MWC 2018：人工智能成為主旋律

　　雖然蘋果和三星都擁有自主開發的應用處理器，鎖定了高端智能手機市場，但是聯發科(MediaTek)正在尋求在智能手機市場的反彈，在本周的2018世界移動通信大會上推出了Helio P60芯片組。

　　聯發科的計劃是重新進入與高通競爭的中高端智能手機市場。

　　聯發科技將Helio P60視為“首款采用多核AI處理單元(移動APU)和聯發科NeuroPilot AI技術的SoC平臺”。

　　聯發科的舉動顯示了該公司在行業智能手機大戰中，策略重點轉向移動人工智能的巨大變化。目前各種芯片供應商都在競相將神經網絡引擎用于手持設備上。目標很簡單。他們希望開啟人工智能體驗——語音用戶界面、人臉解鎖、AR等等——在客戶端設備上處理更快、更好，無論有沒有網絡連接。

　　Linley Group高級分析師Mike Demler表示：“我們在去年才看到了第一批帶有嵌入式神經引擎的智能手機處理器，如蘋果A11、華為麒麟970、高通Snapdragon 835和聯發科Helio X30等旗艦處理器。”

　　Demler表示：“我們對聯發科將在更低層添加神經引擎并不感到意外，但有趣的是，他們正在使用比其旗艦產品X30更強大的核心來實現這一點。”

　　換句話說，一個由中國手機制造商推動的、充滿活力的中端智能手機供應商社區正在躍躍欲試，他們希望盡快趕上移動AI這股趨勢。

　　新高度

　　聯發科稱其為“新高級”是指“以中檔價格提供卓越性能和功能的設備”。聯發科銷售總經理Finbarr Moynihan解釋說，“新高度”是目前智能手機的重要動作，像Oppo、Vivo、聯想等中高端玩家都渴望縮小與頂級競爭對手的差距，希望在應用、功能和AI方面取得重大飛躍。

　　聯發科告訴我們，2017年全球智能手機出貨量的48%來自中國OEM廠商，主要針對新興市場。聯發科援引TrendForce報告指出，2017年中端消費者品牌出現大幅增長，小米的智能手機產量增幅高達76%，而Transsion、OPPO和Vivo也有大幅增長。

　　Helio P60在八核CPU中配備了4個ARM A73處理器和4個ARM A53處理器。基于big.LITTLE的8核設計，聯發科技宣稱與前代產品Helio P23和Hleio P30相比，CPU性能提升了70%。通過使用最高800MHz的新型Mali G72 GPU，P60還將GPU性能提高了70%。

　　聯發科的神經網絡引擎

　　然而，讓Helio P60實至名歸的是其內置的NeuroPilot AI平臺、橋接CPU、GPU和板載AI加速器。聯發科的人工智能框架可以通過協調SoC內CPU、GPU和AI加速器計算工作負載來管理異構AI計算架構，最大限度地提高性能和能效。

　　聯發科已經證實，P60在其AI加速器中集成了Cadence Vision P6內核。

　　Cadence Vision P6(來源：Cadence)

　　與聯發科技旗艦產品Helio X30——使用Cadence Vision P5，每秒70 GMAC(8位)——相比， Helio P60每秒處理性能為280 GMAC。Demler表示：“所以在處理器整體性能上降低了一層，但同時將神經引擎性能提高了4倍。”

　　當被問及對比Helio P60神經網絡引擎性能時，Demler說：“華為的麒麟970可以達到?1TMAC / s(FP16)，因此在更高的分辨率下它的神經網絡性能是P60的4倍。在280GMAC / s下，P60與蘋果A11的很接近，達到300GMAC / s。”

　　缺乏AI基準

　　然而，我們咨詢的大多數分析師都認為，深度學習加速器基準的缺乏，使得很難做出有任何意義的比較。Demler稱這是“一個開放的大問題”，他說移動AI這個泥潭可能很容易導致我們陷入“GOPS / TOPS營銷炒作之戰”。

　　Tirias Research首席分析師Jim McGregor表示贊同。“這是一個令人困惑的話題，因為沒有什么細節和基準。聯發科和其他公司使其聽起來像是無所不能的人工智能解決方案，”但通常并非如此，McGregor補充說。

　　例如，聯發科的P60中使用的Cadence Vision P6內核是針對計算機視覺應用進行了優化，而非通用神經網絡，Demler說。

　　正如McGregor所解釋的，“首先，你需要了解大多數AI處理器是什么。”例如，聯發科、蘋果和華為稱其解決方案為“專用”，意味著使用單個IP塊進行AI加速。“在大多數情況下，這意味著從其他方——如Cadence或Ceva——那里獲得的IP塊許可。這種IP塊支持可配置的神經網絡，但有一些限制。可是沒有人能確切地說出這些限制是什么。”

　　所以，顯然地，在應用處理器內部放置一個神經網絡引擎并不是故事的結尾。正如McGregor指出的那樣，新神經網絡的開發和訓練仍然需要在數據中心進行，必須依賴更多高精度、強大的訓練處理器。