边缘人工智能芯片大放异彩(3)

智能手机边缘人工智能芯片的成本计算虽然是一个间接的过程，但也可能得出较为可靠的预测。不能直接计算成本原因在于，智能手机的“人工智能芯片”并不仅仅只是将一片单独的芯片安装在手机里。如今的智能手机，厚度仅有七八毫米，内部并没有空间放置多个独立的芯片。许多各类不同的必备功能（处理、图形、内存、联网及现在的人工智能）均集成在同一被称为系统级芯片应用程序处理器的硅芯片膜上。“人工智能芯片”（若手机配备）指整片硅芯片膜中用于执行或加速机器学习计算的部分，其制造材料与芯片的其他部分完全相同，亦采用相同的制造工序和工具。

它由数以亿计的标准晶体管组成，但与芯片的常规处理或图形部分的排列方式不同，即具有不同的架构。该人工智能部分通常（并未总是）被称为神经处理单元。

边缘人工智能芯片在中国

中国5G商用推进，人工智能应用场景较为丰富且受政府支持，前期优秀的人工智能厂商及初创公司发展至一定规模，加速了产业链的成熟并催生了更多机会，人工智能边缘计算将会是未来最重要的市场之一。国内的人工智能公司正研发推出边缘计算芯片，并与韩国等芯片制造强国的公司合作，提高高性能芯片的制造能力。相较于云计算，边缘计算高效、安全的边缘侧数据处理能力吸引越来越多的老牌芯片企业、科技巨头和初创企业成为市场参与者。

目前在中国，边缘计算芯片最主要的市场仍为智慧安防领域，且落地应用布局较为成熟。未来，随着技术进步及5G的全面铺开，无人驾驶、智慧家居、智能交通、智能制造等领域可能迎来更大的增长空间。但边缘计算芯片市场仍面临挑战，终端设备的电池容量有限，要求AI芯片的能效较低需具备更卓越的算力性能，才能更好的服务端的人工智能计算需求。而中国的基础芯片制造存在短板，在制造和封装、高速接口和集成电路IP核方面还需要技术积累和时间沉淀。

迄今为止，三星、Apple及华为三家公司已制作了其手机处理器的图像，用于展示其硅芯片膜的所有功能，使分析人员能够清楚看到芯片上用于不同功能的部分。如三星的Exynos9820芯片照片便显示，整个芯片内约5%的区域被用于人工智能处理器。三星整个系统级芯片应用程序处理器的成本预估为70.50美元，是整个手机中成本第二高的部件（仅次于显示屏），占设备材料总成本17%。假设人工智能部分的成本与芯片上的其他部件相同，Exynos芯片的边缘人工智能神经网络处理器约占芯片总成本的5%，单片成本约为3.50美元。

同样，Apple公司的A12仿生芯片将约7%的区域用于机器学习。整个芯片的成本预估为72美元，因此其边缘人工智能部分的成本为5.10美元。华为麒麟970芯片成本预估为52.50美元，其用于神经网络处理器的部分占2.1%，因而成本则为1.10美元。（芯片膜区域并非衡量芯片总成本中人工智能成本占比的唯一方法，但据华为所称，麒麟970的神经网络处理器含有1.5亿个晶体管，占整个芯片全部55亿个晶体管的2.7%。如此计算，其神经网络处理器的成本稍高，为1.42美元。）

虽然成本区间差异较大，但我们亦可合理地将神经网络处理器的平均成本假定为每片芯片3.50美元。尽管价格较低，这一数据乘以5亿部智能手机的销量（还未算上平板电脑、音箱及可穿戴设备），便是一个规模巨大的市场。更重要的，面对3.50美元的平均制造成本——最低甚至仅为1美元，是否在智能手机处理芯片中增加专用的边缘人工智能神经网络处理器便成为一个无需考虑的问题。假设价格会上涨，制造成本增加1美元，但转至终端客户后的价格也仅增加不过2美元。这意味着即使是价格低至250美元的智能手机，亦可配备神经网络处理器及其附带的功能——更优化的摄像头、离线语音助理等，而价格仅会上涨不到1%。

智能手机及其他设备制造商可采用不同方法获取边缘人工智能芯片，其决定主要受到手机机型和地域（有时候）等因素的影响。部分制造商从专门制造和销售应用程序处理器/调制解调器但不制造手机的第三方公司购买应用程序处理器/调制解调器。高通和联发科便是两个著名的例子——2018年，这两家公司在智能手机系统级芯片市场中的份额共达到了约60%。高通和联发科均提供一系列价格不一的系统级芯片；虽然并非所有芯片均含有边缘人工智能芯片，其高端产品通常都有配备，包括高通的骁龙845和855，以及联发科的Helio P60。

另一方面，Apple公司却并不使用外部应用程序处理器芯片，而是使用自己设计的系统级芯片处理器，如A11、A12和A13仿生芯片，这些处理器均配备了边缘人工智能。三星、华为等其他设备制造商则采用了混合策略，从外购市场硅芯片供应商采购系统级芯片的同时使用自身设计制造的芯片（如三星的Exynos 9820、华为的麒麟970/980）。

边缘人工智能芯片能做什么？

也许把问题改成“有什么是边缘人工智能芯片做不到的？”会更贴切。如今，机器学习使各种技术能力成为现实，包括但不限于生物测定测定、面部检测与识别、增强及虚拟现实相关的各类技术、趣图过滤、语音识别、语言翻译、语音协助……以及照片、照片、照片！从隐去皱纹到添加3D特效到实现超弱光摄影，边缘人工智能硬件和软件——而非镜头或感光元件的像素大小——已成为高端智能手机摄像头实现差异化竞争的决定性因素。

虽然所有这些功能亦可通过未配备边缘人工智能芯片的处理器甚至云技术实现，利用边缘人工智能芯片执行这些功能能够显著提升效率和速度，并减少功耗（从而提升电池寿命）。在设备内执行这些处理过程亦能够保障隐私性和安全性——个人信息不离开手机便无法被拦截或滥用。同时配备边缘人工智能芯片的手机，即使在未连接网络的情况下亦能够实现所有这些功能。

企业级边缘人工智能：

机遇诞生的沃土

如果智能手机和其他设备使用的边缘人工智能处理器如此强大，为何不将他们用于企业级应用程序呢？事实上，这早已出现在一些用例之中，如某些自动飞行无人机。配备智能手机系统级芯片应用程序处理器的无人机，能够实时完全在设备内部执行导航避障功能，而无需连接至任何网络。

然而，针对智能手机或平板电脑进行优化的芯片并非许多企业级或工业级应用程序的最佳选择。这种情况与芯片制造商在上世纪80年代面临的中央处理器状况类似。当时的中央处理器具有强大的计算能力和高度的灵活性，性能出色，是个人电脑这一多用途工具的绝佳选择。

但是，将同样的中央处理器用于诸如自动调温器等设备中，只为增加一点点智能，却根本毫无意义。那时，中央处理器体积太大，无法装入自动调温器狭小的空间中，同时功耗远远高于现在的水平，成本更是达到每个约200美元，对于总成本仅需20美元以下的设备而言太过高昂。为解决这此不足，一个完整的产业应运而生，生产出具备电脑中央处理器部分功能，但体积更小、成本更低、功耗更少的芯片。

（编辑：ASP站长网）