仿生是模仿生物系统的功能和行为，来建造技术系统的一种科学方法。它打破了生物和机器的界限，将各种不同的系统沟通起来。

    从这个角度来看，人工智能芯片可以算作是仿生。我认为目前的人工智能还只是停留在人工阶段，真正的智能应该是具有自我学习能力（不需要依赖大数据训练，会自主学习）。我认为新型的类脑芯片才算得上是真正的仿生芯片。

    首先，苹果A12并不是什么仿生芯片（听上去高大上一些），其实际上就是手机SoC当中加入了AI运算加速内核。苹果A11/A12当中都集成了专门用于神经网路计算的独立处理单元（独立的内核），也就是大家常听到的NPU（不同厂商叫法会有差异）。一般在手机的SoC当中，CPU主要负责一些通用计算，能处理各种复杂的任务，适应性强。比如它也能够处理图形任务、进行人工智能计算，只不过效率要比GPU、NPU低。

    而GPU则主要负责处理图形任务，它的优势就在于可支持大规模的并行计算架构，非常适合一些简单重复的计算任务。目前也被很多的厂商用于深度学习、数据模型的训练上。虽然大规模部署算力强大，但是功耗也是非常的大。所以，主要被应用于一些对于功耗要求不是很高的人工智能计算领域。

    现在大家所说的AI芯片实际上就是专用型的ASIC芯片。它的AI计算能力和计算效率都直接根据特定的AI算法的需要进行定制的，所以相对CPU、GPU，其可以实现体积小、功耗低、高可靠性、保密性强、计算性能高、计算效率高等优势。所以目前在终端侧（特别是移动终端）的AI计算上，很多厂商都开始选择采用专用的AI芯片，或者在SoC当中集成NPU内核。

    其次，回过头来说苹果A11/12当中集成的NPU内核，这实际上是一些特定的神经网络类型即AI算法（比如语音/图片识别、人脸识别等算法）的硬件化，主要就是起到针对这些AI算法运算的加速。比如原本做图像识别，一分钟只能识别一百张，而有了NPU加速则可实现一分钟识别数千张图片，不仅速度更快而且功耗也更低。

    不过NPU也有其缺点，一旦设计完成，对应的AI算法就无法更改，无法升级。但是它可以与手机SoC当中的CPU/GPU/DSP来协同进行AI计算(高通骁龙845的AI神经网络引擎就是通过调配CPU/GPU/DSP来协同进行AI计算)，所以可以在一定程度上弥补灵活性上的缺失。

    目前手机芯片上所能提供的AI能力，主要是针对语音、图片、人脸、AR等的一些应用。另外神经网络引擎也拥有一定的机器学习的能力，比如你每天都刷脸解锁，所以AI也学习你脸部面容的一些变化（人的面容会因为慢慢的衰老而发生变化）。

    总的来说，我们应该将A12芯片作为一个整体来看，其AI的能力并不仅仅是由NPU提供的，在一些场景下，其他的CPU/GPU等内核也会参与到AI运算当中，而NPU的作用也主要是针对特定的AI算法进行加速。

    1分钟知识锦囊是36氪的日更问答新栏目，旨在每天以一分钟为限，快问快答一个重要的商业问题。今天我们解答的是芯片相关的问题。如果你对近期的商业世界还有什么疑问，欢迎在评论区给我们留言，锦囊负责找高手为你解答。