蘋果在最新發布會上，公布了十周年版iPhone X，極大地吸引了人們的注意力。在iPhone X衆多特性中，使用面部識别FaceID代替原有的指紋識别TouchID進行屏幕解鎖和身份認證無疑是最大的亮點之一，這有可能成為蘋果對于手機交互進步的又一次推動。

FaceID使用了人工智能技術完成人臉三維建模中的特征提取，并且用這些特征配合算法來實現人臉識别。現場演示中，FaceID人臉識别用戶體驗非常流暢，而在流暢體驗背後的功臣，則是A11 Bionic SoC上集成的人工智能加速器，蘋果官方稱之為“神經網絡引擎（neural engine）”。

我們首先來看一下什麼是人工智能加速器。要理解人工智能加速器的概念，不妨先回顧一下GPU。在上世紀90年代，随着多媒體應用，尤其是3D遊戲的興起，人們發現傳統的CPU的架構對于這類需要高速圖形渲染的應用力不從心，原因是CPU在芯片上放了許多控制邏輯和緩存單元，真正留給計算單元的芯片面積反而不多。

華為麒麟970上也集成了人工智能加速模塊

蘋果在人工智能這一重大風口自然不甘落後，在人工智能加速領域也早就有了布局。

看如今市場，Nvidia之所以能占據人工智能硬件的領頭羊位置，與其開放易用的CUDA接口方便程序員使用GPU加速人工智能不無關系。而在移動端，如何充分調用SoC上的GPU來加速人工智能一直讓開發者頗為頭痛。蘋果在之前就公布了Metal和Core ML兩個不同層面的接口可供開發者調用，以加速iOS平台上的人工智能應用。

公布軟件接口的另一目的，就是為了為專用硬件的開發積累經驗，以實現軟硬件協同優化。在今年五月，就有消息稱蘋果名為“神經網絡引擎”的專用人工智能加速硬件已經基本完成。而到了今天，蘋果則真正公開宣布了神經網絡引擎。

蘋果在發布會上公布的關于神經網絡引擎的信息包括：

使用雙核心設計。由于缺乏其他配套信息，從這條信息中我們能推測出的就是蘋果或許可以允許神經網絡引擎的幾種使用模式，包括全關閉，隻打開一個核，以及雙核全部打開，以滿足不同情況下的性能／功耗需求。

性能可達0.6TOPS。這樣的性能已經能處理目前主流的神經網絡模型計算。可見，目前1TOPS左右的處理性能将會成為人工智能加速器的标配。

實時處理。GPU處理人工智能運算時，另一個令人诟病的問題就是延遲大，因為GPU往往是基于塊數據（batch）處理，因此在需要實時作出反應的移動端并不适合。蘋果的神經網絡引擎則強調了自己是實時處理這一點，顯然是為了與GPU作出區分，以配合移動端實時應用的需求。

除此之外，我們還能猜到神經計算引擎是SoC上的一個IP模塊，而不是單獨的一塊芯片。

我們可以和其他包含類似加速模塊的芯片對比。華為的麒麟970包含了和蘋果神經網絡引擎類似的人工智能加速模塊，其峰值性能可達1.93TOPS（為蘋果神經網絡引擎的3倍多），但是實際性能不等于峰值性能，還需要取決于軟硬件協同優化效果。高通的枭龍系列包含Neural Processing Engine軟件SDK，能幫助開發者更好地利用高通芯片上的GPU／CPU／DSP完成人工智能加速。可以說，高通的方案相比華為和蘋果顯得較為保守（之前推出過Zeroth人工智能硬件加速模塊但是後來被放棄了），但是在人工智能的大潮下估計高通也會在之後的芯片中加入相關人工智能加速器。

雖然發布會公布了不少信息，但是還有更多未知，需要時間去澄清。

最令人感興趣的問題，恐怕是神經網絡引擎除了FaceID之外，還可以用在哪些其他的地方？由于FaceID對于實時性的需求不高（延遲在1秒内估計就能滿足客戶需求），如果隻為這個用途專門配一塊0.6TOPS的加速器就顯得太過奢侈了，因此神經計算引擎應該還會在其他的場合能用上。那麼，其他的應用場合又是哪些呢？是專供蘋果操作系統内部原生app使用，還是會開放給第三方app也能使用？目前這一切都還不得而知，但是蘋果打造神經網絡引擎的野心肯定不止于FaceID。

到底有幾個版本A11 Bionic？如果隻有一個包含神經網絡引擎的版本，那麼在不包含FaceID的iPhone 8上，神經網絡引擎一定會要做一些其他事情。如果有兩個版本的A11 （含神經網絡引擎的iPhone X版本和不含神經網絡引擎的iPhone 8版本），那麼隻能說蘋果錢太多，能一次設計兩個版本的芯片！

今天是《半導體行業觀察》為您分享的第1395期内容，歡迎關注。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!