苹果芯片为什么被称为仿生芯片？

苹果公司的芯片被称作“仿生芯片”，这是因为自从2017年的A11开始之后，在苹果公司的SoC里就加入了专门的人工神经系统（Neural Engine），用来模仿人的大脑神经元的工作方式和信息处理方法。这个硬件模块不是简单的添加了人工智能的功能，而是从底层上重新定义了计算的方式：它可以不依赖于CPU和GPU单独工作，并且可以高效的完成图像识别、语音理解、实时语义分割以及增强现实的空间建模等一系列需要不断的学习和推断的任务；从A11到A17之间，它的神经网络引擎从最初的两核发展到了现在的二十多核，运算速度也从每秒钟六千万亿次提高到了三十五十亿亿次每秒，从而支持起了诸如“旁白实时场景描述”、“跨应用的文字识别”、“相机智能HDR逐帧分析”等等几十种需要长时间学习和推理的能力。“仿生”的称号来源于对于人类感知-认知闭环的一种工程化的再现，并非是给产品披上的一层外衣。

仿生芯片命名方式来源于生物智能硬件映射

苹果并不是随便用上了“仿生”这个词，在它看来，“仿生”的意思是说它的芯片设计理念就是模仿生物神经系统的工作方式来工作的：神经网络引擎是按照生物神经元突触连接和脉冲式的计算方式进行工作的，并且可以做到很低的延时以及很高的并发速度来进行向量运算。比如A15处理器上的16核心神经网络引擎可以在一秒内做大约1580亿次的操作，而当iPhone 13 Pro进行拍照的时候就可以同时完成人脸细微表情识别、背景虚化边缘语义分割、视频动态对比度调整这三个工作——这些都跟人脑视觉皮层同时处理形状、颜色和运动信息的方式非常相似。而且官方的技术说明书中也提到过，这个引擎使用了专门的指令集和片上缓存结构来减少数据从CPU到内存来回传输所造成的损耗，并且它的能耗只有同等规模的人工智能任务下CPU运行时的一十分之一左右。

二、仿生能力落地要依靠软硬件结合形成的三层技术栈

第一层为底层硬件部分，自A11之后每一款新推出的芯片都会对神经网络引擎的核心数量以及带宽进行更新，在最新的A17 Pro上还加入了动态电压频率调节技术使得引擎可以在1到20个核心之间根据任务难度自动调整工作状态；第二层则是系统的架构层面，使用了Core ML这样的工具可以把开发者的模型转换成可以直接被神经网络引擎使用的指令而不需要人工干预；第三层就是系统的服务层，在调用OCR等模型的时候，“实况文本”的功能会直接从摄像头RAW数据流里抽取文字区不经过之前的图像预处理过程从而降低了识别响应时间至八十毫秒以内；整个体系结构实现了端到端打通使得第三方应用程序调用人工智能的能力所需要的API调用次数减少了百分之四十并且推理准确率提高了十二个百分点（以苹果公司自己的标准来衡量）。

三、仿生芯片的价值主要体现为在一些不能被替代的场景中形成闭环

拿RealityKit 2来举例的话，它要让手机一直做六个自由度跟踪、平面识别、光环境估算和三维物体定位这四项工作。普通的处理器需要CPU和GPU轮流处理这些事情，否则帧率就会降到二十帧每秒以下；但是A14以及之后的处理器则依靠神经网络引擎自己去完成特征点匹配和运动预测，并且利用LiDAR的数据来进行融合，从而保持稳定的六十帧每秒的空间理解效果。盲人辅助功能“旁白”的例子也很明显——从A11开始就存在这个引擎可以实时分析摄像头拍摄的画面，分辨出“红绿灯”、“电梯按钮”、“楼梯边沿”等物体，并给出合适的语音说明，在物体关系推理方面也已经通过了美国盲人联合会的无障碍认证测试。

四、和其它厂家的NPU最大的不同就是系统集成的程度不同

尽管安卓阵营旗舰手机中也有集成NPU的芯片，但是苹果仿生芯片的不同之处在于：神经网络引擎和图像信号处理器(ISP)、安全隔区(Secure Enclave)、动作协处理器(M系列)之间存在一条固定的通信路径。比如在使用面部识别解锁的时候，并非只有红外图像对比这一项工作由神经网络引擎完成，在此期间还会同时进行微表情活体检测、环境光线条件校准以及设备握持姿态偏差度检验等一系列操作，并且所有的数据都会被置于芯片内部的安全总线上进行加密传输，从而避免了外界窃取的风险。由于仿生芯片的设计是从一开始就考虑到了这一点，所以不可能用软件升级的方式来实现同样的效果。

因此，“仿生”两字所代表的就是苹果对于移动人工智能发展道路的一个长期判断，并非是堆积计算能力，而是在于建立一个类似于生物的感觉系统，在此之下，手机才得以拥有认识这个世界的能力，而不仅仅是对数据进行运算。