麒麟970的AI功能是突破不是领先，苹果“神经引擎”单元蓄谋已久

式的 SoC 系统级芯片。因此，在今天移动互联网时代，数据爆炸，大数据的出现，深度学习变得越来越好用的 AI 人工智能潮流中，一个在移动 SoC 芯片中专门负责虚拟神经元和深度学习的 AI 处理单元肯定不会少。

尽管现在 CPU 和 GPU 也能负责人工智能和深度学习，但是效率不高，毕竟各司其职。很多人会问 AI 人工智能单元有什么用？既然是神经网络，其实只要将其想象成人类的大脑即可，专门负责加速处理五官收集而来的数据，而在手机目前主要应用于语音识别、图像识别等场景。就像前面所说，华为麒麟 970 的 NUP 目前最突出的表现也是在图像识别上。

不出意外的话，"苹果神经引擎"所负责的肯定也是自家目前涉足的领域，例如 iOS 系统中的 Siri 语音识别、图像识别、键盘预测、智能主动感知、主动提醒和服务等，并允许第三方调用。其余苹果还能运用到 AI 处理单元的还会有无人驾驶汽车系统、AR 增强现实技术、Apple TV 和 HomePod 音箱等等，让更多原本生硬的设备也能采用与人类同样的方式进行交互，变得真正会思考。

苹果或许比华为更有优势
其实在移动 SoC 集成 AI 人工智能处理单元这一全新模式上，苹果比其他竞争对手有更大的优势，重点就是因为苹果软硬结合的实力一直是行业的标杆。

为了一款产品研发能够融入了更多自主重要技术，苹果在很多定制零部件上都体现了非常强大的控制力，从天线到处理器、时序控制器以及未来的屏幕，无一不在自己的掌控当中。除了严格的硬件控制，苹果还有最自主的操作系统和开发环境，例如苹果 6 月新推出的 Core ML 架构，一个面向开发者提供的机器学习架构，支持所有主要的神经网络：深度神经网络(DNN)、递归神经网络(RNN)、卷积神经网络(CNN)。

通过 Core ML 能够让开发者把机器学习用到 app 里，包括文本分析、人脸识别等等功能，无缝切换于 CPU 和 GPU 之间，以提供最强的性能和效率。关键是一个开发架构适用于所有范围内苹果设备，可以迅速增殖到每一款 iPhone 和 iPad 之上，扩大适用范围。届时开发者也更乐意基于庞大的苹果设备基数开发，更快利用架构和接口为苹果用户创造更多大量相关的体验。

而相对对于支离破碎的 Android 阵营，接下来在 AI 人工智能的发展上，参照以往将会有谷歌官方 AI 架构，但同时也并存厂商自主的接口，由于架构接口不统一，标准不同，最终难以完美无缝的打造最好体验的产品。可以说，苹果生态圈内能够充分利用软硬高度融合提供独一无二的产品体验，这就是苹果最值得津津乐道之处。

苹果的 AI 仍有一些小担忧
当然了，也并不是说苹果的 AI 芯片就一定能够领先于行业。正如 9 月 4 日 Edison Investment Research 调研公司新报告提到的，虽然苹果 Siri 提供了语音识别领域的先发优势，但竞争对手一直能够比苹果更积极的部署 AI，只因为苹果的保密文化限制了该公司对人工智能的主动权。库克一直宣称，苹果的保密性比美国 CIA 还要高。

Edison Investment Research 的分析说 Richard Windsor 表示，苹果可以在自家生态系统中更深入的整合 Siri，但 Siri 并不那么智能，目前已经落后于 Google Assistant、微软 Cortana 和亚马逊 Alexa。因为 Siri 的深度学习能力受到了苹果隐私保护情节的阻碍，才导致了最终苹果在人工智能竞赛中的落伍。

不仅如此，正如华为所提到的，其在移动 AI 的发展将基于"芯‐端‐云协同"的理念，因为手机芯片设计受到诸多方面的限制，要在那么小的体积内实现对于本地数据强大的人工智能不太可能，AI 技术的核心是对海量数据进行大量的处理，在云端服务器方面，已经有专用的高性能 AI 处理器来解决这个矛盾，例如 Google 的 TPU，NVIDIA 的 Volta等，都是专为提升 AI 运算能力提出的解决方案。

而在移动端，硬件能力的瓶颈明显。华为认为，只能通过未来云和端之间的协同关系来打破，基于云端的大数据，可训练形成通用知识模型并传递到移动端上运行，再结合本地 NPU 单元提供完整的 AI 知识和能力。苹果或许为 AI 已投入了数亿的资金，以便于让设备本身能够自主学习、改进软件功能，但至今并没有利用云计算改变 AI 的迹象。

苹果对 AI 人工智能的策略究竟是什么呢？没有人清楚，但 AI 的重要性已让苹果做出改变，近年苹果一直在设法吸引行业对于其努力开发 AI 技术的注意力。例如，苹果收购了多家与人工智能相关的企业，并且加盟了 AI 行业重要的组织，推出公共博客以讨论其 AI 研究成果，允许公司研究人员在 AI 大会上演讲，发布 AI 学术论文，在业内展开招聘，甚至挖来了人工智能研究的专家等等，更加透明、也更加开放，这必须是好消息。