雖然蘋果和三星都擁有自主開發的應用處理器，鎖定了高端智能手機市場，但是聯發科（MediaTek）正在尋求在智能手機市場的反彈，在本周的2018世界移動通信大會上推出了Helio P60芯片組。
聯發科的計劃是重新進入與高通競爭的中高端智能手機市場。
聯發科技將Helio P60視為“首款采用多核AI處理單元（移動APU）和聯發科NeuroPilot AI技術的SoC平臺”。
聯發科的舉動顯示了該公司在行業智能手機大戰中，策略重點轉向移動人工智能的巨大變化。目前各種芯片供應商都在競相將神經網絡引擎用于手持設備上。目標很簡單。他們希望開啟人工智能體驗——語音用戶界面、人臉解鎖、AR等等——在客戶端設備上處理更快、更好，無論有沒有網絡連接。
Linley Group高級分析師Mike Demler表示：“我們在去年才看到了第一批帶有嵌入式神經引擎的智能手機處理器，如蘋果A11、華為麒麟970、高通Snapdragon 835和聯發科Helio X30等旗艦處理器。”
Demler表示：“我們對聯發科將在更低層添加神經引擎并不感到意外，但有趣的是，他們正在使用比其旗艦產品X30更強大的核心來實現這一點。”
換句話說，一個由中國手機制造商推動的、充滿活力的中端智能手機供應商社區正在躍躍欲試，他們希望盡快趕上移動AI這股趨勢。
新高度
聯發科稱其為“新高級”是指“以中檔價格提供卓越性能和功能的設備”。聯發科銷售總經理Finbarr Moynihan解釋說，“新高度”是目前智能手機的重要動作，像Oppo、Vivo、聯想等中高端玩家都渴望縮小與頂級競爭對手的差距，希望在應用、功能和AI方面取得重大飛躍。
聯發科告訴我們，2017年全球智能手機出貨量的48％來自中國OEM廠商，主要針對新興市場。聯發科援引TrendForce報告指出，2017年中端消費者品牌出現大幅增長，小米的智能手機產量增幅高達76％，而Transsion、OPPO和Vivo也有大幅增長。
Helio P60在八核CPU中配備了4個ARM A73處理器和4個ARM A53處理器。基于big．LITTLE的8核設計，聯發科技宣稱與前代產品Helio P23和Hleio P30相比，CPU性能提升了70％。通過使用最高800MHz的新型Mali G72 GPU，P60還將GPU性能提高了70％。
聯發科的神經網絡引擎
然而，讓Helio P60實至名歸的是其內置的NeuroPilot AI平臺、橋接CPU、GPU和板載AI加速器。聯發科的人工智能框架可以通過協調SoC內CPU、GPU和AI加速器計算工作負載來管理異構AI計算架構，最大限度地提高性能和能效。
聯發科已經證實，P60在其AI加速器中集成了Cadence Vision P6內核。
Cadence Vision P6
與聯發科技旗艦產品Helio X30——使用Cadence Vision P5，每秒70 GMAC（8位）——相比， Helio P60每秒處理性能為280 GMAC。Demler表示：“所以在處理器整體性能上降低了一層，但同時將神經引擎性能提高了4倍。”
當被問及對比Helio P60神經網絡引擎性能時，Demler說：“華為的麒麟970可以達到?1TMAC ／ s（FP16），因此在更高的分辨率下它的神經網絡性能是P60的4倍。在280GMAC ／ s下，P60與蘋果A11的很接近，達到300GMAC ／ s。”
缺乏AI基準
然而，我們咨詢的大多數分析師都認為，深度學習加速器基準的缺乏，使得很難做出有任何意義的比較。Demler稱這是“一個開放的大問題”，他說移動AI這個泥潭可能很容易導致我們陷入“GOPS ／ TOPS營銷炒作之戰”。
Tirias Research首席分析師Jim McGregor表示贊同。“這是一個令人困惑的話題，因為沒有什么細節和基準。聯發科和其他公司使其聽起來像是無所不能的人工智能解決方案，”但通常并非如此，McGregor補充說。
例如，聯發科的P60中使用的Cadence Vision P6內核是針對計算機視覺應用進行了優化，而非通用神經網絡，Demler說。
正如McGregor所解釋的，“首先，你需要了解大多數AI處理器是什么。”例如，聯發科、蘋果和華為稱其解決方案為“專用”，意味著使用單個IP塊進行AI加速。“在大多數情況下，這意味著從其他方——如Cadence或Ceva——那里獲得的IP塊許可。這種IP塊支持可配置的神經網絡，但有一些限制。可是沒有人能確切地說出這些限制是什么。”
所以，顯然地，在應用處理器內部放置一個神經網絡引擎并不是故事的結尾。正如McGregor指出的那樣，新神經網絡的開發和訓練仍然需要在數據中心進行，必須依賴更多高精度、強大的訓練處理器。
如果應用開發人員和OEM廠商想要利用智能手機應用處理器內部的神經引擎，他們需要一個與底層硬件掛鉤的軟件框架。“所有領先的移動處理器設計公司（高通、聯發科、華為、蘋果）現在都提供神經網絡SDK，”Demler觀察到。但他們都需要支持像Caffe和Torch這樣的流行培訓框架。
對聯發科來說，聯發科提供了被稱為NeuroPilot AI SDK的框架，該框架可以讓應用開發人員和OEM廠商“深入到硬件，看AI軟件如何在CPU、GPU和專用AI加速器上運行”，Moynihan這樣表示。
與此同時，應用開發人員和OEM廠商也需要能夠“查找并查看Android網絡API（Android NNAPI）的內容”，Moynihan補充道。Google為Android機器學習開發了Android NNAPI和運行時引擎。“聯發科的NeuroPilot SDK完全符合Android NNAPI，”Moynihan補充道。
Android Neural Networks API的系統架構
在部署能夠讓智能手機處理器運行AI應用的方法中，高通的方法似乎有些不同。
McGregor說，高通的解決方案是不同的，因為“他們已經在芯片上使用了多種資源，包括Hexagon DSP、Adreno GPU和Kryo CPU內核。”
然而他補充說：“沒有可用的基準，不可能確定哪種方法更好，但高通模型確實提供了更高的靈活性。”
AI軟件之戰
無論底層硬件如何，畢竟最關鍵的還是能夠購在任何智能手機上體現AI體驗差異化的軟件。
McGregor說：“現在，這些應用正瞄準著手機上的常見功能，例如拍照和數字助理。但是，通常由第三方軟件開發人員來開發和訓練用于手機上的這種模型。”
他指出，“在有限的情況下，有些模型或庫是可用的。高通圍繞圖像識別開發了一些庫，三星主要圍繞拍照，我相信蘋果也正在開發自己的模型。“
在其他情況下，這取決于應用開發人員，這是一個很大的限制，McGregor指出。“很多應用開發人員并不習慣于使用深度學習，也無法訪問深度學習所需的大型數據中心，”他說。
Linley Group的Demler在他最近的微處理器報告中也對人工智能軟件開發提出了警告。 “處理器架構的多樣性給Android應用開發人員帶來了挑戰，因為即使在缺乏專用深度學習加速器的設備上，這些應用也必須能夠運行。”而另一方面，iOS應用開發人員只需要支持Apple設計的一些處理器就可以了。
Tirias Research首席分析師Kevin Krewell也警告說：“我看到的最大問題是，每個芯片和IP供應商都在以不同的方式做機器學習。ARM可能有最佳的機會，在一個IP上對多個廠商實施標準化。