苹果A11处理器好吗A11和华为麒麟970谁好
苹果A11处理器好吗A11和华为麒麟970谁好
随着刚刚发布的新iPhone手机的上市，其内置的苹果A11处理器也以一种新的姿态出现了，这是苹果公司自主研发的一款技术芯片，苹果A11处理器好吗？A11和华为麒麟970谁好？苹果A11处理器苹果A11处理器好吗？据苹果公司全球市场高级副总裁透露，这款苹果A11的处理器乃是苹果耗费三年时间所获得的工作结晶，并且它是全球首款采用64位架构以及六核技术的的处理芯片，另外还是首款内置有神经引擎的处理器，那么苹果A11处理器好吗？A11和华为麒麟970谁好？据悉，根据掌握的数据显示，近日，苹果A11处理器在某评测网上的跑分测试成绩中另众人傻眼，光是单跑分数就达到了相当的高度，就连高通骁龙都可以说无可匹敌。苹果A11是目前为止苹果史上最强的智能芯片，真不知道苹果A11和华为麒麟970谁好？麒麟970麒麟970处理器也是华为公司自主研发的一款人工智能芯片，麒麟970芯片最初在2017德国柏林国际产品展览会上展现公开正式亮相，并称将会搭载于华为mate10的新品手机上。苹果A11和华为麒麟970谁好？华为mate10是全球首款装载着准5G网络基带的智能芯片，也由此成为了首款5G网络手机的配置处理器。另外，麒麟970处理器中还专门内置了一个AI硬件，为的就是能够更好地提高手机的处理速度和耗能程度。通过以上的一些列对比，苹果A11处理器好吗？苹果A11和华为麒麟970谁好？我想也大概都有答案在心中了，这两种自主研发的智能芯片，都有着各自较为好的方面，因此至于苹果A11和华为麒麟970谁好，还不如选择自己想要的会更好。
本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。
百家号 最近更新：
简介: 股城网为您提供专业及时海量的财经资讯
作者最新文章华为麒麟970迎来最强对手！苹果A11芯片牛在哪？
智东西 文 | Lina
就在上周的今天，苹果公司在刚刚落成投入使用的“飞船”新总部（Apple Park）举行2017年秋季新品发布会，整场发布会基本被iPhone X抢尽了风头（想采访一下iPhone 8/8p的心理阴影面积）。
iPhone 8/8p和iPhone X都搭载了苹果自研的A11 Bionic（仿生）芯片。虽然苹果全程并没有在这款芯片上花太多功夫介绍，但我们仍旧知道它搭载了一个专用于机器学习的硬件——“神经网络引擎（Neural Engine）”
还记得月初华为发布的麒麟970吗？麒麟970正是因为搭载了“神经网络处理单元（NPU）”而称为首款手机AI芯片。
可别小看了这块A11，通过智东西仔细研究发现，它不仅是iPhone X中一众“黑科技”的来源，而且苹果为了打造这块芯片早在9年前就开始了技术布局。
一、参数亮相：跑分爆表了~
在介绍A11里专门用于机器学习的“神经网络引擎”之前，我们先来看看A11的基本参数。
工艺方面，A11采用了台积电10nm FinFET工艺，集成了43亿个晶体管（上一代采用16nm工艺的A10 Fusion集成了33亿个晶体管，华为麒麟970则用10nm工艺集成了55亿个）。
A11搭载了64位ARMv8-A架构的6核CPU，其中包括2个名为“Monsoon”的性能核（performance core）和4个名为“Mistral”的能效核（high-eggiciency core），性能核比上一代A10里的快了25%，能效核则快了70%。
而且，与A10不同，A11中使用了苹果自研的第二代新型性能控制器，允许6个CPU内核同时使用，整体性能比上一代快了70%。
至于为什么分为性能核和能效核呢？当手机进行发短信、浏览网页等轻量任务时，系统会选择调用能耗更低的能效核（high-eggiciency core），而当手机需要运行对计算能力要求更高的软件时，则需要动用性能核（performance core）进行处理，借此可以有效延长平均电池寿命。搭载了A11的iPhone X在充满电后，将会比iPhone 7延长2个小时的待机时间。
A11的另外一大亮点就是首次搭载了苹果自研的GPU，这是一款3核GPU，性能相比A10 Fusion提升30%，只需要一半的功耗就能达到A10的表现，并且针对3D及。这是今年4月苹果宣布和英国GPU设计公司Imagination Technologies“分手”后推出的首款自研GPU，针对AR、沉浸式3D游戏等方面都进行了优化，比A10快了30%。
A11里还集成了苹果自研的ISP、自研的视频编解码器等等，从种种强调的“自研”我们不难发现，苹果已经越来越强调架构的自主化。在彻底跟老朋友Imagination Technologies分手后（并且导致人家股价断崖式下跌70%后），苹果的下一个自研目标也许会移到基带技术上，与高通旷日持久的专利诉讼案件算得上是前兆了。
此外，我们也可以从A11在Geekbench的跑分上一窥究竟：在Geekbench中有A11的几个跑分，其中单核性能最高的是4274，多核性能最高的是10438，而取这些跑分平均值后，单核性能是4169，多核性能是9836。
这是什么概念呢？跟上一代A10的“单核成绩3332，多核成绩5558”比起来，A11在两方面的性能有接近30%和50%的飙升。而iPad Pro中的A10X单核性能平均在3900左右，而多核性能是9200左右，依然弱于A11。
而Android阵营的种子选手——高通骁龙835的GeekBench成绩为单核2000左右，多核6500左右。（麒麟970跑分未知）
二、A11就是“人工智能芯片”
还记得月初华为发布的麒麟970吗？这款手机芯片搭载了来自寒武纪的“神经网络处理单元（NPU）”，专门用于机器学习，麒麟970也因此被称为“手机AI芯片”。
这次，苹果也在自家的A11 Bionic芯片上搭载了一个专用于机器学习的硬件——“神经网络引擎（neural engine）”。
正如我们在《华为麒麟970是不是真正的AI芯片？》一文中介绍的，现在所谓的手机处理器，比如高通的835、苹果的A11、麒麟970等，实际上所指的是一个“处理器包”封装在一起，这个计算包专业一点说叫Soc（System-on-a-Chip），高大上的说法是“计算平台”；根据分工不同，很多专用功能的处理单元加进来，比如我们最熟悉的是GPU，现在这个包里的独立单元数量已经越来越大，比如ISP（图像处理）、Modem（通信模块）、DSP（数字信号处理）等，不同的数据进来，交给不同特长的计算模块来处理将会得到更好的效果、更高的能效比，这个神经网络引擎（neural engine）跟麒麟970的NPU一样，是在手机处理器平台新加入的一个擅长神经网络计算的硬件模块。
而这也是为什么从20nm、16nm、到现在的10nm、以及研发中的7nm，各大芯片设计商、代工商都在拼命把芯片技术往小了做，为的就是在不影响芯片大小的前提下挤进更多的独立处理单元。
A11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，相当于0.6TFlops（寒武纪NPU则是1.92TFlops，每秒可以进行19200次浮点运算），以帮助加速人工智能任务，即专门针对Face ID，Animoji和AR应用程序的ASIC（专用集成电路/全定制AI芯片）。
有了神经网络引擎，苹果高级副总裁Phil Schiller很有底气的表示：A11 Bionic是一款智能手机到目前为止所能拥有的最强劲、最智能的芯片。而基于ASIC的深度学习，实现了高准确率之外，还能比基于通用芯片（GPU、FPGA）的方案减少功耗。
不过，苹果对这款神经网络引擎的功耗、实测性能等方面都没有进一步披露。
A11同时也支持Core ML，这是苹果在今年WWDC开发者大会上推出的一款新型机器学习框架，能让开发者更方便地将机器学习技术整合到自己的App中。Core ML支持所有主要的神经网络，如DNN、RNN、CNN等，开发者可以把训练完成的机器学习模型封装进App之中。
除了使用NPU、神经网络引擎等专用AI硬件单元这种做法外，现在的众多手机厂商使用的基于CPU＋GPU＋DSP架构上对AI功能进行优化的方式。比如高通就在今年7月发布了骁龙神经处理引擎（NPE，Neural Processing Engine）的软件开发包SDK。
三、买买买，买出的AI帝国
像苹果正在进行的其他所有研究一样，在人工智能方面，苹果保持着它一贯神秘而低调的“严守秘密，闭口不谈”作风。
然而，人工智能暂时还是个发展早期的行业，各位行业大牛们基本也是学术大牛们，这种拒绝透露研究成果、不让发论文、甚至不让谈论的严格保密态度，很可能会让无数身处学术圈（并且早已实现财务自由）的AI专家们拒绝苹果的offer，转而投向如谷歌、Facebook等更为开放自由的公司。
所以外界一直以来对苹果自研的人工智能技术持观望怀疑态度，而苹果似乎也意识到了这一点，从去年年底，苹果开始允许其人工智能研究人员在苹果博客上公开发表他们的研究成果，目前已经公布了三篇Siri相关的论文与一篇计算机视觉相关的论文。
但是~没人不要紧，我们有钱啊。
从去2010年开始，苹果就没有停止过收购人工智能创企的步伐，并且每次给出的都是惯常声明：“苹果会不时收购规模较小的科技公司。我们通常不讨论目的或计划。”非常有“事了拂衣去，深藏功与名”的意思。
而且，每个被苹果收购的公司都会立即关闭对外的产品和服务，从此像是忽然从世界消失一般。
1）收购芯片厂商
以芯片为例，早在2008年，苹果就以2.78亿美元收购了2003年成立加州的高性能低功耗处理器制造商PA Semi。
随后在2010年，苹果以1.21亿美元收购了1997年成立的美国德州半导体逻辑设计公司Intrinsity，专注于设计较少晶体管、低能耗同时具备高性能的处理器。
2011年年底，苹果又以3900万美元的价格收购了2006年成立的以色列闪存控制器设计公司Anobit。
日，苹果收购了成立于2007年的加州半导体公司Passif Semiconductor，其专长于低功耗无线通讯芯片（大胆地猜测一下Apple Watch的芯片技术是不是来自这里）。
其后的2015年底，苹果再次斥资1820万美元，收购了一间位于加州圣何塞北部的面积7万平方英尺（6500平方米）的芯片制造工厂。这座工厂原属于芯片制造商Maxim Integrated Products，其设施包括了芯片制造工具，而且工厂地址靠近三星半导体公司。
从以上一连串的买买买我们可以看到，苹果的芯片布局早在近十年前就开始了。
除了芯片之外，从2010年至今，苹果已经陆续收购了四五十家创企，包括语音识别、图像/面部识别、计算机视觉、AR、数据挖掘、机器学习、地图、定位等等，而这其中几个比较具备代表性的有：
1）收购面部识别/表情追踪厂商——Animoji和Face ID的技术来源
2010年，苹果以2900万美元收购瑞典面部识别创企Polar Rose，他们开发的面部识别程序可以可以为用户自动圈出照片中的人脸。
2015年11月，苹果收购《星球大战》背后的动作捕捉技术公司Faceshift，这家苏黎世的创业公司开发了实时追踪人脸表情，然后再用动画表现出来的技术。该技术还可以实现面部识别。
2016年1月，苹果收购了加州AI初创Emollient，该公司使用人工智能技术读取图片中的面部表情。
2017年2月，苹果以200万美元收购了面部识别以色列创企RealFace，该公司开发了一种独特的面部识别技术，其中整合人工智能并将人类的感知带回数字过程。
2）收购AR引擎巨头
2015年5月，苹果收购AR引擎巨头德国Metaio公司。彼时Metaio与Vuforia并肩称霸AR引擎行业，Metaio拥有约15万名开发者，Vuforia则拥有大约18万，两家的SDK开发者占到了当时整个市场的95%以上，在AR的行业地位有如Windows和Mac OS之于PC。——可以看作是ARkit的技术来源。
3）收购25年德国老牌眼球追踪企业
而离现在最近的一次收购就是苹果今年6月时宣布收购拥有25年历史的德国老牌眼动追踪企业SMI——SMI全名SensoMotoric Instruments，其历史要追溯到1991年，SMI从柏林自由大学学术医疗研究院剥离出来，独自成立眼球追踪技术公司，迄今已经有超过25年的发展历史了，产品包括面向企业与研发机构的眼球追踪设备/应用、医疗医疗眼控辅助设备、手机、电脑、VR设备等的眼控技术支持等。
目前，眼球追踪技术已经被集成在了iPhone X里。在用Face ID解锁时，只要你眼睛没有看着屏幕，屏幕也是不会解锁的。
四、用来干啥：Face ID背后的结构光学技术
既然是“人工智能芯片”，当然是用来做人工智能~人脸识别、图像识别、面部表情追踪、语音识别、NLP、SLAM、等等。
而A11的神经网络引擎第一个重要的应用就是iPhone X的刷脸解锁——Face ID。
虽然刷脸解锁并不是什么石破天惊的新技术，但是苹果的Face ID解锁跟普通的基于RGB图像的人脸识别解锁不同。寒武纪架构研发总监刘少礼博士说，“我们这次对苹果A11的AI引擎了解不多，特别是功耗、实测性能等方面苹果发布会基本没有提。个人觉得iPhone X这次最大的亮点是距离传感器，用来支持3D的Face ID，这个功能在业内还是引起了不小震动，后续会给予这功能开发出不少有趣的应用。通过结构光发射器和红外摄像头配合，可以捕捉人脸的深度信息，比之前用2D图像作人脸识别进步了很多。”
根据原理和硬件实现方式的不同，行业内所采用的3D机器视觉主要有三种：结构光、TOF 时间光、双目立体成像。
（三种主流的 3D 视觉方案代表性产品）
双目立体成像方案软件算法复杂，技术还不成熟；结构光方案技术成熟，功耗低，平面信息分辨率高，但是容易受光照影响，识别距离近；TOF 方案抗干扰性好，识别距离远，但是平面分辨率低，功耗较大。
综合来看，结构光方案更加适合消费电子产品前置近距离摄像，可应用于人脸识别 、手势识别等方面，TOF方案更加适合消费电子产品后置远距离摄像，可应用于 AR、体感交互等方面。
（“刘海儿”，TrueDepth Camera System）
iPhone X的Face ID采用了人工智能加持的结构光方案：数据采集由该机正面上方的景深感知摄像机（即“刘海儿”，TrueDepth Camera System）完成，其红外线发射器可以发射3万个侦测点，利用神经引擎（Neural Engine）将反射回来的数据与储存在A11芯片隔区内的数据进行对比，实现用户面部的3D读取与处理。通过神经网络训练的加持，Face ID失误率仅为百万分之一，远小于Touch ID的五万分之一。
与此同时，iPhone X还具备眼球追踪功能，在你面对屏幕，但是眼睛没有看着它的时候，也是不会解锁的。所以，这样的人脸解锁是照片骗不过的。
而且，苹果的软件工程高级副总裁Craig Federighi曾表示，“我们不会在用户注册Face ID时收集数据，它会保留在你的设备上，不会被发送到云端进行训练。” 符合苹果一贯的“用户隐私为上”理念。
最为神奇的是，用户面容适应（化妆、佩戴眼镜、长胡子、随着年龄增长而变容改变等）过程需要用到的深度学习训练也是在本地完成的。深度学习分为训练（Training）和推理/应用（Inference）两部分，训练阶段所需的计算量比应用阶段的要大上许多。
另一方面，计算与训练的本地化也有助于让Siri变得更加智能。毕竟有不少人认为由于苹果对用户的隐私过于重视，导致Siri发展较慢，竞争对手们后来居上。
此外，在A11的加成下，iPhone X前头“刘海儿”实现的脸部追踪技术还可以用于个人定制化表情Animoji（能捕捉并分析 50 多种不同的肌肉运动）、AR滤镜等，新的互动的方式有望提高用户的参与度和粘性，提高AR社交平台的经济价值，而3D视觉所提供的景深信息和建模能力是现有普通摄像头无法比拟的。
而iPhone X还搭载了全新陀螺仪和加速计，刷新率达到60 fps，可以实现准确的动作追踪以及很好的渲染效果。在发布会上，苹果全球市场营销高级副总裁Phil Schiller是这么说的：这是第一款真正为AR打造的智能手机。
发布会现场，苹果还演示了几款AR应用的小样：即时策略游戏《战争机器》（The Machines）、即时战略游戏《战锤40K:自由之刃》（Warhammer 40k：Free Blade）、职业棒球直播《At Bat》、星空注解《Skyguid》。
五、火热的AI芯片产业
当前人工智能芯片主要分为GPU、ASIC、FPGA。代表分别为NVIDIA Tesla系列GPU、Google的TPU、Xilinx的FPGA。此外，Intel还推出了融核芯片Xeon Phi，适用于包括深度学习在内的高性能计算，但目前根据公开消息来看在深度学习方面业内较少使用。
（AI芯片一览）
其中，苹果的A11、寒武纪的A1、谷歌的TPU等都属于ASIC，也就是专用集成电路ASIC（Application Specific Integrated Circuit）。顾名思义，ASIC 就是根据特定的需求而专门设计并制造出的芯片，能够优化芯片架构，针对性的提出神经网络计算处理的指令集，因而在处理特定任务时，其性能、功耗等方面的表现优于 CPU、GPU 和 FPGA；但ASIC算法框架尚未统一，因此并未成为目前主流的解决方案。
（寒武纪1号神经网络处理器架构）
（谷歌ASIC产品探索）
现有的ASIC包括谷歌的TPU、我国中科院计算所的寒武纪、应用于大疆无人机和海康威视智能摄像头的Movidius Myriad 芯片、曾用于Tesla汽车自动驾驶和ADAS的Mobileye芯片等针对特定算法以及特定框架的全定制AI芯片。
此外，更近一步的的AI芯片前景，大概是IBM 的TrueNorth这类的类脑芯片（BPU）。类脑芯片的目的是开发出新的类脑计算机体系结构，会采用忆阻器和 ReRAM 等新器件来提高存储密度，目前技术远未成熟。
（不同芯片在人工智能计算方面各有所强）
结语：我们离手机AI芯片还有多远？
有着苹果和华为的推进，专用AI处理单元可能会越来越成为智能手机芯片的发展趋势。毕竟目前在生物识别、图形图像识别、用户使用习惯学习等方面都越来越依赖机器学习技术，而不太稳定的网络带宽（大家记不记得早期Prisma要等好久才能生成图片）、个人隐私、功耗比等问题也在驱动着手机芯片集成专用AI处理单元的发展。
不过，搭载A11的iPhone X要到10月27日起才开始预售，11月3日发售，跟其他所有产品9月15日预售＋22日发售相比完了将近一个多月，而搭载麒麟970的华为Mate 10也要等到10月16日才在慕尼黑发布。
用上了“神经网络引擎”或是“神经网络计算单元”的手机芯片究竟能发挥多大作用？会给手机体验带来什么改变，是不是“然并卵？”这种种问题都要等到真机上手才能逐渐明确。
但总的来说，无论是A11还是麒麟970，都是让AI在手机端开始由软到硬地落地的表现，是人工智能进一步产业化落地的一个典型代表。
责任编辑：
声明：本文由入驻搜狐号的作者撰写，除搜狐官方账号外，观点仅代表作者本人，不代表搜狐立场。
今日搜狐热点您所在的位置：&正文
机器学习 | 同样的神经网络引擎，苹果A11芯片比华为麒麟970牛在哪？
作者:&高端技术圈&
智能家居－全文略读：宜人贷数据科学家王婷从人工智能在金融反欺诈领域的应用介绍宜人贷对人工智能的应用实践；海航生态科技集团技术研究院研发总监李书博将分享“海航HNA Bot智能语音交互服务”的案例；58转转架构算法部负责人孙玄将以人工智能在推荐系统中的应用为切入点，分享...
数据资料来源于网络
本文编辑：Cynthia
iPhone X发布之后，999美元的售价并没有让人止步，相反，新iPhone的Face ID等功能让越来越多的人期待，库克在《早安美国》节目里也说了，iPhone X搭载了那么多新技术，999美元的价格绝对物有所值。
恩，这点我挺赞同，就想问问有几个朋友已经默默入手iPhone 7？^_^
对于一名软件开发从业者来说，新iPhone最让我们关注的其实是那颗A11芯片。尽管在发布会上没有做过多描述，也没有做什么跑分对比，可能是因为在库克眼中，iPhone还没有值得一比的对手。
但无论是Face ID还是人像光效，或者是Animoji动画表情等功能，都是基于这颗A11芯片。这不像上次的双摄像头那么容易被友商所效仿，按照苹果官方的说法，A11 Bionic芯片在3年前开始研发，是一个六核处理器，比上一代快25%，能效提升了70%。
最为神奇的部分在于A11芯片中的“神经引擎”，用于加速人工智能相关的任务，例如负责处理Face ID的人脸识别、根据表情生成Animoji等机器学习算法。
在上次的推文中我们分析过，根据高盛发布的AI相关报告()，中国的人工智能行业与美国相比唯一弱势在于芯片领域。
那么，新iPhone上的这个A11 Bionic芯片到底牛在哪呢？
如果比参数和跑分，直接爆表
中国的手机厂商喜欢跑分，A11在Geekbench上的跑分显示，单核性能平均4169，多核性能平均9836。上一代A10的单核性能平均3332，多核性能平均5558，提升30%和50%。而高通骁龙835的GeekBench成绩为单核2000左右，多核6500左右，苹果A11吊打安卓旗舰芯片。
在工艺方面，A11采用台积电10nm FinFET工艺，集成了43亿个晶体管，相比之下，华为麒麟970同样采用10nm工艺，集成了55亿个晶体管，从集成晶体管数量来说，华为麒麟970完胜。
A11首次搭载苹果自研GPU，更省电。性能相比A10 Fusion提升30%，针对AR、沉浸式3D游戏等方面都进行了优化，比A10快了30%。A11里还集成了苹果自研的ISP、自研的视频编解码器等等。
A11是一款人工智能芯片
A11 Bionic芯片上搭载的“神经网络引擎”是一个专用于机器学习的硬件，这个神经网络引擎跟麒麟970的NPU一样，是在手机处理器平台新加入的一个擅长神经网络计算的硬件模块。
A11的神经网络引擎采用双核设计，每秒最高运算次数为6000亿次，苹果高级副总裁Phil Schiller叉着腰说：“A11 Bionic是一款智能手机到目前为止所能拥有的最强劲、最智能的芯片。而基于ASIC的深度学习，实现了高准确率之外，还能比基于通用芯片（GPU、FPGA）的方案减少功耗。”
在IFA2017大会上，华为发布的麒麟970芯片通过内置NPU神经网络单元也已成为一款内置AI功能的移动端芯片。目前麒麟970可以在一分钟内识别出2005张照片，而普通芯片只能识别出97张。
A11芯片的神经网络引擎应用在哪？
最重要的功能——刷脸解锁
新iPhone的Face ID功能着实让人惊艳了一把，Face ID采用了人工智能加持的结构光方面，通过机器正面上方的景深感知摄像机完成数据采集，红外发射器发射3万个侦测点，利用神经引擎将反射回来的数据与A11芯片内存储的数据进行对比，实现用户面部识别，做到百万分之一的失误率。
同时还具备眼球追踪功能，面对屏幕但眼睛没看着也不会解锁，所以拿照片是解不了锁的。而且有些人说还要化妆再解锁，但是通过深度学习的推理应用和训练这2部分，也不会说不化妆就不能解锁。
所以，不要拿Face ID开玩笑，这技术还是很神奇的。
人工智能落地是未来的关注点
与A11芯片相比，华为麒麟970的弱势在于还没有实现基于神经网络单元的功能落地。基于麒麟970芯片，可能在不久以后，华为就可以推出类似于Face ID的功能。
人工智能再神奇，归根结底也是要为人类服务。目前在互联网行业，图片识别、语音识别、智能翻译等与大众相关的人工智能产品不在少数，更多的还会应用到生产企业中去，提升生产效率。
显而易见，未来人工智能行业发展是围绕着“落地”来进行的，在第六届TOP100全球软件案例研究峰会已入围案例中，我们也可以发现这个趋势。
在已入围案例中，
阿里巴巴人工智能实验室智能终端负责人茹忆通过“天猫精灵”分享阿里巴巴人工智能的落地思路；
亚马逊资深工程师陈亚通过Echo对智能家居进行探索性分析；
宜人贷数据科学家王婷从人工智能在金融反欺诈领域的应用介绍宜人贷对人工智能的应用实践；
海航生态科技集团技术研究院研发总监李书博将分享“海航HNA Bot智能语音交互服务”的案例；
58转转架构算法部负责人孙玄将以人工智能在推荐系统中的应用为切入点，分享人工智能的具体应用和实现思路。求大神科普下麒麟970人工智能和苹果A11人工智能哪个厉害？【华为ascend吧】_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：63,916贴子：
求大神科普下麒麟970人工智能和苹果A11人工智能哪个厉害？收藏
有什么区别啊？
苏宁易购华为ascend,正品行货+百城半日达,全国联保,服务一站式,全场为你而省!苏宁易购华为ascend,支持货到付款,让您省钱省心!
速度比苹果快多了
麒麟的是独立芯片，苹果的不是。现在没真机，不好说。
这种话题没意义，等970的手机出来再看吧，不然就靠纸上谈兵的这种数据比不出啥？
一硬一软，比个卵
海思麒麟970是独立的npu神经元引擎，apple的A11是四核ISP神经元引擎。两者还是有本质区别，华为依靠npu撑起AI，苹果依靠强大的GPU＋ISP×4实现AI。理论上华为厉害点，实际要看AI应用适配。
华为的面积大点，性能2倍左右，但是由于安卓平台的不统一，发展前景远不如苹果，因为这颗npu把很多需要交到BAT处理的东西在手机端就处理了，而bat有掌握着最多的资源，所以华为很困难，希望华为在这方面下决心吧，多给开发者些好处，把这个做成一个可以良性循环的生态链
这一块单从硬件性能来说华为的更强，但从应用上说不一定能做的比苹果好
就目前的宣传来看，应该是菊花会好一点
华为，有独立ai处理器npu
「闪修侠」__维修从未如此好用,免费上门维修,更优秀的品质体验,更亲民的实惠价格.上门维修谁更靠谱?「闪修侠」一个电话,服务到家:免费在线咨询
只有芯片，没有软件的支持，一切都是白扯！第一代就是尝个鲜，华为要撑起更大的开发者团队，更多的第三方开发者。
出来再对比，mate10抓拍****
独立显卡和集成显卡的区别
纸面数据麒麟970是A11的三倍。但现在搭载970的手机还没出来。不好比较
大米说A11领先两年
如果从生态方面考虑，苹果应该是好一点。不过华为这么做，就像当初做k系列处理器，开局很难，慢慢的跟上来了，就展现出强大的力量了
看历来优化水平。你说呢。
看实际体验?﹏?ul﹏﹏﹏﹏烟雨江南释返璞　仙音若绪尽归贞﹏﹏﹏﹏﹏﹏﹏﹏?
登录百度帐号推荐应用从苹果A11与麒麟970处理器，看AI芯片与智能手机发展趋势
从苹果A11与麒麟970处理器，看AI芯片与智能手机发展趋势
奇客智能【GeekSmart】 文|左远良iPhone 8/8Plus、iPhone X这三款苹果最新发布的手机上都搭载了 A11 Bionic 处理器，以“仿生”命名，让人不禁联想到最近最热门的话题：人工智能。巧的是，在德国 IFA 2017 大展上，华为正式向世界宣告全球首款移动端AI芯片麒麟970面世。同样是手机处理器，为什么加了“仿生”、“AI”以及“神经网络”这些词，就让它们变得如此倍受关注，是噱头还是趋势？让我们一探究竟。苹果A11仿生芯片A11 Bionic是苹果的定制GPU，苹果管它叫作“Neural Engine”（神经引擎）。拥有一个 6 核心 64 位 CPU，其中包括 2 个高频核心和 4 个低频核心，共包含 43 亿个晶体管。作为对比，A10 Fusion 拥有 4 个核心，包含两个高频核心和两个低频核心，共拥有 33 亿晶体管。对于这个新硬件，苹果没有谈太多，只是说：“新A11 Bionic神经引擎采用多核设计，实时处理速度最高每秒可以达到6000亿次。A11 Bionic神经引擎主要是面向特定机器学习算法、Face ID、Animoji及其它一些功能设计的。”A11 Bionic 支持双核架构神经网络处理引擎（Neural Engine），这个引擎每秒处理相应神经网络计算需求的次数可达 6000 亿次，可以为面部解锁等功能提供性能支撑，新一代 iPhone 在人像模式中的光效调节（Portrait Lighting）用到的也是神经网络处理引擎的计算。面部识别是深度学习、机器学习、AI的主要研究领域之一。正因如此，苹果才会说它的神经引擎用在Face ID上，或者说它是它是专门用来执行特定算法的。Animojis到底有什么作用？现在还不太清楚。苹果曾说过，Face ID不只使用了传统摄像头。按照苹果的描述，新技术用3万个红外光点给面部绘图，这些图像存储起来，当你解锁设备，系统会将存储的图像与它看到的脸部图像对比。整个过程有大量数据需要处理，而且还不能消耗太多的电能。就目前iPhone 8Plus的实际使用中，并没有Face ID和Animoji功能可用，这颗芯片的作用并没有完全发挥出来。性能上，A11 Bionic 的高频核心比前代iPhone 7系列上的 A10 Fusion 快了 25%，低频核心比 A10 Fusion 快了 70%。由于采用了苹果自主研发的第二代性能控制器，A11 Bionic 的六个核心可以同时运行，在多线程任务下的表现比 A10 Fusion 的整体表现快了 70%。另外苹果在发布会上特意提到了全新的 GPU，这款 GPU 采用了 3 核心设计，比 A10 Fusion 所采用的定制 GPU 快了 30%。对于大型游戏的画面加载，以及流畅度有所帮助。至于所谓的每秒运算6000亿次，对普通消费者来说或许没有任何意义，当然，这个数字应该是真实的。但是我们不知道苹果所谓的“运行”到底是什么意思，不过谈论起CPU与GPU性能，我们会用跑分软件测试，然后与其它芯片相比较。就目前掌握的智能手机处理器跑分数据看来，苹果最新的A11 Bionic芯片无人能敌。麒麟970处理器在德国 IFA 2017 大展上，华为正式向世界宣告全球首款移动端AI芯片麒麟970面世，让智能手机业界为之一振。搭载麒麟970处理器的年度旗舰：华为Mate 10，也定档10月16日在德国慕尼黑发布。先看参数：麒麟 970 采用了目前最先进的台积电 10nm 工艺制造，与A11一样。在指甲大小的芯片上，麒麟970集成了 55 亿个晶体管，相比上代 16nm 工艺的麒麟 960 增加了 37.5%，内部集成八颗 CPU 核心(A73+A53)，标称的能效提升了 20%，十二颗 GPU 核心(Mali-G72)，标称性能提升 20%、能效提升 50%。各方面的顶级参数还不是它最大的闪光点，麒麟 970 被华为称作是一款移动 AI 计算平台，因为其内置寒武纪-1A NPU模块(神经AI单元)。NPU是神经元网络单元 （Neural-network Processing Unit），与 CPU、GPU、DSP 组在一起，华为把这个新的架构叫做 HiAI 人工智能架构。NPU模块到底有着什么作用呢?长期以来，集成在智能手机系统当中的AI功能大多依靠原有的CPU和GPU进行深度学习计算，但由于它们的架构设计不是为深度学习定制，处理效率也会相对底下。NPU，即神经元网络处理单元，便是专为机器学习设计的。也就是针对 AI 相关功能增加的定制模块，类似 GPU 是为图形显示所定制的模块一样。面对同样工作时，为AI而生的NPU处理效率极高，麒麟970所搭载的寒武纪-1A NPU单元在机器学习拥有传统CPU的25倍性能、GPU的6.25倍性能。同时拥有超低功耗的优势，能效比与CPU运算相比高达50倍，GPU为6.25倍。在进行图像的识别的计算中，搭载NPU的麒麟970以每分钟2005张的优势远胜于CPU运算每分钟95张的速度。搭载寒武纪-1A NPU单元的麒麟970，就像当初图像运算从处理器向显卡“分家”，如今NPU的出现让CPU和GPU无需再兼任AI处理的重负，在大幅减少耗电的同时，实现强大的机器学习性能。据官方介绍，这款麒麟 970 能够实现人脸识别，支持 AI 美颜，更快更精确；还能离线识别照片物体，比如各种水果；能够对语音实现 AI 降噪，AI会对当前语境和内容进行细致的分析，从而实现高准确率的识别体验，将语音识别的成功率提升到更高的级别。支持智能自动回复联想以及情绪识别，比如输入的内容与发工资有关，那么手机会自动联想一些开心的表情，输入影片名字则可以自动推荐附近影院。听起来很棒，就看华为Mate 10上能不能将上述功能实现了。智能手机下一站：智慧手机除了苹果和华为之外，最近网络上有消息显示三星也在着手研发 AI 处理器，人工智能将会成为手机芯片的“标配”。所谓人工智能和神经网络这些词听起来距离都很远，但目前在手机上布局的功能都还是比较好理解的，主要都是能够从输入的大量数据中自发总结出规律，从而举一反三。实际上就是通过大量样本数据训练，来实现分类识别等功能。什么是机器学习？机器学习是AI技术的分支，它的目标是创建算法，让算法通过数据自动学习。通过AI程序的深度学习，智能手机可以做到场景识别、用户画像描绘以及用户意图的预测。让手机知道机主在什么地方、在做什么、以及即将进行阵营的操作。通过提前调度资源，相关应用程序就能实现“秒开”，手机的使用体验丝滑流畅的同时，也变得更加“懂你”。例如训练样本是语音数据，训练后的神经网络实现的功能就是语音识别，如果训练样本输入是人脸图像数据，训练后实现的功能就是人脸识别。另外，说到手机安全，集成在Soc当中的NPU芯片也意味着用户信息将得到更好的保护。传统的移动人工智能多数依赖云端神经网络进行运算，用户的使用数据、使用行为甚至准确的位置信息都会事无巨细地传送到云端服务器当中，虽然有厂商的加密传输，但传输的过程终归增加风险的一环。而NPU强大的算力足够在大多数场景下替代云端计算，敏感的个人信息得以在本地完成，用户使用人工智能的时候，就更加安全了。虽然以往手机厂商也有在系统中集成人工智能的尝试，但大多还是依赖CPU和云端服务器进行运算，也因为效率和功耗的限制，人工智能的应用只能停留在十分浅显的层次。人工智能芯片在手机硬件上奠定了“真·人工智能”的基础，凭借强大的性能和功耗比，开发者有了大展身手的平台，消费者也将得到人工智能在各方面带来的便利。AI处理速度和NPU模块的配备与否，或许也会成为未来衡量智能手机性能的硬指标之一。智慧手机的时代，或许即将来临。以上内容版权归奇客智能「GeekSmart」。专注数码产品、人工智能、智能智造等领域的新媒体品牌，转载请联系授权。请大家多多支持鼓励，欢迎关注转发、在评论区留言吐槽。
本文仅代表作者观点，不代表百度立场。系作者授权百家号发表，未经许可不得转载。
百家号 最近更新：
简介: 媒体训练营旗下账号，专注智能硬件
作者最新文章}