人工智能大热，国内外芯片开发商竞相发布自己的AI处理器智能芯片。小编比较了目前主流“AI处理器”的技术和市场发展，并用表格的形式列出了它们的制程、架构及应用。

寒武纪科技的Cambricon-1A是一款深度学习专用处理器芯片(NPU)，其高性能硬件架构及软件支持Caffe、Tensorflow、MXnet等主流AI开发平台。据称这是国际上首个成功商用的深度学习处理器IP产品，可广泛应用于计算机视觉、语音识别、自然语言处理等智能处理关键领域。专注于人工智能产业发展的美国权威媒体CB Insights最新发布全球AI 100榜单，寒武纪以其深度学习专用处理器入选，是中国大陆唯一一家上榜的AI硬件创业公司。

寒武纪目前有三条产品线：首先是智能终端处理器IP授权，智能IP指令集可授权集成到手机、安防、可穿戴设备等终端芯片中，客户包括国内顶尖SoC厂商，现已开始投入市场。其次，在智能云服务器芯片领域，作为PCIE加速卡插在云服务器上，客户主要是国内的知名服务器厂商。第三，家用智能服务机器人芯片：从智能玩具、智能助手入手，使服务机器人独立具备看听说的能力。客户是各类下游机器人厂商，产品的推出将比智能云服务器芯片更晚一些。

华为麒麟970：号称全球首款AI处理器

华为声称麒麟970是全球第一款人工智能系统级芯片，Kirin 970选择了异构计算架构来大幅提升AI的运算能力，内置独立的神经网络处理单元。据说这种专用硬件处理单元源自寒武纪NPU IP授权，专门用于机器学习和一般的AI应用程序。

华为宣布将在美国上市的Huawei Mate 10 Pro会搭载麒麟970芯片，另外华为荣耀（Honor V10）也会采用。相较之下，高通骁龙845也把大部分焦点集中在AI，而普及率无疑会比麒麟970高，骁龙845支持众多Android 旗舰智能手机，当中包括三星、Sony、LG 和小米的高端产品。

与华为麒麟970芯片不同的是，高通是在通用平台内做内核优化，它没有独立的神经网络引擎单元，而是更弹性的机器学习架构，分布在CPU、GPU、DPS等每个单元上，从而可以针对不同移动终端弹性调用各个处理单元。

对于两者方向的不同，高通方面认为集成更加有效。但华为认为，鉴于手机对能耗的要求，独立NPU处理单元未来一定是手机处理器的必由之路，从现在看只有苹果和华为做了独立的NPU。

845跑分对比，声称前者跑分比后者还要高出7%，但麒麟970、骁龙845的差异其实不大，且网络还只秀出几个独立测试结果，并非完整跑分的平均值，显示差距甚至可能比表面看来还小。同样地，就算处理器的跑分很高，实地运作的绩效还是不一定，尤其在差距如此微小的情况下。话虽如此，外泄的跑分结果依旧暗示华为旗舰处理器的运算能力有可能很快会追上高通。

高通骁龙845：今年将在高端Android手机中广泛应用

从微博发布的骁龙845和麒麟970参数规格对比看出，骁龙845核心发生巨大升级，采用全新高端大核心A75与A53组合，GPU升级为Adreno 630，三星10nm LPE制程工艺。而麒麟970继续采用A73核心与A53核心，GPU型号未知，同样采用10nm工艺，由台积电代工。

三星Exynos9810处理器采用其第三代自研M3架构，拥有4个2.9GHz的M3大核和4个1.9GHz的A55小核，依然是10nm（FinFET）的制程工艺。10nm也是目前苹果A11、骁龙845和麒麟970都在采用的制程工艺。

GPU方面，Exynos9810采用最新的Mali-G72，采用了18颗核心（MP18），预计工作频率在700MHz。Mali-G72是ARM去年发布的基于Bifrost架构的图形处理器，在更小面积与更低功耗的基础上，提供更强大的效能。采用Mali-G72的设备，整体图形性能是前一代的1.4倍。能效提升25%，芯片面积效能提升20%，机器学习效率提升17%。

在人工智能方面，支持人脸检测的Bixby变得更加聪明。基于神经网络的深度学习，新的处理器能够通过快速图像搜索和分类精确识别照片中的人或物，以进行快速图像搜索或分类，或者通过深度感测，在3D中扫描用户的脸部以进行混合式人脸检测。通过利用硬件和软件，混合式人脸检测功能可以实现真实的人脸跟踪检测，从而在使用人脸进行设备解锁时候更加安全。

英伟达DRIVE Xavier：为自动驾驶提供强劲驱动力

在CES会展上抢尽风头的英伟达展示了DRIVE Xavier，这个AI芯片由一个特别定制的8核CPU、一个全新的512核Volta GPU、一个全新深度学习加速器、全新计算机视觉加速器、以及全新8K HDR视频处理器而打造。DRIVE Xavier可以提供更高的处理能力，运行功率更低，每秒可运行30 万亿次计算，功耗却仅为30瓦，能效比上一代架构高出15倍。TensorCore、视频识别和流处理、物体定位、路径规划等所有AI计算任务都能在上面飞快跑起来，据称首批样品2018年第一季度就可以交付给客户。英伟达CEO黄仁勋表示，中国市场是全球最大市场，所有的系统在设计时都考虑到了本地化和中国客户的需求，比如百度的每辆自动驾驶车辆都搭载了Drive Xavier。

为了抵御NVIDIA在人工智能领域的强势进攻，Intel先后收购了FPGA芯片巨头Altera、AI初创公司Nervana Systems，以及以色列自动驾驶芯片公司Mobileye等。Intel在CES上向各界展示了其自主学习神经拟态芯片“Loihi”，这是在收购以上技术公司并汇集众多研究成果后推出的神经拟态芯片。

AI芯片可以分为两类，一类为人工神经网络，而另一类为神经拟态计算，理论上来说神经拟态计算效能更好，但芯片开发难度更大，Intel的Loihi采用神经拟态计算这条更难的道路可以看出它希望逆袭NVIDIA的野心。

Loihi采用了架构到芯片建模、异步设计流程以及基于FPGA仿真的圆形算法验证，具有非常节能的特点，拥有128个核+3个低功耗X86核、可编程的学习规则等特点。

Intel介绍Loihi芯片拥有自主学习功能，并且可以利用数据来学习和推断，随着时间延长能变得更加智能，可以应用于汽车和工业生产等领域，不过说了这么多优点，这一切还需要在现实中应用以证明它是否具有这些能力，这恰恰是Intel相较NVIDIA的弱点，因为当前在全球的神经网络训练系统大多数都采用NVIDIA的芯片，Intel需要加大力度推广以在市场份额上赶上NVIDIA。

瑞芯微电子（Rockchip）在CES上发布旗下首款性能超强的AI处理器RK3399Pro，为人工智能领域提供一站式Turnkey解决方案，其NPU运算性能高达2.4TOPs，具高性能、低功耗、开发易等优势。

Mali-T860，集成更多带宽压缩技术，整体性能优异。RK3399Pro具备极强的AI运算性能，是瑞芯微首次采用CPU+GPU+NPU硬件结构设计的AI芯片，其集成的NPU融合了瑞芯微在机器视觉、语音处理、深度学习等领域的多年经验。相较传统芯片，典型深度神经网络Inception V3、ResNet34、VGG16等模型在RK3399Pro芯片上的运行效果表现出众。

联发科NeuroPilot：广泛用于消费性产品

联发科在CES发布了NeuroPilot人工智能（AI）平台，主攻智能手机、智能家庭、自驾车的终端边缘运算。联发科表示，目前1年约有15亿台消费电子产品采用联发科芯片，2018年将整合AI处理器与NeuroPilot SDK软件开发套件技术，将AI带入广泛的消费性产品中。

联发科已在2018年新款Helio手机芯片中加入AI运算核心，现在已为智能语音助理、智能电视、自驾车打造AI解决方案，并在CES中展示具体跨平台应用，包括Amazon Echo智能语音助理、Android O智能电视、BelkinWemo智能型插座、以及联发科全网覆盖家庭路由器等。

华夏芯“北极星”：完全自主知识产权的AI芯片平台

华夏芯发布全自主IP的AI芯片平台——“北极星”，这是国内首次发布的CPU、DSP和AI全部具有自主知识产权的平台型人工智能芯片。“北极星”是一款面向多种应用的SoC芯片，不但有负责神经网络和深度学习的AI专用处理器，还集成了高性能的CPU/DSP，其能力可以延伸到多个产品领域，诸如智能辅助驾驶、智能安防监控、机器人、计算机视觉、车载和商用雷达探测、语音识别等嵌入式人工智能应用。此外，还能延伸到工业4.0、现场控制、边缘计算、智能硬件、智慧家居等在内的多个其它领域，是一款市场适应性极强的异构计算和人工智能平台型芯片。

“北极星”可以在单芯片上采用编程扩展的方法实现复杂度很高的现场控制与决策、数字信号处理、图像信号处理、基于神经网络的深度学习和特征提取、多线程并行计算等多种功能。“北极星”芯片采用台积电28nm工艺制程，将于2018年上半年量产。

地平线“征程”和“旭日”：嵌入式人工智能视觉芯片

去年获得Intel一亿美元投资的地平线推出了征程（Journey）和旭日（Sunrise）两款处理器，都属于嵌入式人工智能视觉芯片，分别面向智能驾驶和智能摄像头。

这两款芯片性能可达到1Tops，实时处理1080P@30帧，每帧可同时对200个目标进行检测、跟踪、识别。典型功耗做到1.5W。两款芯片采用关注模型（Attention Engine）+认知模型（Cognition Engine）的数据处理流模式。通过这一个组合算法，芯片的计算速度可以10倍以上。通过边缘学习，模型可以不断提升自己，错误率降低在50%以上。此外，两款芯片利用弹性张量计算核，地平线人工智能处理器的乘法器利用率接近100%。

征程1.0处理器具备同时对形容、机动车、非机动车、车道线、交通标志牌、红绿灯等多类目标进行精准实时检测与识别的处理能力，可支持L2级别的辅助驾驶系统

旭日1.0系列处理器集合了深度学习算法，支持在前段实现大规模人脸检测跟踪、视频结构化，可应用于智能城市、智能商业等场景。

　　在移动芯片市场，我们都知道高通是最厉害的，其厉害之处在于芯片的性能和相关技术专利，几乎任何一家厂商都难以逃脱高通的技术专利。

　　除此之外，还有苹果的A系列处理器、三星猎户座处理器和华为的麒麟处理器，这些处理器仅用在自家设备上，只有三星的猎户座处理器进行对外销售，但目前受到高通技术专利的限制，三星不能对外销售猎户座处理器。

　　虽然联发科的处理器曾经也是市场霸主，但如今只能在低端市场存活。

　　在这些处理器中，虽然高通处理器份额最高，但性能最强的却是苹果A系列处理器，其强于高通，主要表现在单核、GPU部分以及综合优化上。如果按照性能排名的话，目前依次是A10、高通835、三星 Exynos 8895和麒麟960。

　　日前华为发布了全新一代麒麟970处理器，这款处理器将是对高通骁龙835和苹果即将发布的A11的最好回击。

　　一直以来，华为处理器相对于其他上述厂商都处于弱势，但麒麟970真可谓与众不同。

　　用华为余承东的话说就是，麒麟970是华为首款人工智能移动计算平台，并且是全球首个集成独立AI人工智能专用NPU神经网络处理单元的移动芯片，所采用的是创新的HiAI移动计算架构。

　　就目前而言，处理器性能普遍存在过剩现象，所以各大厂商在研发新一代处理器时，都将功耗、GPU以及整合优化能力放在首位。

　　从处理器构架上，华为麒麟970超越高通835或许不是问题。

　　虽然两者都是采用10纳米的制造工艺，但华为麒麟970在约100平方毫米的狭小体积内集成了55亿个晶管体，而骁龙835和苹果A10分别是31亿和33亿。

　　上文已经说过，现在处理器都存在性能过剩的现象，所以麒麟970依旧采用八核心设计，由4个主频为2.4GHz的Cortex-A73大内核与4个主频1.8GHz的Cortex-A53内核组成。

　　但在GPU部分，GPU图形处理器单元部分，华为麒麟970全球首发了ARM的Mali-G72 MP12，12个核心，这是华为首次上两位数核心的GPU了，图形处理性能相比960强很多，性能提升幅度达到20%，同时能效还降低了50%。

　　而高通835处理器采用的是Adreno 540的架构，其与骁龙820 Adreno 530完全一样，只是做了一些优化调整，尤其是ALU单元和寄存器文件。

　　最重要的是麒麟970采用HiAI移动计算架构，所谓的HiAI移动计算架构，主要由四部分组成，CPU、GPU、ISP/DSP和NPU。

　　简单说就是麒麟970内置的NPU运算能力达到1.92 TFLOPs。在AI人工智能深度学习下，所有硬件能够协调芯片内部的各个组件及手机硬件，如ISP、DSP，保持处理某些特定任务时，提升速度并低功耗运作。

　　当然，由于目前没有详细的跑分数据，单从参数上来看，这次华为麒麟970超于高通835还有是有希望的，但超越苹果即将发布的A11是没有希望的。

　　在去年的发布了苹果A10，其性能已经超过了高通今年发布的骁龙835处理器，尤其是在单核跑分上，A10的单核跑分均值在3400左右，高通835仅为2000左右，多核跑分高通超越苹果，是因为苹果A10为四核，高通835为八核。

　　在GPU部分，高通835稍微超于苹果的定制版PowerVR GT7600图形处理器，但是考虑到苹果A10是去年的处理器，而高通835是高通今年的旗舰，其在综合性能上却依旧低于苹果。

　　苹果也将会在今年9月份发布新一代iPhone，按照苹果的惯例，新一代iPhone肯定会搭载新一代处理器，也就是A11，苹果必将在A10的基础之上再一次提升性能。

　　苹果一贯做法就是用定制版GPU，虽然苹果宣布自主研发GPU，但考虑到时间问题，新一代A11还将搭载定制版的PowerVR图形处理器，其超过高通835的Adreno 540是毫无悬念的。

　　而且，由于iPhone上搭载的iOS系统和A11处理器都是苹果自主研发，其在优化上自然会高于安卓机搭载的高通835处理器。

　　所以说，华为麒麟970有人工智能加持，性能超于高通835是有希望的，但超过苹果即将发布的A11几乎没有希望。

AI概念，可以说已经火了大半年。自华为麒麟970的NPU带动了手机AI芯之后，高通也在AI方面下足了功夫。从骁龙845到710到660，涵盖了高端中端，较华为来说，更加全面。

那么目前手机AI性能到底哪家强呢？鲁大师数据中心发布了2018上半年AI排行榜，其得分来源于鲁大师AImark。

（注：本排行榜仅统计安卓数据，且得分为均值，会因手机评测数量上下波动。）

目前来说，排名前三的仍然被华为麒麟970占领。作为首款公开发布的AI芯片，它开创性的加入了独立NPU（神经网络单元），和CPU、GPU、DSP组成了HiAI人工智能移动计算平台。在华为的新机中，除了对芯片的优化，还有对自己手机的优化，这就好像是“一对一教学”，能把手机+芯片的应用做到比“一对多教学”更有效果。

而高通骁龙845在AI上的计算能力是骁龙835的三倍，并支持多平台的神经网络系统，高通还开放了AI平台生态系统给合作伙伴。可以说目前这两款高端芯片引领了手机AI芯的方向。

AImark使用目前较为常用的三种神经网络Inception V3、ResNet34、VGG16的特定算法，机器识别图片内容，按照概率高低输出可能的结果列表。最终通过识别速度来判断手机AI性能，进而给出行测试评分。

因为AI芯片（或者称之为AI协处理器）与CPU、GPU没有太大关系，因此CPU性能的高低对AI芯片造成的影响有限。一个旗舰芯片的AI能力，取决于这个芯片有没有对AI模块进行优化，如果没有，那么这个芯片性能再强，AI性能也不怎么样。

基于此，在同样的顶级配置下，AI优化就会显得更加重要。可以毫不夸张的说，未来手机行业竞争愈加激烈，硬件配置已经无法拉开差距的情况下，AI性能会成为新的考量标准和核心竞争力。

除了麒麟970和骁龙845外，高通次旗舰芯片骁龙710发布现场，高通总裁曾表示，未来手机AI的发展主要涉及AI单摄背景虚化，智能识别，包括识图优化，照片归类智能化，以及训练执行和推理，涵盖了手机、自动驾驶、交通、VR、XR等诸多行业。

其中，智能手机是最普及的人工智能平台，也是AI的主战场。预计2018年—2022年，搭载AI的智能手机将超过86亿部。

在智能手机上面，AI将主要体现在互联与学习上，包括常见发热语音助手、拍摄美颜、识图翻译、人脸解锁等。

正因为AI是大势所趋，所以在最近发布的骁龙710和骁龙845身上，高通都把AI当做了重点，可以想象一下，未来AI之于手机将会是必不可缺的部分。

最后，查看全部榜单请搜索“鲁大师2018年中报告”，想了解手机各项性能跑分（性能、流畅度、AI、VR等），欢迎下载鲁大师安卓版进行测试。