在即将到来的人工智能大潮下，芯片板块近日在资本市场的表现格外抢眼，本文从一个技术的角度来谈谈人工智能芯片的话题。
一只人工智能芯片跟现有的cpu有怎样的不同呢？过去三年，智能手机的cpu使用了ARM的big.LITTLE架构，它能够将相对较慢的节能核心与速度更快、能耗更低的核心结合起来。主要目标是让芯片尽可能少占用电能，以获得更好的电池续航时间。今年的“人工智能芯片”让这一概念更进一步，它通过添加一个新的专用组件来执行机器学习任务，或者使用其他低功耗内核来执行机器学习任务。
华为今年发布了Kirin 970，他们称其为第一款带有专用神经单元处理器（NPU）的芯片组。然后，苹果发布了A11仿生智能芯片，该芯片为iPhone8、8Plus和x提供引擎动力。A11仿生芯片的特点是，它的神经引擎处理器是专门为机器学习而设计的。继而，高通发布了骁龙845，该芯片能够将人工智能任务发送至最合适处理器的核心系统。这三家公司的设计方法并没有太大的区别——最终归结为每种芯片向开发者提供的访问权限，以及每一种设置所消耗的电量。
这种新的架构意味着过去只能在云端处理机器学习计算，现在可以在设备本体上更高效地运行。通过使用非CPU的部分来运行人工智能任务，用户的手机可以在同一时间处理更多的事情，这样你在等待应用为你翻译或寻找宠物狗的图片时就不会遇到延迟的烦恼。此外，在手机上运行这些程序不用将用户的使用数据发送到云端，这对用户隐私也有了更强的保护，因为这样可以减少黑客获取数据的机会。
这些人工智能芯片的另一大优势是节约能源。因为有些工作是重复的，我们手机电池消耗量需要针对这些重复的进程进行更合理地分配。到目前为止，这些芯片都没有在现实世界中带来明显的影响。因为我们正处于让设备进行机器学习的发展早期阶段，重点则是研究如何让机器学习相关的任务在用户设备上运行得更快、更省电。
閱讀更多 羽時AI股 的文章
