当前位置: 首页 > 科技赋能

18月,华为AI手机涅槃诞生

时间:2024-05-22 12:05:56 科技赋能

文章|思贝专访 |思贝墨影介绍:过去六个月,人工智能发展重心逐渐从云端转向终端,人工智能芯片产业随之出现整体崛起。

时隔数月,智东西首次报道了人工智能芯片全产业链的近百家核心企业,涵盖国内外主要巨头企业、新兴初创企业、场景应用、代工生产等,为您提供全面、全面的人工智能芯片行业资讯。

深度剖析AI芯片行业。

对发展、创新和创业进行跟踪和报告。

这是智能AI芯片行业系列报告之一。

一个月前,华为先后在德国和中国推出了两款年度旗舰手机Mate 10和Mate 10 Pro。

这两款手机均搭载了此前大名鼎鼎的移动AI芯片“麒麟”,并支持最新的Android 8.0系统。

全面屏、电池容量比上一代提升40%、f/1.6超大光圈双摄、4.5G LTE制式……搭载麒麟的华为Mate 10已于10月20日开售,成为首款在市场上。

搭载AI芯片的智能手机。

Mate 10 Pro将于11月15日开售。

(Mate 10和Mate 10 Pro)在Mate 10系列发布后的一个月里,智西西深入华为内部,去了上海和深圳,采访了多位从不对外说话的华为高层,从AI芯片规划、从手机制造到搭载系统的AI平台……我们把所有的拼图一块一块收集起来,还原了打造Mate 10 AI手机的全过程。

同时,通过不断的采访和深入挖掘,我们逐渐拼凑出这家华为科技硬件巨头在端侧智能化领域拥有强大的技术领先地位,以及其未来从硬到软的全平台野心。

在阅读本文之前,建议进一步阅读:《华为麒麟是不是真正的AI芯片?》《华为AI旗舰手机Mate10/Pro发布 现场11次叫板iPhone》 1.起源:麒麟启动项目端侧智能,又称端侧智能,是当前AI领域的热门概念之一。

过去两年,指的是数据的收集和计算。

,决策是在前端设备上进行的。

这个概念对应于云智能。

云智能是指采集到的数据需要通过网络传输到云端。

云端计算完成后,将决策发送回前端设备执行。

与云智能相比,端智能的优势在于稳定、低延迟、能够保护用户隐私。

但同时,云智能所能提供的强大存储和计算能力也是端智能的弱点。

但随着AI的进一步普及,终端智能化越来越受市场欢迎。

终端智能需要在硬件终端中配备相应的芯片/板卡。

以华为Mate 10为例。

这款手机搭载了具备AI计算能力的硬件——麒麟芯片。

自诞生之日起,就被无数的光环所包围。

不仅一发布就登上了各大新闻网站的头条,甚至还抢了“首款手机AI芯片”的头条。

这款麒麟芯片的诞生背后有什么故事?搭载麒麟的Mate 10系列实现了哪些AI功能?为了让AI应用顺利运行,华为在软件、平台、硬件方面做了哪些努力? AI芯片和终端智能设备的未来路在何方? ……带着这些问题,志东首先在华为上海研究院附近的一家果汁吧里与华为无线终端芯片业务部营销总监Eric聊天。

Eric告诉我们,和所有其他工作一样,构建芯片的过程也包括早期定义、立项、设计和后期制作。

前者通常需要几个月到半年的时间。

在项目正式立项之前,麒麟芯片概念团队反复讨论并批准修改。

随后,生产周期至少需要18个月。

因此,整个制作过程至少需要一年半的时间。

两年(18-24个月) 麒麟的项目是前年立项的。

拥有12年芯片工作经验的Eric告诉我们,定义芯片有一个最重要的点——预测。

第一个角度是预测用户需求。

例如,将AI模块集成到手机芯片中的概念在两年前还不存在。

但当时华为团队观察到了AI行业的一个重要瓶颈——算力。

没有足够的计算能力,深度学习的训练和应用都受到很大限制。

众所周知,半导体行业提高算力的最大途径就是制造专用芯片。

谷歌和英伟达也在做类似的事情。

结合用户对时延、隐私保护等终端智能的需求,搭载NPU的麒麟应运而生。

出生。

第二个预测需要从半导体技术发展的角度来进行,因为芯片制造过程涉及到很多工艺的进步。

比如如今的麒麟所采用的台积电10nm工艺,在设计之初并不存在。

除了生产工艺之外,还需要预测半导体行业其他相关技术(如CPU、GPU、内存、屏幕等)的发展程度,以便对半导体行业做出前瞻性判断。

这。

无论是用户需求的预测,还是半导体相关技术发展的预测,归根结底都是行业的把握。

这个环节的重要性不言而喻。

如上所述,一颗芯片的生产过程至少需要18-24个月。

如果两年前确定的方向出了问题,后果将是深远的。

现在华为的麒麟芯片基本上以每年一代的速度迭代,所以“(虽然)我们今天正在讨论,但接下来的两代实际上已经在路上了”。

埃里克说。

与上一代麒麟相比,除了全新的AI模块“NPU”之外,麒麟还对各种性能、能效比、通信、Android版本升级等解决方案层面进行了优化,尤其是能效比。

在手机芯片上,能效比永远是绕不开的。

无论手机芯片规划多么强大的计算能力,如果最终的功耗出现问题,就会卡住。

因此,这是一个非常关键的问题。

核心要点。

谈到AI,Eric其实并不是很兴奋;他认为今年这个概念有点过热了。

未来,AI将是一项基础技术,也许明年每个家庭都会有这个能力。

区别只是高和低而已。

2、麒麟数千研发人员、数亿美元投入。

麒麟之所以敢称自己为“AI芯片”,是因为麒麟提供了全新的HiAI人工智能移动计算架构,其中集成了专用的AI硬件处理单元——NPU(神经处理单元)。

-NetworkProcessingUnit(神经网络处理器)的技术合作伙伴是Cambricon。

寒武纪成立于今年3月。

是由中科院计算技术研究所孵化的一家AI芯片创业公司。

中科院计算技术研究所不仅为寒武纪进行了天使轮融资,还提供了长期的支持和投资。

今年8月底,寒武纪宣布完成1亿美元A轮融资。

投资方为国投创投、阿里巴巴、联想等,成为国内AI芯片行业的独角兽。

麒麟于今年10月正式推出,距离寒武纪1亿美元融资的消息传出仅两个月,使得大家对麒麟芯片的关注往往集中在寒武纪的独角兽身上。

事实上,华为与寒武纪的合作早于此。

早在2000年,中国科学院计算技术研究所就与华为合作组建了“中国科学院计算技术研究所-华为联合实验室”。

而且如上所述,一颗芯片的制造周期非常长,选择华为时寒武纪还不是独角兽。

一直以来,寒武纪在业内都被称为“研究型”公司,其产品从未出现过。

直到去年4月世界互联网大会期间,其才宣布旗下首款AI芯片产品寒武纪1A流片。

但其产品是否会商用或量产,官方并未表态。

任何一个从未被商业化使用过的新事物,离商业化还有很长的路要走。

这个过程的一个主要困难在于工程。

在将基于研究的产品工程转变为真正可用、可以成功安装在消费电子产品中的过程中存在许多陷阱。

幸运的是,华为最强大的能力之一就是设计概念,而最擅长的是让技术体现在产品中。

比如华为在通信领域就是这么做的,从4G到5G。

迭代升级。

从某种角度来说,只有华为这样规模的公司,才有能力真正将寒武纪1A商业化。

华为麒麟芯片的另一大优势在于,麒麟芯片是专门针对华为终端产品设计开发的,无需考虑其他不确定的产品需求。

一旦你想清楚了选择某个点,你就会尽力放大这方面的投入,一下子就完成。

你可以投入更多的成本来专门做这件事,最大限度地发挥产品的优势。

一般商用芯片公司在这些事情上做出决定会比较犹豫,可能需要观望情况再投资一些新的方向。

华为在全球拥有十多个研究所。

国外各个研究机构都有自己的侧重点。

例如,美国很多研究机构专注于射频技术,欧洲也有相应的通信和图像算法研究机构。

因此,每一代芯片大多是全球性的。

科研机构之间合作研发的成果。

以麒麟为例。

这一级别芯片的研发投入数亿美元,数千人参与。

3、从硬到软,华为的AI平台野心包括搭载NPU的“AI芯片”,但AI从硬件基础到APP应用,还需要很多软件级、系统级的优化,而这些也都由Mate 10实现了端侧智能的重要因素。

基于麒麟的手机AI应用开发不仅涉及到华为芯片底层架构的兼容性,还需要华为软件工程部门上层资源的打造和开发。

为此,智喜喜还来到华为深圳软件工程部,与副总裁张宝峰进行了深入探讨。

1)AI能为移动应用带来怎样的体验优化:张宝峰认为,基于目前AI技术的发展,算法意义上真正成熟的应用领域主要包括:图像识别和语音识别。

AlphaGo Zero等用于推理决策的“AI黑科技”距离消费电子产品还有一段距离。

因此,图像识别、语音识别相关技术驱动的业务肯定会被优先考虑。

就Mate 10真正能实现的AI功能而言,主要包括以下几点:1)物体识别和卡路里计算。

Mate 10让AI摆脱网络限制,可以在手机本地识别物体。

将葡萄、苹果、羊角面包等物体放在镜头前,它就能识别食物的名称并计算卡路里。

2)AI美颜功能。

通过Mate 10搭载的人脸识别技术,手机可以自动检测人脸并进行美化。

它还可以每3秒改变不同的动态效果。

即使你在镜头前移动,AI 美颜也能提供精准贴合。

3)自动回复和情绪识别。

Mate 10可以实现文本实体提取、情感识别、智能自动回复等功能。

例如,如果你在聊天中输入文字“我今天工资发了”,它会自动关联“”表情,如果你输入“战狼2”,它会自动推荐观看的电影。

信息。

4)AI降噪。

通过深度学习算法,麒麟可以有效抑制噪声并增强语音信号。

汽车噪音场景下的语音识别率从80%提升至92%。

5)照片场景识别。

目前,Mate 10和Mate 10 Pro已经接受了1亿张照片的训练,可以智能识别13类场景和物体。

相机识别出镜头中是什么场景/物体(例如静止的花朵或奔跑的人)后,系统会根据物体的属性调整相机参数或主动对物体进行去模糊,以拍摄出更适合该对象。

现场照片。

张宝峰认为,除了图像和语音识别之外,另一个最接近成熟的AI技术是自然语言处理(NLP)。

目前NLP的各种应用中,翻译和虚拟助理是被提及最多的两个。

Mate 10搭载了微软定制的AI驱动语音翻译系统,通过NPU加速可以实现实时文本交互翻译和图像识别翻译。

比传统翻译快10%,可支持50种语言。

同时,Mate 10系列中的AI语音助手“小E”也得到了升级。

设置闹钟、设置日程、阅读信息、浏览微博、导航、打车、找食物等都可以通过呼叫小E语音助手来完成。

而且,小E还可以根据用户习惯和场景分析进行定制和个性化。

该服务显示在电话底部屏幕上。

对了,Mate 10上小E的一大亮点就是可以在熄屏状态下通过语音唤醒,无需再按额外的按钮将其唤醒。

为了尽可能避免误唤醒,它的唤醒词采用“你好,小E”四字(也可以定制,但也需要四个音节)。

从小E的表现来看,其语音识别和语义理解能力相比之前的华为语音服务有了大幅提升。

此外,华为Mate 10还有专门的AI应用,试图通过分析本地数据来了解用户的个人习惯,然后在后台关闭一些无效的应用,同时尽可能保证用户体验不受影响。

例如,如果后台打开了一个词典应用,查找完某个单词后,大多数人就不会再查找了。

但按照之前的系统模型,应用程序会长期驻留在后台。

通过AI学习用户习惯后,机器可以知道我在20分钟或一个小时内不会再使用它,并且可以自动关闭词典应用。

2)系统层面的AI优化??——如何让AI应用运行得最好。

对于AI应用,首先系统必须运行在芯片的软件层面。

主要强调的是端侧CPU、GPU、NPU等的异构调度能力。

现在我们手机上的一切都是通过APP应用来呈现的,而每个APP必然需要进行多种操作。

例如:只要手机基本运行,CPU肯定是少不了的;当你打开屏幕时,GPU就会开始绘图;当您打开相机时,ISP就会打开;当你启动AI场景识别时,NPU就会开始运行……因此,让一个AI应用跑得好,并不是NPU单个组件的问题,而是一个系统部署的过程。

华为对旗下主要机型的异构软件层面进行了优化,让不同的计算单元执行不同的任务,同时保证整个软硬件的功耗和响应速度最优。

至于软件工程层面,包括Android系统和第三方开发者的HiAI平台的匹配优化。

Mate 10系列搭载华为EMUI 8.0系统,支持最新版本的Android 8.0。

一方面,Android系统本身已经优化了AI,Mate 10需要适配和兼容;另一方面,由于Android每个新版本与旧版本的兼容性较差,因此每次升级都会出现大量问题。

兼容性丧失,为了不让这个问题反映在产品中,工程师需要花费大量的精力来排除故障。

值得一提的是面向第三方开发者的HiAI平台。

HiAI是HiAI移动计算平台,开发者可以通过该平台接入华为NPU,调用强大的AI计算功能。

对于拥有AI开发能力并使用TensorFlow或Caffee等架构的APP开发者,HiAI将为他们提供相应的工具,以便开发者可以在不改变训练模型的情况下快速迁移现有模型。

到HiAI平台。

对于普通APP开发者,HiAI将提供封装的语音识别、图像识别等技术。

开发者不需要自己做基础的AI研发,可以直接将封装好的AI技术应用在HiAI中。

结语:从跟随到引领,AI市场火热。

当前,AI产业发展如火如荼,整个行业呈现出一片欣欣向荣的景象。

在算法层面,无数科研人员正在人工智能不同领域进行研究。

不仅AlphaGo等“黑科技”不断涌现,算法的应用也在不断优化;在硬件层面,从GPU到各类定制化AI芯片,都在源源不断地推动基于半导体硬件的算力增长。

在算法和芯片两件事同时工作的情况下,AI算力每年增长数十甚至数百倍。

过去,由于性能和技术的限制,开发者仅限于云端的AI应用。

如今,算法和芯片的双重加成,终端智能可以为AI应用开发者解锁更广阔的想象空间,手机可以支持更实时、更强大、更智能的AI应用。

过去几年,华为在消费电子产品方面的技术发展速度有目共睹。

如果说过去几年,华为在很多领域扮演的是跟随者的角色,那么现在,它在AI、5G等高科技技术上却处于领先地位。