和手機的其他零件相比，NPU 登場的時間要晚得多。

2017 年 9 月華為在柏林 IFA 展發布的麒麟 970 是首顆集成 NPU 的 SoC，同一時期，蘋果發布了首次搭載神經計算引擎的 A11 仿生芯片，兩個陣營對 AI 計算領域的關注出奇同步。

AI 功能的出現看似突兀，但這其實是智能手機形態發展過程中自然演化的結果。

《連線》雜志與蘋果副總裁 Tim Millet 關于 A 系列芯片的訪談中提到，在 iPhone X 發布的數年前，蘋果的一些工程師就提出了利用機器學習算法讓 iPhone 的攝像頭變得更智能的想法。

正是這個想法，讓定義了 iPhone 未來十年形態的 iPhone X 有了落地的可能。轉向全面屏的 iPhone X 需要一個新的安全機制取代原本占據下巴的 Touch ID，并且在準確度、解鎖速度都不能落后前者，為了實現這些點，蘋果轉向了 3D 結構光面容識別。

每次點亮 iPhone 進行解鎖，位于劉海中的深感攝像頭都會通過成千上萬個點創建一個深度圖，與儲存的人臉數據比對完成解鎖，而這個收集、創建、校對的過程需要控制在瞬息之間，更重要的是，功耗必須控制在一個足夠低的水平。

根據蘋果公布的數據，iPhone 用戶每日平均解鎖次數為 80 次，如果每次解鎖都要調動 CPU 或 GPU 做高功耗的圖形運算，對手機續航而言會是個相當大的挑戰。

▲ 機器學習的過程

而多核架構的神經計算引擎可以同時執行大量運算，并且經過深度機器學習，它可以像人腦一樣識別和判斷人面信息，利用它實現人臉識別在功耗和性能上比傳統 CPU 都有著不小的優勢。

「如果沒有神經計算引擎，我們不可能做到這一點」，Tim Millet 在訪談中提到。

隨著核心數的增多，神經計算引擎算力也會隨之大幅提升，其應用也越來越廣。

例如 A13 仿生芯片的 8 核神經計算引擎為 iPhone11 系列帶來了 Deep Fusion 和夜景模式功能，通過多張融合提升照片的清晰度和細節；A14 仿生芯片的神經計算引擎提升到了 16 核，能夠在拍攝時同時調用多枚攝像頭，實現順滑的變焦體驗。

▲ A15 仿生芯片和 A14 仿生芯片的剖析圖，神經計算引擎集中在左下角

總的來說，神經計算引擎等 NPU 的出現，可以很好地分擔 CPU 或 GPU 的算力壓力，通過對大數據進行高效的并行分析和計算，提取出有意義的結果，用更自然的處理能力改善我們的體驗。

來源：愛范兒