3%，这是调研机构Counterpoint发布的2017年第二季度中国手机市场的增长率，这是个多少令人有点尴尬的数字，要知道仅仅在三年前，这个数字还是30%。出现这个结果，不管业界还是调研机构，普遍都认为一方面是消费市场已经趋近饱和，另一方面也因为智能手机创新进入瓶颈期，用户不再迫切更换新手机。

事实上智能手机创新匮乏已经持续多时，就连刚刚过去不久的苹果发布会也没能激起大众太多的热情，而“Face ID面部识别”成为发布会上为数不多的亮点功能之一，为这个功能提供支撑的正是苹果A11处理器全新的“神经网络引擎”。

除了苹果，华为也推出了麒麟970处理器，直接为其正名“AI芯片”，至此AI芯片正式走到大众视野里，尽管现在这个新事物尚在萌芽期，但未来这很可能将是影响智能手机、智能设备、智能汽车的重大变革，而且将是规模数百亿计的上游新产业。

科技巨头开启AI时代

9月初，华为首次在柏林国际消费类电子展览会上展出了麒麟970芯片，华为称这是“全球首款人工智能（AI）通信芯片”，与以往的通信芯片不同的是，麒麟970内置了NPU（神经网络处理器）实现芯片自主深度学习。

华为宣称，麒麟970在AI方面的概念让其就像一个智慧大脑，相比以往需要上传到云端的DeepLearning深度学习，现在直接在移动终端内完成，可以大大提升服务效率。麒麟970中首次集成了神经元网络单元NPU，其与CPU、GPU组成了创新的HiAI人工智能移动计算平台。

利用NPU还可以实现计算机实时演算、低功耗AR等功能，而且都是在手机端就可以实现。可以让手机在原有的硬件基础上大幅度提升性能，还可以让手机变得更加智能，随时响应用户的操作指令。

虽然华为赶在了其他厂商前面发布首款AI通信芯片，但后面的追赶者如三星、苹果、高通、展讯等也都洞察到了AI芯片的重要性。

苹果在刚刚发布的iPhone 8和iPhone X中使用了苹果A11处理器，尽管苹果没有宣称这款处理器是基于AI芯片，但其实这款处理器与此前的不同之处在于加入了AI技术，苹果称之为“神经网络引擎（neural engine）”。而这个“引擎”正是iPhone X上的Face ID面部识别功能背后的最大功臣，Face ID使用了人工智能技术完成人脸三维建模中的特征提取，并且用这些特征配合算法来实现人脸识别。

另外如三星也在秘密研发人工智能专用芯片，以期赶上对手的步伐，三星AI芯片可以实现离线处理数据，不再依赖云端处理语音识别，语音翻译等功能；而高通也正在研究人工神经网络，并在最近收购了荷兰机器人工智能公司Scyfer、美国的人工智能公司Brain Corp等，期望尽快将AI置入移动芯片中。

值得注意的是，尽管离AI芯片的普及还有很长一段时间，但近期一些品牌像小米、vivo等发布的新产品也内置了人工智能专门处理的功能，如AI美颜、AI游戏引擎、用户行为学习等，俨然已成潮流。

一位业内人士坦言，“今年智能手机的热点看似是‘全面屏’，但这很可能只是一时的热潮。说到重大的变革，还是要数AI芯片和人工智能学习，这将在未来几年持续影响智能手机和其他智能产品发展的方向。”

前景光明但尚未成熟

半个世纪以来，芯片行业制造商包括英特尔、高通、德州仪器、三星等，都在使用一种单一的、适用于各种情况的芯片，这几乎是因一直遵循“够用”原则。

而直到语音助手、人脸识别、物体识别等等人工智能出现后，人们发现现有CPU无法支撑如此复杂的运算，因此初期定义“人工智能加速器”的部分就应运而生。人工智能加速器通常是一块专用的硬件单元，可以以单独芯片或者SoC上的IP的形式存在。由于专门为人工智能加速设计，因此在处理此类运算时可以实现非常高的性能并且消耗很低的功耗。

直到现在华为、高通相继为“AI芯片”正名，以后人工智能加速器将成为移动芯片的标配。对AI芯片的产业前景，有机构预测，到2025年，全球AI芯片组市场规模将超过122亿美元；而我国《新一代人工智能发展规划》预计，到2020年，国内智能计算芯片市场规模将达到100亿元。斯坦福大学人工智能实验室主任李飞飞表示，未来五到十年，人工智能在无人驾驶、工业机器人及AR/VR等行业的应用会得到大规模提高。

而专注于为移动设备制造芯片的制造商高通则认为，智能手机已经成为人工智能最大的载体，高通工程技术副总裁Jeff Gehlhaar表示，“人工智能可以为智能手机提供增强体验和全新功能，例如可以成为你的个人助理，可以提供出色的拍照，还有更强的安全性。”

不过就目前来看，尽管人工智能芯片看起来成为风潮，而且很可能成为智能手机和智能产品下一个竞争点，但是手机中国联盟秘书长王艳辉则认为目前为时尚早，“目前的AI在行业应用中快速地普及，但对于分散的手机场景，应用还远远没有成熟。”

他还认为，真正的人工智能芯片需要密集型的计算，而目前智能手机的计算环境是非常受限的，续航、内存、散热等都是需要解决的问题。换言之，想要“真正”实现人工智能并非易事，还有很长一段路要走。