推出企业服务火山引擎后，字节跳动收购容器平台才云科技
06-18
疫情的到来，让人们的人脸解锁功能低下了高贵的头。
当口罩成为我们出门上街的必备物品时，解锁手机时，我们总是要经历“人脸识别失败”、“输入密码”的繁琐过程。
这不禁让人怀念良好的指纹识别功能。
为了优化人脸解锁体验，国外领军人物Baskin在今年早些时候推出了一款带有面部信息的口罩。
该产品提取用户的面部信息，然后将其打印在口罩外部。
用户戴上面具后，可以将其拼凑成完整的脸部。
▲ 其实有点吓人。
图片来自：djbaskin 不过，这款产品的解锁成功率目前尚不清楚，也没有大量样本验证。
那么如何让人脸识别系统不再受到口罩的困扰呢？有网友逐渐发现，随着戴口罩的时间越来越长，自己的手机似乎在人脸解锁失败中找到了“经验”，在成功戴口罩时也逐渐能够认出自己了。
依托这一思路，一些科技博主也分享了更高效的教程，比如戴口罩的情况下反复解锁。
如果人脸识别失败，请立即输入密码。
重复此动作约30分钟，手机就能识别出戴口罩的人。
我自己。
▲ 戴着口罩成功人脸解锁。
图片来自：Farhad Usmanoff 然而，在练习过程中，网友表示不同的模型“学习”速度不同。
有的人重复上述动作20分钟就成功了，但有的人重复了上千次，手机仍然无法识别戴着口罩的自己。
为什么会出现这种情况？其实答案与手机的AI学习能力有关。
▲ 图片来自：nextweb 深度学习工具——NPU 如果你关注过近两年的手机发布会，一定发现手机厂商在推出 SoC 芯片时都会把重点放在 NPU 的升级上。
所谓NPU是指神经网络处理器。
在手机芯片中，一般分为几个功能区域。
发布会上经常提到三个：一是擅长处理复杂任务和发出指令的CPU，二是擅长图形处理的GPU，三是擅长处理手动任务。
用于智能任务的 NPU。
虽然NPU的“足迹”没有CPU和GPU那么大，但其能力却不容忽视。
手机的智能程度主要取决于它。
▲ 带有NPU的芯片通常被称为“AI芯片”和“仿生芯片”。
图片来自：雷雪网。
训练手机识别自己戴着口罩，主要是靠NPU的能力。
摄像头捕捉到人脸图像后，CPU和GPU会在很短的时间内对图像进行预处理，然后NPU和GPU进行检测和提取特征。
最后CPU、GPU和NPU协同工作，完成人脸的识别和分类。
得益于日益强大的计算能力，整个过程变得“不敏感”。
当我们拿起电话的那一刻，上述过程就完成了。
NPU的加入可以让手机在不同的状态下识别你。
当你早上醒来时，即使你的脸肿了，你的手机也知道是你。
即使你被黄蜂蜇了，嘴巴肿成“香肠”，手机依然可以识别。
▲ 图片来自：韩队长历险记 所以经过一定的训练，手机就可以识别你，不用担心口罩了。
事实上，如果只依靠算法，CPU和GPU也可以配合完成学习。
但缺点是效率低、功耗大。
根据《汽车电子与软件》的说法，CPU和GPU需要数千条指令来完成神经元处理，而NPU只需要一条或几条指令即可完成。
▲ NPU的学习效率相当高。
图片来自：androidauthority 另外，同等功耗下，NPU的性能是GPU的18倍。
可见NPU在深度学习的处理效率上具有明显的优势。
说到这里就不得不提一下NPU的工作原理。
NPU之所以具有高学习效率，并不是因为它喝了“六个核桃”，而是因为它在电路层面模拟了人类神经元和突触。
并利用深度学习指令集直接处理大规模神经元和突触。
通过突出权重来实现存储和计算的融合，NPU的一条指令可以处理以前CPU和GPU的数千条指令。
▲ 图片来自：福布斯 用一个不太恰当的比喻来说，这就像京东物流实现的仓储物流一体化，大大提高了配送效率。
您可以当天购买，甚至当天发货。
NPU并非一无是处。
国内最早研究NPU的公司是寒武纪。
2017年发布的麒麟芯片采用了寒武纪NPU架构。
麒麟也成为全球首款移动AI芯片。
华为表示，在处理相同的AI应用任务时，集成NPU单元的麒麟相比四个Cortex-A73核心具有约50倍的能效和25倍的性能优势。
例如，图像识别速度可达每分钟10张左右，远高于同时期行业水平。
▲麒麟。
图片来自：电子工程专辑 11天后，搭载A11仿生芯片的iPhone 8/8 Plus和iPhone X上市。
苹果在发布会上表示，这是其历史上最强大、最智能的芯片。
A11 Bionic是苹果首款以“Bionic”命名的处理器，也是苹果首款支持AI加速的处理器。
比如在人脸识别功能方面，其神经网络引擎让A11支持高达每秒1亿次的识别速度。
▲ 图片来自：stealthsetting 今年以来，越来越多的厂商开始关注手机AI能力的提升。
比如华为主打的AI摄影、超级夜景、空中手势等功能； iPhone引以为豪的Face ID、人像虚化、Deep Fusion等功能都与NPU的能力密切相关。
▲华为的AI手势控制从今年6月开始。
随着麒麟的发布，华为开始采用基于达芬奇架构的自研手机AI芯片。
达芬奇架构的巧妙之处在于各个单元之间分工明确，可以实现更高效的AI计算。
根据《电子产品世界》，达芬奇架构核心的3D Cube、Vector计算单元、Scalar标量计算单元等各自负责不同的计算任务，实现并行计算模型，共同保证AI的高效处理计算。
实现高算力、高能效、灵活可定制的特点。
在刚刚结束的Mate 40系列发布会上，华为强调，麒麟芯片的NPU升级为达芬奇架构2.0版本，算力翻倍。
AI算力更强的同时，能源效率提升15%，网络运行性能也提升20%。
在苏黎世联邦理工学院推出的AI Benchmark榜单中，麒麟摘得Android阵营桂冠，得分是高通Snapdragon+的两倍多。
▲AI Benchmark 榜单 你还记得上面提到的麒麟每分钟识别图像的能力吗？麒麟进化到了每秒十丈的速度。
此外，发布会上重点强调的AI空中手势、AI智慧熄屏、AI字幕等也是其NPU能力的体现。
尤其让我印象深刻的是“智能支付”功能。
当手机感应到靠近扫描盒时，会自动弹出支付码页面，一键完成支付。
这代表了理想智能终端的方向：朝着“认识你”、“理解你”、“帮助你”的方向发展。
▲华为智能支付。
图片来自：VDGER 第四代 iPad Air 发布时，苹果还强调了 NPU 能力的提升。
与 A12 Bionic 处理器相比，A14 Bionic 下一代神经网络引擎可提供高达两倍的机器学习性能。
超高的机器学习速度让A14仿生芯片实现了超级像素功能。
与Pixelmator配合使用，可以放大裁剪后的照片，并自动添加像素，使照片更清晰。
体现在iPhone 12系列上，计算摄影能力也得到了前所未有的提升。
例如，进行延时摄影时，手机会自动计算拍摄对象。
如果在拍摄交通时，手机会自动降低快门速度，让车灯呈现出涂抹的效果，画面的流动感会更强。
与iPhone 11相比，新一代iPhone在Deep Fusion、HDR视频等方面都有肉眼可见的变化，这一切都得益于A14强大的AI计算能力。
我们对 NPU 有何期待？虽然移动NPU最近两三年才开始被厂商推广，但事实上，与之相关的概念早在2009年就已经出现。
当时，高通希望通过模仿人脑的计算结构来缩小普通机器计算与人脑之间的差距。
这种模拟神经元的计算处理器被高通公司称为“Zeroth”。
▲ 高通对 Zeroth 的介绍。
高通Zeroth芯片的计算结构模仿了人类生物神经细胞的工作模式，从大脑的结构层面进行模仿。
NPU是在功能层面模仿大脑，两者的方向并不一致。
高通也一直坚持自己的方向，没有加入独立NPU的大军，而是坚持人工智能引擎AI Engine的方向。
据《芯智讯》报道，高通骁龙发布时，一些外界声音批评高通没有跟上NPU潮流，在AI能力上落后。
高通高级副总裁兼移动业务总经理Alex Katouzian回应称，虽然高通没有独立的神经网络引擎单元，但采用了更灵活的机器学习架构（AI Engine），在通用平台内进行内核优化并分发在CPU、GPU、DSP等各个单元上，可以针对不同的移动终端灵活调用各种处理单元。
你可以这样理解：NPU的方向是各个单元分工明确，集约化程度较高；而Qualcomm AI Engine的方向是“每个人都可以共同完成工作”。
直到发布采用第五代多核人工智能引擎AI Engine的Snapdragon系列芯片，高通仍然没有进入NPU道路。
▲ 高通在图片左下角强调AI能力。
不过在实际使用中，高通骁龙的学习能力还是值得肯定的。
比如我这半个月使用搭载高通骁龙+的vivo X50 Pro+时，每天大概解锁十次左右。
现在它可以成功识别出戴着口罩的我。
但从数据来看，其AI学习能力远远落后于麒麟和A14 Bionic。
NPU一次又一次用数据证明了自己的AI实力。
高通的下一代AI Engine能否力挽狂澜，我们还需要等待该系列芯片的推出才能知道。
在人工智能时代，我希望看到的场景是，手机不再是被动响应用户需求的终端，而是能够主动分析和感知用户当前需求并提前提供相关服务的智能终端。
▲ Mate40系列AI能力展示 在这方面，各厂商还处于起步阶段。
比如在应用建议方面，我个人认为目前小米做得最好。
通过对时间、场景等因素的分析，它可以“猜测”我每次要打开的软件，并智能地将其排序在最显眼的位置。
Mate40系列所支持的“智能支付”无疑走在了AI道路的最前沿，也给了我们更多的想象空间。
值得注意的是，除了手机之外，NPU也逐渐应用于平板电脑、笔记本电脑等移动终端。
苹果最近发布的M1芯片拥有16核NPU，每秒可以执行11万亿次运算，将机器学习的速度提高到11倍，这是传统PC难以比拟和匹配的。
相信搭载M1芯片的MacBook系列和Mac mini将为用户体验带来哪些改变是令人兴奋的。
在当前的软件生态中，移动CPU和GPU的改进对于用户的日常使用来说已经无法感知。
例如，与iPhone XS和iPhone 12相比，应用的流畅度几乎相同。
更影响用户体验的是机器学习能力的变化。
这就是为什么我们应该关注NPU的发展。
也许再过十年，当AI技术更加成熟时，“智能”手机就到了更名为“智能”手机的时候了。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态