酷应用

华为麒麟980双核NPU供应商确认，原来是他...

百家作者：芯智讯 2018-11-10 13:14:55

随着人工智能（AI）技术的发展，以及边缘计算的兴起，在终端侧部署AI处理器/内核进行AI运算已成为了一种新的趋势。

2017年9月，华为抢在苹果之前发布了全球首款针对智能手机的人工智能（AI）处理器——麒麟970，华为在这颗SoC内部率先集成了独立的神经元网络单元（NPU，Neural Network Processing Unit）。而随后苹果的A11 BIONIC处理器、高通的骁龙710等也都集成了NPU。

不过，值得注意的是，苹果、高通所集成的NPU都是主研发的，虽然华为从未公开麒麟970的NPU是否是来自于第三方供应商，但是业内都知道其NPU技术实际上是源自于寒武纪1A处理器。

根据寒武纪官方资料显示，寒武纪1A是寒武纪于2016 年发布的”全球首款商用深度学习处理器IP产品”，包含了全球首个人工智能专用指令集 CambriconISA，兼容Caffe、Tensorflow、MXnet等主流AI开发平台，具有完全自主知识产权，理论峰值性能1GHz，支持视觉、语音、自然语言处理等多种智能任务。

而华为公布的资料也显示，麒麟970中的NPU得AI性能密度相较于四个Cortex-A73核心，在处理同样的AI应用任务时，新的异构计算架构拥有大约25倍性能和50倍能效优势，可以用更少的能耗更快地完成AI计算任务。以图像识别速度为例，麒麟970可每分钟可以识别约2005张图片。

正是得益于寒武纪的NPU技术的加持，麒麟970的AI性能也是表现出众。寒武纪CEO陈天石当时就表示，“经过对比，寒武纪 1A 不靠蛮力、不靠稀疏化技术轻松打败了苹果A11处理器”。而随后发布的搭载麒麟970的Mate10系列手机也在市场上取得了出色的表现。

当然，寒武纪凭借与华为在麒麟970上的成功合作，也使得寒武纪不论是在AI芯片的出货量、行业的影响力，还是在营收上，都获得了很大的收获。

今年8月31日，华为在德国举行的柏林电子消费展上正式发布了其新一代的7nm工艺旗舰处理器麒麟980，这一次其在AI能力上进一步加强，集成了双核NPU，号称是“全球首款集成双核NPU的SoC”。

根据华为官方公布的资料显示，从集成了双核NPU的麒麟980与上一代的麒麟970的人工智能内核性能对比来看：在目标检测方面，麒麟980更为详细；在实时图像识别方面，麒麟980更为迅速，可支持每分钟4500张图像识别，相比麒麟970提升了3倍；在实时图像分割方面，麒麟980也更为精确。可支持人脸识别、物体识别、物体检测等AI场景。

同样这一次，华为官方也并未对外透露麒麟980的双核NPU是否是自主研发的？还是来自于寒武纪？或者是其他第三方？不过，在这之前关于麒麟980的爆料都显示，华为这一次很可能会采用自主研发的NPU内核。

而在当天的麒麟980发布会后，某知名科技媒体的微信公众号头条还发布了一篇标题为“华为最强芯片麒麟980发布！双核寒武纪NPU...”的文章，不过很快，这篇文章便被主动删除了。而其后续其他媒体的报道也并未再提麒麟980采用了寒武纪NPU。

这也使得外界认为，麒麟980的NPU应该是华为自主研发的。当然，也有人认为，麒麟980集成的双核NPU，可能是基于寒武纪今年发布的1M处理器的IP。因为，寒武纪1M采用的也是7nm工艺，其8位运算效能比达 5Tops/watt（每瓦 5 万亿次运算）。

随后，今年10月10日，华为在其全联接2018大会上，首次对外系统阐述其AI战略，并推出了全栈全场景AI解决方案和算力强大的两款AI芯片：昇腾910和昇腾310。其中昇腾910的性能在某些方面更是超过了谷歌和Nvidia。

而随着华为自己的AI芯片的发布，也预示着华为与寒武纪开始由合作（Mate10系列仍在出货）走向了竞争，那么华为手机未来很有可能停止与寒武纪合作，全面转向采用自主的AI芯片。这也更进一步使得外界相信麒麟980确实有可能是采用了华为自主研发的NPU。

不过，随后寒武纪CEO陈天石在接受媒体采访时对外表示，“在手机终端上，华为还将继续采用寒武纪的AI处理器。基于麒麟芯片的终端产品，寒武纪还都会在软件和硬件方面持续与华为合作。华为还将陆续发布多款集成寒武纪AI处理器的手机。”

那么麒麟980的双核NPU到底是华为自研的，还是采用了寒武纪的IP呢？

近日，寒武纪官方网站发布一篇题为《寒武纪1H加持华为麒麟980 带来更强端侧AI算力》的公司新闻，正式确认了华为麒麟980的双核NPU是来自于寒武纪1H的IP。

根据寒武纪官网资料显示，“寒武纪1H智能处理器是寒武纪第二代高性能、低功耗的智能终端处理器IP产品，于2017年春完成研发并面向关键客户开始商用，2017年11月公开发布。寒武纪1H处理器采用定制化的低功耗处理器架构，与传统处理器和图形处理器相比，可显著提升深度学习的处理速度和能效，可广泛应用于计算机视觉、语音识别、自然语言处理、智能物联网等领域，适用于各类低功耗智能终端芯片。”