虽然苹果和三星都拥有自主开发的应用处理器，锁定了高端智能手机市场，但是联发科（MediaTek）正在寻求在智能手机市场的反弹，在本周的2018世界移动通信大会上推出了HelioP60芯片组。

联发科的计划是重新进入与高通竞争的中高端智能手机市场。

联发科技将HelioP60视为“首款采用多核AI处理单元（移动APU）和联发科NeuroPilotAI技术的SoC平台”。

联发科的举动显示了该公司在行业智能手机大战中，策略重点转向移动人工智能的巨大变化。目前各种芯片供应商都在竞相将神经网络引擎用于手持设备上。目标很简单。他们希望开启人工智能体验——语音用户界面、人脸解锁、AR等等——在客户端设备上处理更快、更好，无论有没有网络连接。

LinleyGroup高级分析师MikeDemler表示：“我们在去年才看到了第一批带有嵌入式神经引擎的智能手机处理器，如苹果A11、华为麒麟970、高通Snapdragon835和联发科HelioX30等旗舰处理器。”

Demler表示：“我们对联发科将在更低层添加神经引擎并不感到意外，但有趣的是，他们正在使用比其旗舰产品X30更强大的核心来实现这一点。”

换句话说，一个由中国手机制造商推动的、充满活力的中端智能手机供应商社区正在跃跃欲试，他们希望尽快赶上移动AI这股趋势。

新高度

联发科称其为“新高级”是指“以中档价格提供卓越性能和功能的设备”。联发科销售总经理FinbarrMoynihan解释说，“新高度”是目前智能手机的重要动作，像Oppo、Vivo、联想等中高端玩家都渴望缩小与顶级竞争对手的差距，希望在应用、功能和AI方面取得重大飞跃。

联发科告诉我们，2017年全球智能手机出货量的48％来自中国OEM厂商，主要针对新兴市场。联发科援引TrendForce报告指出，2017年中端消费者品牌出现大幅增长，小米的智能手机产量增幅高达76％，而Transsion、OPPO和Vivo也有大幅增长。

HelioP60在八核CPU中配备了4个ARMA73处理器和4个ARMA53处理器。基于big．LITTLE的8核设计，联发科技宣称与前代产品HelioP23和HleioP30相比，CPU性能提升了70％。通过使用最高800MHz的新型MaliG72GPU，P60还将GPU性能提高了70％。

联发科的神经网络引擎

然而，让HelioP60实至名归的是其内置的NeuroPilotAI平台、桥接CPU、GPU和板载AI加速器。联发科的人工智能框架可以通过协调SoC内CPU、GPU和AI加速器计算工作负载来管理异构AI计算架构，最大限度地提高性能和能效。

联发科已经证实，P60在其AI加速器中集成了CadenceVisionP6内核。

CadenceVisionP6（来源：Cadence）

与联发科技旗舰产品HelioX30——使用CadenceVisionP5，每秒70GMAC（8位）——相比，HelioP60每秒处理性能为280GMAC。Demler表示：“所以在处理器整体性能上降低了一层，但同时将神经引擎性能提高了4倍。”

当被问及对比HelioP60神经网络引擎性能时，Demler说：“华为的麒麟970可以达到?1TMAC／s（FP16），因此在更高的分辨率下它的神经网络性能是P60的4倍。在280GMAC／s下，P60与苹果A11的很接近，达到300GMAC／s。”

缺乏AI基准

然而，我们咨询的大多数分析师都认为，深度学习加速器基准的缺乏，使得很难做出有任何意义的比较。Demler称这是“一个开放的大问题”，他说移动AI这个泥潭可能很容易导致我们陷入“GOPS／TOPS营销炒作之战”。

TiriasResearch首席分析师JimMcGregor表示赞同。“这是一个令人困惑的话题，因为没有什么细节和基准。联发科和其他公司使其听起来像是无所不能的人工智能解决方案，”但通常并非如此，McGregor补充说。

例如，联发科的P60中使用的CadenceVisionP6内核是针对计算机视觉应用进行了优化，而非通用神经网络，Demler说。

正如McGregor所解释的，“首先，你需要了解大多数AI处理器是什么。”例如，联发科、苹果和华为称其解决方案为“专用”，意味着使用单个IP块进行AI加速。“在大多数情况下，这意味着从其他方——如Cadence或Ceva——那里获得的IP块许可。这种IP块支持可配置的神经网络，但有一些限制。可是没有人能确切地说出这些限制是什么。”

所以，显然地，在应用处理器内部放置一个神经网络引擎并不是故事的结尾。正如McGregor指出的那样，新神经网络的开发和训练仍然需要在数据中心进行，必须依赖更多高精度、强大的训练处理器。

如果应用开发人员和OEM厂商想要利用智能手机应用处理器内部的神经引擎，他们需要一个与底层硬件挂钩的软件框架。“所有领先的移动处理器设计公司（高通、联发科、华为、苹果）现在都提供神经网络SDK，”Demler观察到。但他们都需要支持像Caffe和Torch这样的流行培训框架。

对联发科来说，联发科提供了被称为NeuroPilotAISDK的框架，该框架可以让应用开发人员和OEM厂商“深入到硬件，看AI软件如何在CPU、GPU和专用AI加速器上运行”，Moynihan这样表示。

与此同时，应用开发人员和OEM厂商也需要能够“查找并查看Android网络API（AndroidNNAPI）的内容”，Moynihan补充道。Google为Android机器学习开发了AndroidNNAPI和运行时引擎。“联发科的NeuroPilotSDK完全符合AndroidNNAPI，”Moynihan补充道。

AndroidNeuralNetworksAPI的系统架构（来源：Google）

在部署能够让智能手机处理器运行AI应用的方法中，高通的方法似乎有些不同。

McGregor说，高通的解决方案是不同的，因为“他们已经在芯片上使用了多种资源，包括HexagonDSP、AdrenoGPU和KryoCPU内核。”

然而他补充说：“没有可用的基准，不可能确定哪种方法更好，但高通模型确实提供了更高的灵活性。”

AI软件之战

无论底层硬件如何，毕竟最关键的还是能够购在任何智能手机上体现AI体验差异化的软件。

McGregor说：“现在，这些应用正瞄准着手机上的常见功能，例如拍照和数字助理。但是，通常由第三方软件开发人员来开发和训练用于手机上的这种模型。”

他指出，“在有限的情况下，有些模型或库是可用的。高通围绕图像识别开发了一些库，三星主要围绕拍照，我相信苹果也正在开发自己的模型。“

在其他情况下，这取决于应用开发人员，这是一个很大的限制，McGregor指出。“很多应用开发人员并不习惯于使用深度学习，也无法访问深度学习所需的大型数据中心，”他说。

LinleyGroup的Demler在他最近的微处理器报告中也对人工智能软件开发提出了警告。“处理器架构的多样性给Android应用开发人员带来了挑战，因为即使在缺乏专用深度学习加速器的设备上，这些应用也必须能够运行。”而另一方面，iOS应用开发人员只需要支持Apple设计的一些处理器就可以了。

TiriasResearch首席分析师KevinKrewell也警告说：“我看到的最大问题是，每个芯片和IP供应商都在以不同的方式做机器学习。ARM可能有最佳的机会，在一个IP上对多个厂商实施标准化。