苹果、高通、Google都押注的未来芯片，到底是什么呢

      在体验 Pixel 6 Pro 的这段时间里，除了拍照，我很少有感觉到这台被 Google 称作‘最聪明的 Pixel 手机’有什么过机之处，直到一个早上，手机闹钟把我吵醒。

　　和普通手机滑动关闭闹钟的操作不同，Pixel 6 Pro 提示我可以说‘Snooze（再歇一会）’或者‘Stop（停止）’来控制闹钟，而当我小心翼翼地说出‘Stop’后，闹个不停的手机果然立刻安静了下来。

　　这是个微不足道的小功能，却让我每个被闹钟吵醒的早晨都能保持一个好心情。

　　我终于再也不用强撑睡意胡乱找手机，只需要一句话就能让催命般的手机识趣闭嘴，这是我第一次感觉手机能够‘理解’我。

　　‘听懂人话’的秘密，就藏在不起眼的 TPU 之中。

　　无处不在的 AI 计算

　　同在手机的 SoC 上，NPU 的存在感和 CPU、GPU 比起来总要弱上一大截。

　　这个专注于神经网络运算的处理器甚至没有一个统一的名字：在麒麟芯片上叫 NPU，在 A 系列仿生芯片上叫 神经计算引擎（Neural Engine）；Google 将其命名为 TPU，联发科又认为用于 AI 计算的它应该叫 APU……

　　尽管这些芯片的名字五花八门，架构和原理也不尽相同，但它们的目的大抵相似——加速机器学习，提高手机的人工智能计算能力。

　　如果你有关注手机处理器的性能，你会发现无论是 iPhone 的 A 系列芯片还是 Android 旗舰级的骁龙芯片，在近两年内 CPU 的算力提升都十分有限，性能‘挤牙膏’的现象越来越严重。

　　与之相比，AI 算力成了更多厂商愿意提及的参数指标。以 A 系列芯片为例，苹果的 A14 仿生芯片比上一代有了近乎翻倍的峰值算力提升，每秒可执行运算 11 万亿次。

　　一年后的 A15 仿生芯片在此基础上依然能带来超过 40% 的大幅提升，每秒可执行运算高达 15.8 万亿次。

　　Android 阵营的 AI 算力进步也非常可观，在苏黎世理工大学推出的 AI 性能测试榜上，首次引入 NPU 的麒麟 970 AI 性能跑分为 23600 分，四年后 Google Tensor 芯片以 214700 的高分登顶，而麒麟 9000、骁龙 888 的成绩也都达到了 160000 分左右。

　　既然 AI 算力近乎指数增长，为什么我们很难感觉到有什么变化？AI 功能这个听起来略显高深的词是不是离我们太远了？

　　事实上，你每一次解锁手机、唤醒语音助手、甚至随手按下快门，都是一次与 AI 计算的亲密接触。

　　而 NPU 就像一个黑匣子，它让 AI 的计算过程快得几乎不存在，让你察觉不到科技，却又被更自然的人机交互包围。Google 语音助理的进化是一个很好的例子。

　　自 2014 年 Siri 加入‘Hey， Siri’的语音唤醒功能后，唤醒词几乎和语音助手绑定，每次与语音助手对话，我们都要不厌其烦地叫唤它们的名字：Siri、小爱同学、小布、小艺……如果语音环境很嘈杂，这个尴尬的过程可能还要重复好多次。

　　这是因为，出于功耗考虑，手机处理器不能浪费算力长时间在后台解析用户的每一句话，这时就需要一个低功耗并且只识别唤醒词的语音接收器常驻工作。