【中國傳動網 技術前沿】 仿生是模仿生物系統的功能和行為，來建造技術系統的一種科學方法。它打破了生物和機器的界限，將各種不同的系統溝通起來。

從這個角度來看，人工智能芯片可以算作是仿生。我認為目前的人工智能還只是停留在人工階段，真正的智能應該是具有自我學習能力（不需要依賴大數據訓練，會自主學習）。我認為新型的類腦芯片才算得上是真正的仿生芯片。

首先，蘋果A12并不是什么仿生芯片（聽上去高大上一些），其實際上就是手機SoC當中加入了AI運算加速內核。蘋果A11/A12當中都集成了專門用于神經網路計算的獨立處理單元（獨立的內核），也就是大家常聽到的NPU（不同廠商叫法會有差異）。一般在手機的SoC當中，CPU主要負責一些通用計算，能處理各種復雜的任務，適應性強。比如它也能夠處理圖形任務、進行人工智能計算，只不過效率要比GPU、NPU低。

而GPU則主要負責處理圖形任務，它的優勢就在于可支持大規模的并行計算架構，非常適合一些簡單重復的計算任務。目前也被很多的廠商用于深度學習、數據模型的訓練上。雖然大規模部署算力強大，但是功耗也是非常的大。所以，主要被應用于一些對于功耗要求不是很高的人工智能計算領域。

現在大家所說的AI芯片實際上就是專用型的ASIC芯片。它的AI計算能力和計算效率都直接根據特定的AI算法的需要進行定制的，所以相對CPU、GPU，其可以實現體積小、功耗低、高可靠性、保密性強、計算性能高、計算效率高等優勢。所以目前在終端側（特別是移動終端）的AI計算上，很多廠商都開始選擇采用專用的AI芯片，或者在SoC當中集成NPU內核。

其次，回過頭來說蘋果A11/12當中集成的NPU內核，這實際上是一些特定的神經網絡類型即AI算法（比如語音/圖片識別、人臉識別等算法）的硬件化，主要就是起到針對這些AI算法運算的加速。比如原本做圖像識別，一分鐘只能識別一百張，而有了NPU加速則可實現一分鐘識別數千張圖片，不僅速度更快而且功耗也更低。

不過NPU也有其缺點，一旦設計完成，對應的AI算法就無法更改，無法升級。但是它可以與手機SoC當中的CPU/GPU/DSP來協同進行AI計算(高通驍龍845的AI神經網絡引擎就是通過調配CPU/GPU/DSP來協同進行AI計算)，所以可以在一定程度上彌補靈活性上的缺失。

目前手機芯片上所能提供的AI能力，主要是針對語音、圖片、人臉、AR等的一些應用。另外神經網絡引擎也擁有一定的機器學習的能力，比如你每天都刷臉解鎖，所以AI也學習你臉部面容的一些變化（人的面容會因為慢慢的衰老而發生變化）。

總的來說，我們應該將A12芯片作為一個整體來看，其AI的能力并不僅僅是由NPU提供的，在一些場景下，其他的CPU/GPU等內核也會參與到AI運算當中，而NPU的作用也主要是針對特定的AI算法進行加速。