苹果芯片叫仿生的原因是什么？

苹果公司的仿生芯片就是从2017年的A11开始，在其SoC中加入了一个专门用于模仿人脑神经系统的神经网络引擎，并且这个引擎不是空穴来风的概念，而是一个实实在在存在的硬件模块，在A11中有两个这样的模块，在A15则变成了十六个，在A17又增加了它的效能和并行吞吐能力，可以很好地完成图像识别、自然语言理解和实时场景分析等工作。

神经网络引擎就是仿生学理论所依据的主要因素

苹果给自己的芯片起名为“仿生”，这并不是一种营销手段，在硬件结构上它也符合生物计算范式的特征。自A11系列起，神经网络引擎就成为了一个独立于CPU、GPU之外的专用协处理器，并且被嵌入到SoC中去工作，用的是脉冲式的信号调度方式以及稀疏计算的方法来模仿人脑神经元的工作状态和突触的变化规律。比如在A15这一代中所使用的十六核NPU可以在每秒钟进行大约十五十八亿次运算的同时只消耗两瓦左右的能量，在同样的人工智能运算任务之下如果让CPU来做的话，则会耗费超过六瓦的能量并且还会使响应时间增长三倍以上。这样的效率上的差异主要归因于对于人脑信息传输过程中所表现出出来的低能耗特性的一种工程上的再现。

二、仿生能力在用户的 functionalities 中具象化地体现出来

此设计已经深度融入到系统的整体体验当中去：iPhone 15 系列使用了 A17 仿生芯片加强版 NPU，在“实况文本”的文字抽取和翻译上做到了毫秒级的速度，并且可以支持 12 种语言的离线识别；人像模式下的虚化边缘计算也由 NPU 实时完成，不需要上传到云端；另外还有辅助功能“旁白”，它可以配合前置摄像头来对画面上的各种物体、文字以及人的方向和位置进行分析，并给视障用户提供结构化的语音描述，响应时间小于 120 毫秒。这些都是由于神经网络引擎硬件直接驱动所产生的类似大脑的感觉能力所造成的，并不是单纯的软件优化所能达到的效果。

第三部分是不断迭代和验证仿生路线的技术深度

除了基本的NPU集成之外，苹果还建立起了一个完整的仿生计算进化链条：A14第一次加入了机器学习加速器和NPU一起工作；A16把定制化的神经处理单元放在了ISP里，在拍照的时候可以做到实时语义分割；而到了A17就用台积电3纳米工艺重新设计了NPU微结构，并且使得每个周期可以调度的神经元数量提高了四成之多，从而支持起AR应用中对于不断变化的三维场景进行连续建模的需求。每一款新产品的推出都围绕着“越来越接近生物神经系统并行性、自适应性和能效比”的目标来进行。

第四点就是和其他厂家的AI芯片最大的不同之处，在于系统的集成度上

安卓阵营大多数SoC虽然也有NPU，但是大多只起到一个通用的人工智能加速模块的作用，并且需要通过驱动层来控制使用情况，在此情况下无法和iOS系统的服务、Core ML框架以及原生应用程序形成硬件-系统-应用三层闭环。苹果公司的仿生芯片在硅片的设计之初就与Metal FX、Vision Framework、Speech Framework等深度结合在一起了，在开发人员调用Core ML模型的时候，系统会自动把运算指令映射到最适合进行计算的NPU上，不需要人工干预就可以完成所有的优化工作。这样的软硬件一体化的仿生生态系统才算是它名字下所蕴含的技术实力。

所以“仿生”两字所代表的就是苹果对于移动人工智能底层范式长久以来的投资，并非只是给产品加上一些人工智能的功能，而是按照生物神经系统的模型来重新构建芯片的信息处理方式和能耗限制。