AI之战联发科抢占了先机，ASIC专用是未来AI终端最基本的要求

虽然ASIC成本高且难度大，但移动AI芯片设计公司仍已经开始立足于ASIC的深度学习，例如此前联发科发布的Helio P70中端设备芯片组其内部就自带ASIC方案专用的AI核心APU，不仅具备其他AI芯片所带的诸如美颜、人脸识别、场景优化等功能之外，更是大幅降低了AI芯片的功耗，使得用户在多场景使用环境下，不再为手机电量的大幅消耗而感到担忧。

很多用户迟疑，为什么联发科不直接在CPU或GPU内集成AI运算功能，而需要使用AI专核?为什么不跟高通骁龙845一样，借助GPU就可以实现AI呢?实际上笔者觉得反而联发科的思路是正确的。

众所周知，CPU和GPU都有其专职的工作，例如CPU专注在大型运算，GPU侧重于图形绘制等，过多的功能堆叠只会虚耗电量和提高温度，所以即便骁龙845的性能强劲，但在AI拍照这样的应用场景下，长时间仍会有轻微的发热情况。所以在这样的环境下，AI核的优势显然就更加明显了。因此由CPU和GPU配合AI专核来进行分工协作，反而可以有效提升效能，降低散热。

以时下在图像识别领域以及前沿科技产品中的应用最为广泛的AI人脸识别技术为例，常见的人脸识别其实是一个“扫描检测”加“结果判别”的过程，而这个“扫描检测”的过程中包括五官坐标定位、人脸属性识别、人脸特征提取等等，在“结果判别“中更涉及到人脸验证、人脸识别、活体验证等多个特性，它已经不是一个简单的算法，而是涉及到CPU、GPU、VPU、DLA 等多个运算单元，跨单元的运算很显然会造成消费体验的不佳，更别提到结果涉及的端运行或是云运行问题，所以开发与之相应的AI人工智能神经网络算法是趋势，而这点通过网络上流出的联发科P60人脸识别技术对比图也能窥其一二。前者虽然定位中端，但却拥有单独的AI人工智能单元，人脸识别速度比同期的骁龙845和骁龙710都更胜一筹，可见高效节能的AI独立单元，即ASIC专核专用是未来人工智能终端最基本的要求。

当然ASIC专核专用的优势还远不如此，它还包括对温度的有效控制。例如目前的AI算法基本都支持对使用场景的预测，能协助系统有效开关硬件，同时满足效能和温控。例如当你打开电子书后，AI算法会参考你之前的阅读习惯都在1小时左右，那接下来的1个小时内系统可能就会关闭高性能的运算，使用小核心进行运作，保证续航的提升。

所以从这一点看来，联发科自研的Corepilot 4.0多任务演算技术其实是走到了行业的前面，它时的处理器将能够集成智能任务分配系统、温度管理系统和用户体验监测系统于一身，预测手机用户的电量使用场景，按照某个时间点的任务的重要性及时进行优先级排序处理，从而更有效的控制设备功耗。

所以从AI人工智能和温度控制的角度出发，我们倒是很看好联发科P70芯片，性能方面就不再累赘，目前各大芯片的“实际使用性能”相差无几，而联发科使用的AI芯片+算法调度模式这两种软硬相辅的方式将会使得Helio P70将成为今年四季度或明年能效比最为看好的芯片组。

　联发科Helio P系列目前就锁定中端，主打AI人工智能

总体来说，用户对于手机功能的消费需求让AI芯片朝着越来越丰富的方向发展，未来AI专用芯片无疑会是IC设计的另一大方向。目前联发科抢先布局了AI芯片，预计高通、海思后续也都会持续跟进，这场AI之战联发科抢占了先机，后续也让我们更加关注。