（文章來源：太平洋電腦網）

說起近年來手機上出現的新玩意兒，AI芯片可能是其中最耀眼的明星。無論是安卓陣營還是iOS陣營，旗艦級別手機所使用的SoC中，AI算力總能成為著力吆喝的賣點。例如最近華為發布麒麟990芯片，其AI模塊的算力相比前代大幅提升數倍，甚至登頂安卓陣營AI Benchmark榜單；而在最新發布的iPhone 11當中，所使用的A13 Bionic仿生芯片也表現不俗，性能提升20%，每秒可執行1萬億次運算。可以說，AI芯片目前已經進入到了軍備競賽階段。

然而，和性能提升可以直觀感受到的CPU、GPU模塊不同，SoC當中的AI性能攀升，其實際應用場景一直令很多朋友感到迷茫——AI這么強，日常使用的APP似乎也沒太大變化，游戲該咋玩還是咋玩。但AI芯片是否真的雞肋？這也未必。

軟件應用往往滯后于硬件發展。觸摸屏并非是什么新鮮事物，但直到iOS橫空出世才讓人找到正確的交互方式；NFC早在安卓2.X時代就已經實裝，但直到近年才迎來各種支付應用的廣泛支持。AI芯片目前的應用范圍并不廣，大家可以感受到的，可能就是相機中場景的AI識別、人臉認證等等。隨著AI芯片算力的提升、軟件應用的完善，未來的APP到底能進化到怎樣的神奇地步？今天一起來聊聊吧。

作為近年最熱門的話題之一，AI這一字眼頻頻出現在各類科技資訊當中。而谷歌開發的圍棋AI Alpha Go一舉擊敗李世石、柯潔，更是令AI走進了聚光燈下。和傳統的算法相比，AI能夠讓計算機的某些舉止更接近人類，例如能夠識別圖像內容、識別句法語義等等，而這些，往往得益于使用神經算法來進行機器學習。

移動互聯網時代的到來令數據規模前所未有的龐大，這為AI提供了茁壯成長的土壤。這些數據成為了AI極其有價值的樣本，人們通過神經算法對這些樣本進行卷積分類，進行一遍又一遍的機器學習，輸出了不同權重的結果，并以此作為識別行為事物的判斷依據。從這方面來看，AI的本質是數據密集、算法先進、分類權重細致的統計學，通過不斷輸入數據、不斷卷積衡量權重，AI最終所能做出的判斷會無比接近甚至超越人類。

由此可見，AI是依賴特定的神經算法實現的，這個任務交給普通的CPU來做，效率比較低下——CPU屬于通用計算單元，暴力運行某種算法并非其特長，例如CPU挖礦的效率就遠比不上專門為HASH算法特制的ASIC礦機芯片。而AI芯片正是為密集處理數據的神經網絡算法特制的，例如華為的麒麟990就可以支持包括VGG、VDSR等在內的90%視覺神經網絡計算模型。

換言之，AI芯片能否發揮其功用，關鍵在于軟件應用是否對相應的神經網絡算法有著良好的支持和運用。隨著APP不斷進化，AI會越來越多地應用到實際當中，出于算力和能效方面的考慮，AI芯片（模塊）的確必不可少。而當AI芯片的性能日益強大時，下面這些神奇的應用可能會漸漸成為我們的日常。