麒麟970的出现，将人工智能手机的热度推到了一个高潮。如今，HUAWEI Mate10都发布小半年了，大家对于其人工智能的体验印象大多是“然并卵”，确实，人工智能在手机上的应用落地依然有很长的路要走，但不可否认，这是接下来几年重点发展的方向。对于人工智能，很多人被其各种玄乎其神的名词所吸引，大家的印象中，人脑和电脑有着本质的区别，怎么能够相互联系在一起呢？其实揭开面纱，真相并不神秘。今天这里就以麒麟970处理器为例，从硬件基础、软件方法、应用方向三个方面对其进行浅显的解读：
一、硬件基础
硬件基础自然就是人工智能芯片，我们都知道任何计算机都有一个CPU，它负责所有的计算。而且摩尔定律告诉我们，CPU的性能每过18个月就会翻一番。具体来说，CPU的性能的提升主要在于两方面，一个是芯片的密度，我们常说的14nm，20nm指的就是这个。另一个是主频的提高。当前最先进的手机处理器是10nm，下一代是7nm的工艺。密度和主频的提高都是有极限的，而且这个极限已经到来。
于是，英特尔想到了一个办法，那就是一个处理器多个核心。双核、四核甚至当前的8核开始出现。为了照顾散热，单个核心的性能有所降低，但增加了核心，多任务处理的效率就会大大提高。但同样的，核心数同样不能无限制的提高，那样的话散热和体积会非常恐怖。英伟达接过英特尔的大旗，首先想到，CPU的核心是为了照顾各种复杂运算，内部有太多的空间是控制器，如果把这些占据空间的控制单元给拿到，只做单纯的批量计算，也就是从以前解方程，变成了A1+B1、A2+B2...这类的计算。这样一来，单个核心的复杂程度大大降低，GPU由此诞生，这种计算也被叫做向量计算。我们会发现GPU的核心一般都能够达到100到200个，这就是精简所带来的。
对于GPU的印象，很多人都来自玩大型游戏，也就是这种处理器特别擅长处理图像。按照这一个思路，谷歌想到，能不能进一步的精简呢？批量计算还是太过繁琐，如果每次计算都只是分析不同数据的不同之处，相同的运算都省去了，于是为阿法狗独家定制的TPU诞生了，T的单词是Tensor，意思是张量。这种TPU的核心数惊人的达到了百万级，而且因为处理单元的简单批量，功耗相比GPU下降也是非常明显的，所以特别适合大数据和人工智能的分析处理。麒麟970中的NPU也是同样的道理，只是叫法不同而已。从上图中的架构也可以看到这种核心数大与小的关系。
所以我们看到麒麟970的介绍页面，会着重强调能效比，所谓能效比就是进行对简单的张量计算所消耗的能量，这一点NPU相比CPU的提升是几十倍的提升。同时，还会强调进行识别图片的速度，因为NPU擅长做张量计算，识别图片它只是找差异点，对它而言，图片是没有意义的。针对复杂运算的CPU来处理这样的工作就真的是杀鸡用牛刀了。
二、软件方法
有了硬件基础只是有了一张能够画画的白纸，具体怎么去画还是需要用数据对机器进行训练。也就是机器学习，机器学习的方法有很多，主要分为三种，无监督的学习、有监督的学习和强化学习。如果给很多杂乱无章的数据，让机器自己摸索出规律，不进行任何人为干预，这就是无监督的学习，显然这种学习方法是非常缓慢的。有监督的学习就是在给定的数据上，有人为的筛选过程，这种学习大大提高了效率，但也有弊端，那就是相对计算机而言，这种经过筛选的数据太有限了，也就是说进步太慢了。
强化学习则是，让机器人自己尝试走，然后人来判断是否正确，也就是说在无监督的基础上，加入了一个反馈系统来控制方向。这样一来，既避免了数据的匮乏，而且机器人学习的方向能够把握。所谓的算法，其实就是通过数据找出一条能够最大程度上接近理想答案的函数曲线而已。所以，数据的维度越多，数据量越大，机器判断得就更加准确，总结下来就是越用越好用。这与手机的需求是高度契合的。
三、应用方向
有了硬件基础，有了软件的算法，还需要具体的应用。当前而言，iPhoneX的一个主要应用是人脸识别，越用越精准。而HUAWEI Mate10一个有特点的应用是拍照识物，就是在拍照前对拍照的对象进行一个判断，然后根据判断自动对相机进行相应的参数调整。大家之所以觉得然并卵，最主要的就是这些应用更像是可有可无的玩具，它无法真正的击中我们的痛点。所以，这里华为是最早搭建好平台的厂商，那么，以后的应用会有怎样期待呢？
我觉得可以有这么几点想象。现在的所谓的算法都是根据较为单一的数据进行判断和推送，其实还是以前根据使用痕迹的思路，反而容易形成信息孤岛，因为信息的单一无法让机器产生更加灵活的判断。比如，我们都听过一个经典的故事，超市将啤酒和尿不湿放在一起，因为买啤酒的大多都是有孩子的男人。以前这样的判断需要根据经验，以后交给计算机就可以了。也就是说，以后的手机会比你自己更加懂你。
当然，在享受便利的同时，我们也在交出隐私，也在交出选择的权利。以后而言，信息会越来越多的掌握在大企业的手里，出于自身利益的考虑，它就可以让你只看到对他有利的消息。当然，这都还比较遥远，现在担心还有点太早。
