虽然各大厂商都花了不少时间来炫耀自己的AI芯片技术上有多么先进，但它究竟能给消费者带来多少好处呢？在选购一部手机时，AI芯片的存在与否是否应该左右我们的决定？

为什么要给智能手机专门加入一枚AI芯片？原因其实很简单。不管是手机、笔记本还是台式机的处理器，都并不是为机器学习任务所特别设计的。如果强行让它们去处理这些任务，不仅速度很慢，也会非常耗电。

当前的人工智能需要计算机以非常快的速度去进行大量的小运算，但CPU用来执行运算的“核心”就那么多。也正是因为这个原因，技术公司更偏爱使用图像处理单元，也就是显卡，来处理AI任务。

显卡当然是为了渲染视频游戏图像所设计的，但巧合的是，它们恰好可以在短时间内进行大量的小运算。相比只有几个或者十几个核心的CPU，显卡的核心多达上千个。

以现在的技术水平，给手机芯片加入上千个处理核心还是件不可能的事。但我们可以通过其他的架构调整来增加芯片在同一时间能够处理的任务数量。

虽然“AI芯片”是个辨识度很高的名词，但并不是非常准确。就拿华为和苹果为例，两家公司所提供的并不是单一、独立的芯片，而是作为更大SoC一部分的专用处理器。SoC本身就包含不同的部分来应付不同的任务，比如渲染和处理图像的图形单元，因此为AI添加几个处理核心也不是什么难事。

正如上文所述，特殊的AI硬件可提供更好的性能表现和更长的续航——至少理论上如此。而对于用户隐私、安全性、以及开发者而言，AI芯片也都能提供更多好处。

先说隐私和安全。目前的大多数机器学习服务都必须把用户数据上传到云端，来进行实际的分析处理。苹果和谷歌等少数公司开发出了在本机直接进行计算的方式，但它们并未得到大规模应用。如果拥有专用的硬件，更多厂商就会选择把AI任务放在本地运行，这也就降低了数据泄漏或被黑的风险。

如果无需将数据发送到云端，用户也就可以在离线状态下使用AI服务，并存储相关数据。后者对于开发者而言格外有益，因为如果数据分享是在本机进行，那便省去了购买服务器的花费。只要用户手里的硬件能胜任这些处理任务，那所有人都能从中获益。

即便一款手机配备了AI芯片，这也并不意味着AI驱动的应用和服务就能够利用到它。

再拿华为和苹果举例，两家公司所提供的API都能让开发者利用到各自产品的“神经”硬件。而在集成该API之前，他们必须确保自己使用的AI架构——比如谷歌的TensorFlow或Facebook的Caffe2——能够受到支持。如果不支持的话，他们就得先进行转换，然后再使用。

厂商们可能需要花上好一阵子来为这个硬件打磨使用体验，甚至是与开发者或第三方合作。这也正是为什么微软会和华为会联手确保前者的翻译应用能够凭借后者的NPU芯片离线运行，或者是Facebook为什么会和高通合作去集成后者的AI软件，以便更快地加载增强现实滤镜。

虽然大公司有能力承担这样的时间和资金花费，但这样做对于小型应用开发者是否划算？这还很难说。这对iOS而言不是个问题，因为开发者只能在自己的应用当中采纳苹果的Core ML架构。但在Android平台，这就显得很让人头疼了，假设各大厂商都选择推出各自的服务协议的话。

所幸的是，谷歌正在使用他们在自家生态系统中的话语权来解决这个问题。他们的移动AI架构TensorFlow Lite已经在对移动设备的体验进行某种程度的标准化了，并且它们还计划推出自己的Android级API来“利用芯片限定的加速器。”

从开发者的角度来看，谷歌的这些努力并不会解决掉所有的碎片化问题，但显然能够在一定程度上对其进行缓解。不过有的举措可能要等到Android P发布时才会生效。

简单来说，这个问题的答案是否定的。想要在目前的硬件上提高AI服务的运行效果，厂商们需要做的还有很多。除非你是真正的高需求用户，不然就不必纠结于此。

苹果和华为的新产品之所以配备AI芯片，是因为他们想把自己的产品做得更好而已。华为可以用它来监控Mate 10在生命周期之内是如何被使用的，并重新分配资源来避免它变得卡顿。而对于苹果而言，AI芯片可以用来驱动Face ID和动话表情等新功能。

为人工智能任务提供专用的计算性能是个很棒的功能，但从本质上看，它和高端智能手机的其他功能并没有什么两样，不管是双摄像头还是防水。对AI芯片夸夸其谈在现阶段是一种不错的营销方式，但用不了多久，它就变成智能手机的另一个标配零部件而已。