AI在手机芯片竞争中为何如此关键？

财云财经阅读：36522024-10-20 12:33:00评论：0

摘要： AI在手机芯片竞争中意义重大，涉及AI手机发展现状、早期应用局限、生成式AI对手机的影响，芯片算力提升推动AI能力发展，端侧算力是手机芯片竞争的关键。

AI手机的发展现状：概念与现实的差距

在科技飞速发展的今天，AI成为了众多领域的热门话题。在手机领域，AI的发展却并没有像人们预期的那样迅速。尽管距离手机厂商首次提出“AI手机”的概念已经过去了7年，但对于大多数普通用户来说，“AI手机”仍然像是一个遥远的概念。

与之形成鲜明对比的是，“折叠屏”手机虽然问世较晚，却在用户认知度方面表现出色，并且成功地撑起了安卓手机的高端市场。今年的“三折叠手机”更是成为了全网的热点话题。为什么被众多国际一线科技大厂竞相追逐，甚至推动英伟达和微软市值达到3万亿美元的AI技术，在手机领域却未能成为主要驱动力呢？

这其中的关键在于“AI手机”本身。与AIPC类似，“AI手机”并没有带来外观形态上可以被用户直接感知的变化。AI在手机上的提升更多地体现在功能层面，而这一波AI浪潮的底层驱动力其实是手机内部的芯片。

AI在手机芯片竞争中为何如此关键？

早期AI在手机芯片中的应用：功能有限

回首智能手机与AI的首次结合，可以追溯到2017年9月。在那个月，手机圈有两条重磅新闻。其一，9月2日华为推出了麒麟970芯片，这是全球首款内置独立NPU（神经网络单元）的智能手机AI计算平台。其二，苹果推出了主导其未来5年设计、改变手机正面屏幕形态的iPhoneX。

在人们都关注苹果进入“全面屏时代”以及“刘海屏”设计的时候，很少有人注意到iPhoneX搭载的A11芯片也增加了“AI能力”。A11芯片内建的神经网络引擎由苹果自主设计，采用双核设计，每秒运算次数最高可达6000亿次（0.6TFlops），主要负责处理机器学习任务，如面部识别、Animoji等。这个引擎能够接管CPU和GPU的任务，提高运算效率，减少能耗。

虽然早在7年前，“NPU单元”“AI算力”“机器学习”等概念就已经在手机芯片中落地，但当时的NPU单元更多地是为日常功能提供加速计算，例如拍摄中的场景识别、色彩优化、暗光场景下的人脸识别等，而不是处理重度负载的“AI任务”。

正如联发科技计算与人工智能技术事业群副总经理陆忠立博士所说，用户能够感知到AI能力的最典型场景就是手机摄影时的各类功能，包括图像采集部分和视频显示部分，像自动切换帧率模式以及对图片、视频最终画面效果进行动态范围、智能降噪的优化等，都广泛应用了AI技术。但这些早期的AI应用属于“分析式AI”，与现在大家谈论的“生成式AI”有很大区别，它们只是在特定应用或场景中对体验层进行了小幅度的升级。

生成式AI：手机功能的新变革者

如今被大家广泛讨论的“生成式AI”有着独特的魅力。它的核心是通过深度学习和大数据分析，让机器能够创造出全新的内容，如文本、图像和音频等。这种AI技术不仅能够模仿已有的数据模式，还能在此基础上进行创新，产生具有多样性和一定不可预测性的输出。

与传统基于固定算法或者对现有内容进行增强的AI功能相比，生成式AI的应用范围更加广泛。无论是自然语言处理还是艺术创作，它都能提供高效的解决方案，从而极大地提升自动化水平和工作效率。

AI能力的这种变化背后离不开芯片算力的提升。早期的NPU单元和手机芯片的总体算力非常有限，如果用它们来运行生成式AI，可能生成一副图片就需要十几分钟，处理一段文本、理解一段语言也需要几分钟时间，所以根本不具备在终端中应用落地的可能性。

芯片算力提升：推动AI在手机中的发展

在近两年，“AI芯片”发生了很大的变化，更加强调在AI方面拥有独当一面的能力。例如，上个月苹果随iPhone16系列发布的A18Pro芯片，从算力层面看，A11芯片的神经网络引擎采用双核设计，每秒运算次数最高可达6000亿次（0.6TFlops），而A18Pro芯片的神经引擎是16核，算力为35TOPS（即每秒35万亿次操作），A18Pro的AI算力差不多是A11芯片的58倍。

同样，本月初联发科发布的天玑9400也在AI能力上进行了增强，搭载了全新的第八代AI处理器NPU890。天玑9400在端侧长文本理解能力以及AI模型文本支持长度方面进一步提升，并且支持50Token/秒大模型运行速度，再加上对多模态AI模型的支持，使得手机能够拥有更多的AI应用场景。

比如，在现实生活中，现阶段智能手机的语音助手在听到“我饿了”时，只会机械地打开外卖、地图或者搜索平台，不能真正解决“饥饿”问题。而天玑9400所支持的智能体，会通过询问用户喜好、学习生活习惯，直接为用户寻找或推荐附近的餐厅。再如，当拍摄一张数学题时，传统智能助手最多只能告知这是一道数学题，或者通过联网搜索给出标准答案，而天玑9400加持下的智能体能够实现本地推理运算，像一个会做题的老师一样，呈现从解题思路到最终答案的完整过程。

端侧算力：手机芯片竞争的新赛道

从这些例子可以看出，更好用、更全能的AI是存在的，但过去只能依靠云端算力或者工作站来满足。像ChatGPT、kimi等语音助手虽然具备很强的内容创作能力和文字搜索归纳效率，但它们背后是由众多服务器组成的算力中心。

未来“AI手机”的竞争，实际上更多地是在芯片方面的竞争。对于终端厂商来说，部署大规模的云端算力是一件吃力不讨好的事情。一方面，高额的持续投入成本难以消化，而且从消费者角度看，很难接受作为出厂标配的“AI功能”变成付费增值服务。另一方面，AI功能全面云端化会因网络延迟和波动导致体验一致性差，而且AI功能无差异也难以刺激用户换新。所以，AI功能的“端侧移植”是必然趋势。

这种趋势不仅会出现在“AI手机”中，“AIPC”也早已走上了这条道路。可以预见，在未来几年，无论是苹果、联发科、高通还是其他手机芯片厂商，其芯片迭代重点都会纳入“AI算力”，通过算力层面或者硬件层面的领先部署，为应用层面的更多可能性提供支撑。新一轮的手机芯片大战将围绕“AI”展开。

AI在手机芯片竞争中为何如此关键？