可以参考一下鲁大师公布的AI性能排行榜中，荣耀V10的得分要明显高于三星 S9等搭载骁龙845的机型，尽管麒麟970的发布时间早于骁龙845半年之久。

鲁大师跑分图

究其根本，骁龙845并没有人工智能专用的硬件处理单元，而是通过NPE（骁龙神经处理引擎）调度已有的CPU、GPU和DSP资源实现AI性能。

此举的弊端在于，CPU、GPU、DSP等并非是针对AI打造，AI任务和通用任务会同时占用运算资源，在手机高负荷任务运行的场景下，AI应用的处理效率会很低，跑分落后也就不足为奇。

不过高通在2014年的时候就公布了NPU的研发，“骁龙神经处理引擎”的出现也是得益于类似的研发逻辑，之所以没有独立的神经网络单元出现，恐怕还是成本和迭代逻辑的问题。

骁龙845架构设计图

麒麟970架构设计图

麒麟970 HiAI移动计算架构

反观麒麟970，核心优势之一就是首次在芯片中集成了专门为AI计算打造的NPU，并采用了HiAI移动计算架构，AI性能密度大幅优于CPU和GPU。

通俗来说，在处理同样的AI应用任务时，麒麟970新的异构计算架构拥有大约50倍能效和25倍性能优势，例如在图像识别速度上，可达到约2000张/分钟。

这等同于有了专门的音乐老师教音乐，不会出现语文老师或者英语老师来教音乐的情况，从而可以提升处理速度，有效避免因任务撞车造成效率低下的问题。

而有着iPhone有史以来最强大、最智能芯片之称的苹果A11仿生，在人工智能层面的亮眼之处就是所搭载的神经网络引擎。

按照苹果官方的描述，神经网络可以在 CPU 主处理单元或 GPU 图形处理单元上运行，能够处理矩阵乘法和浮点处理的能力，分担 CPU 和 GPU 之外的特定任务，不仅实现了硬件性能大幅改善，且在执行相同任务时比使用图形引擎更加节能。

苹果的聪明之处在于将云端基于大数据深度学习训练成型的神经网络传输到手机中，与本地的神经网络引擎结合提供完整的 AI 知识和能力。

目前来看，仅有麒麟970和苹果的A11仿生在AI运算解决方案中采用了独立处理单元，高通、联发科是分布式异构计算的代表。在手机AI发展的初期阶段，和AI有关的应用尚未成为绝对的主流，芯片厂商也选择了不同的处理方式来满足AI需求。或许也只有华为、苹果这样的公司，才有机会成为第一个吃螃蟹的人。

当然，芯片能力绝非是手机AI比拼的全部，技术终究要落地到应用场景当中。而在AI生态的建设上出现了两大阵营，一类是高通、华为等开放AI接口给开发者的芯片企业，另一类是荣耀为代表的在AI应用层开放的手机厂商。

就目前来看，高通已经向Face++、谷歌、Facebook等开发者抛出了橄榄枝；华为也把麒麟 970 作为移动计算平台开放出去，供众多开发者快速把应用接入华为的AI平台，已经适配了 AI 慧眼拍照、AI 随行翻译、AI语音助手等功能，构成健康可持续发展的AI生态链；OPPO宣布联合商汤科技打造AR开发者平台；荣耀早在2016年就推出了首款人工智能智慧手机荣耀Magic，在AI摄影、人脸识别、AI翻译等应用上收获颇丰……

不过，最终决定AI话语权归属的还是用户体验，大多数用户并不会关注技术细节，而是直接的使用体验。不同于手机行业太多可有可无的微创新，处理器的AI能力在用户端却有着放大的迹象。

以时下火热的抖音为例，在用户录制视频时，即便后台运行了很多APP，导致CPU和GPU处于满负荷状态，NPU单元依旧可以帮助用户完整抠出人像，并且实时完成效果渲染；而缺乏NPU单元的处理器，一旦CPU和GPU承担的人物过多，在运算速度不足的情况下，有可能出现录视频人像抠图不完整的情况，比如缺胳膊少腿等。

读到这里，大家对AI手机应该有了比较清晰的认知，不是增加了某一项AI功能就可以称之为AI手机，而是需要一整套的解决方案，AI芯片（计算能力）、AI算法（处理能力）、云端服务（智能服务）、AI系统（系统级优化）缺一不可。

只是对大多数手机而言，目前仍止步于单一的AI应用。