alteams，AL又称六甲官锭

2003年出道的乐队，网上流传的是何官锭上传的DEMO，女声是樱桃帮的主唱。六甲04年发过一张同名专辑，也很不错。乐队包括：主唱MC-小任（任中强）、阿文（柳锡文）、吉他兼团长-阿龙（黄冠龙）、键盘-官锭（何官锭）、贝斯-小翔（吴世翔）、鼓手-DDWho（胡惟智）。

哦

altimer是一个外国的姓

altimers是指，这位朋友的一家

all time er ?

所有 时间 的人？

很随便的人？

我猜的

编者按：本文来自“网易智能”（ID：smartman163），36氪经授权转载。

前段时间的高通发布会上，有关骁龙855 AI性能达到友商竞品两倍的言论可谓是赚足了眼球。高通指出，骁龙855针对CPU、GPU、DSP都进行了AI计算优化，结合第四代AI引擎可以实现每秒超过7万亿次运算（7 TOPs）的AI算力。

高通在发布会上指的“友商”，特意点名是安卓平台另一款使用7nm工艺的处理器，目前三星最新的处理器Exynos 9820是基于8nm工艺打造，苹果A12芯片虽然使用了7nm工艺，但平台不同很难比较。言下之意，这里的“友商”很明显就是指的华为的最新处理器麒麟980。

说到手机芯片的AI性能，麒麟980主要依靠独立内置的NPU来支撑，这颗NPU就是AI芯片创企寒武纪开发的1H处理器。而就在12月13日于清华大学举办的嵌入式人工智能大会上，寒武纪创始人兼CEO陈天石在演讲中提到：“前段时间高通发布骁龙855时宣称，其AI性能是友商竞品的2倍，我不知道这是不是在指我们，如果是，我不认为1H的AI性能会落后于骁龙855。”陈天石还表示，“在我们内部测试中，1H的测试结果非常优秀，测试峰值非常的高。如果高通有信心地话不妨公布测试结果，比一个高下。”

显然，火药味很浓。

难道，没有搭载独立的NPU内核的骁龙855真的比搭载寒武纪1H处理器的麒麟980芯片在AI性能上强两倍吗？最近，这一话题在知乎上也得到了一些从业者的关注和讨论。智能菌整理如下：

知乎作者麦克阿摄认为：从7万亿这个数字来看，骁龙855是横扫苹果的A12和华为麒麟980的（根据970的数据，算上980的增幅，可得麒麟980的算力为4.2TOPs）。

但从AIMark平台上的跑分成绩来看，高通855平台获得2.2万分，和麒麟980的得分2.15万分相差不大，这又是怎么一回事呢？

图片来自知乎用户“麦克阿”

原来，高通得出这个所谓的7 TOPS算力，是基于CPU+GPU+DSP这三部分的总计所得。但不管是华为还是苹果，给出的AI算力数据都是来源于其单独的NPU。

需要科普的是，CPU非常适合逻辑运算和整数运算，也可以进行浮点运算，但其效率低并且功耗高。随着技术和应用的发展，单单CPU已经难以满足是来自图形渲染的需求了，于是专门进行浮点运算的GPU应运而生，它大大提升了浮点运算的效率，降低了功耗。而AI主要是做卷积运算，需要超大量的浮点运算来支撑，但这里的浮点运算并不需要GPU提供那么高的精度，只需要更低精度的浮点运算就完全胜任，而这正是NPU所最擅长的领域。另外，高通的发布会中也特别强调了DSP的设计，但这毕竟也不是什么新概念。从硬件角度来说，可能有所提升，但也绝不具备NPU在AI计算上的专业和高效率。

知乎用户养猫的哈士奇认为：衡量AI性能没有统一的标准，有很多都指标，有的跑卷积、有的跑池化、有的跑浮点、还有跑挖矿的，这里的指标最重要的应该是卷积。

本着“大胆假设，小心求证”的思路，拜托一位搞AI研发的朋友跑了一下卷积运算。测试机型是搭载骁龙845的小米MIX 2S和搭载A12芯片的iPhone XS。如果按照高通的说法，骁龙855的AI性能是845的三倍。

结果显示，在基于AI神经网络实测的场景下，搭载骁龙845的小米MIX 2S测试数据为10.39，而搭载苹果A12芯片的iPhone XS测试数据为72.64，测试数据越高代表AI性能越强。如果骁龙855的AI性能是845的三倍，那么测试数据应该是31.17，这一数字远低于A12的72.64，但是苹果A12芯片对外公布的AI算力只有5 TOPS。是不是很奇怪？

图片来自知乎用户“养猫的哈士奇”

那么，高通骁龙855所公布的7 TOPS是怎么得来的？

骁龙855公布的AI性能是通过CPU+GPU+DSP的方式来实现的，如果是这样这个数字基本没意义。因为在移动端能耗比是非常重要的指标，更何况CPU、GPU、DSP还有其它任务不能全力投入AI运算，高通骁龙855的在AI运算上的能耗比太低了。

以上知乎作者都认为，高通宣称的骁龙855可以达到7 TOPS 算力完全是用来吹牛逼的。

但从另外一个角度看，不管是华为麒麟980还是高通骁龙855，以现有的应用来看，其AI性能都是大量过剩的。因为手机中所谓的AI只是一个执行加速器，并不会用来进行训练，现在的性能根本用不完，很多厂家在这方面都制造了足够的噱头。

（本文部分内容得到知乎作者授权使用，文中评论仅为知乎作者观点，不代表网易智能立场）

编者按：本文来自微信公众号“新智元”（ID：AI_era），作者 新智元。36氪经授权转载。

在华为全联接大会2018现场，华为副董事长、轮值董事长徐直军正式宣布华为的全栈全场景AI解决方案，同时发布两款AI芯片，华为昇腾910和昇腾310，昇腾910是目前单芯片计算密度最大的芯片，计算力远超谷歌及英伟达，而昇腾310芯片的最大功耗仅8W，是极致高效计算低功耗AI芯片。

震撼！AI WORLD 2018世界人工智能峰会开场视频

华为大转型，智能纪降临！

10月10日，上海世博馆，华为全联接大会，华为副董事长、轮值董事长徐直军重磅发布了华为的AI战略和全栈解决方案，总结一句话：云管端各层面发力AI。

其中两项重要的发布：

两颗AI芯片：华为自研的云端AI芯片昇腾系列，基于达芬奇架构的华为昇腾910和华为昇腾310，以及基于这两款芯片的云服务；

一个全栈方案：打通云端和终端，推出全场景、全栈AI解决方案

这是华为面向AI的华丽转身。

徐直军在大会上提出，华为眼中的AI需要做出10大改变：

1、模型训练从需要数日、数月到只需几分钟、几秒钟

2、算力稀缺且昂贵变得充裕且经济

3、AI无处不在，任何场景适用，而且尊重和保护用户隐私

4、未来，算法变得数据高效、能耗高效

5、在数据挖掘、获取、标注等系列领域，AI变得自动化/半自动化；

6、面向实际应用，实现工业级AI，“工作优秀”

7、模型更新未来实现闭环系统，保证企业应用

8、AI要协同云、物联网、边缘计算、区块链，发挥更大价值

9、平台支持，提供一站式平台，成为所有ICT人员的基础技能

10、从当前数据科学家稀缺的状态，变为数据科学家、领域专家、数据科学工程师相互协作，解决AI人才稀缺问题

为了实现上述十大改变，华为发布了AI战略是：

1、强力投资基础研究

在计算视觉、自然语言处理、决策推理等领域构筑数据高效（更少的数据需求）、能耗高效（更低的算力和能耗）、安全可信、自动自治地机器学习基础能力

2、打造全栈AI解决方案

打造面向云、边缘和端等全场景的、独立的以及协同的、全栈解决方案，提供充裕的、经济的算力资源，简单易用、高效率、全流程的AI平台

3、投资开放生态和人才培养

面向全球、持续与学术界、产业界和行业伙伴广泛合作。

4、解决方案增强

把AI思维和技术引入现有产品和服务，实现更大价值、更强竞争力

5、内部效率提升

应用AI优化内部管理，对准海量作业场景，大幅度提升内部运营效率和质量

华为预测，到2025年全球个人智能终端将达到400亿，企业和机构的人工智能利用率将达到86%，数据利用率将达到80%，智能将像空气一样存在。

于是，继谷歌、百度、腾讯等巨头之后，华为也成为高调全面转型并拥抱AI的企业。

每年投入10亿美元，自研云端AI芯片横空出世

华为HC大会又称华为全联接大会，是每年华为最重要的活动。

徐直军在会上说，业界一直有谣传，华为在打造云端AI芯片。现在，他正式证实这一消息，

徐直军宣布，一直以来华为都在研发AI芯片，在此正式发布两款AI芯片：昇腾910和昇腾310。

徐直军称，昇腾910是目前单芯片计算密度最大的芯片，计算力远超谷歌及英伟达，而昇腾310芯片的最大功耗仅8W，是极致高效计算低功耗AI芯片，两款芯片预计明年第二季度正式上市。

【华为昇腾910】

架构：达芬奇

半精度（FP16）：256TeraFLOPS

整数精度（INT8）：512TeraOPS

128通道 全高清 视频解码器 -H.264/265

最大功耗：350W

7nm

【华为昇腾310】

架构：达芬奇

半精度（FP16）：8TeraFLOPS

整数精度（INT8）：16TeraOPS

16通道 全高清 视频解码器 -H.264/265

1通道 全高清 视频解码器 -H.264/265

最大功耗：8W

12nm FFC

今年7月，The Information首先曝光了华为的“达芬奇计划（D计划）”，这项计划的内容包括为数据中心开发新的华为AI芯片，能够支持云中的语音和图像识别等应用，这被认为是华为涉足竞争激烈的人工智能市场的第一关。

知情人士透露，华为已经生产出了新AI芯片的商业样品，这款芯片有望发挥与英伟达芯片类似的作用。

芯片也有了潜在客户。过去几个月，华为高管一直在向微软推荐，期望后者在其云计算服务Azure中国部分使用这款芯片。据知情人士透露，有专门的华为工程师正在研发芯片上运行的软件，以达到微软的标准。工程师们还在新的华为芯片上运行微软的算法，如Bing搜索引擎的语音识别软件，以进行测试。

徐直军执行领导“达芬奇计划”，他同时也是华为轮值董事长、华为旗下IC设计公司海思董事长。同时，在华为总部的月度会议上，也有一大帮负责研发的高管们通常会讨论他们与AI相关的具体工作，并报告各自的进展情况。

徐直军现场展示昇腾310

在两年前，华为高管之一郭平表示，公司每年至少拿出10亿美元的研发预算，用于与数据中心相关的投入。

推深度学习开源框架，打通跨平台开发体系

只有芯片提供算力还不够，重要的是构建开发者生态。

华为走了大胆的一步。

尽管有谷歌TensorFlow、Facebook PyTorch以及百度的PaddlePaddle在前，华为想要打造一整套软硬件统一框架，从底层算法到应用，从训练到部署，从云端到终端完全打通，大有一统江湖的野心。

如果这次华为全连接大会上的动作一一实现，那将是华为近年来在AI上的最大动作，也是华为继从面向运营商到面向移动互联转型后的一次最大转型，意义重大。

在押宝移动互联网之前，华为是一家面向运营商的B端企业，随着消费者BG的设立，华为从To B的基因中浴火重生，把手机业务做到了出货量全球第二。

2018年第二季度智能手机出货量（图据IDC）

这次自研数据中心AI芯片、推出一整套开发者框架，可谓是华为在AI时代的一个重要转折点，如果转型成功，华为将建立起从底层算力到框架再到应用层、硬件终端全方位的生态体系，一个巨大的AI超级新星正在快速进化。

事实证明，拥有自研AI技术、芯片和开发者生态的公司，是成功的公司。

因此，转型AI，是华为必然的选择。2018财富世界500强中，华为排名72位。但距离亚马逊、微软和谷歌——同样拥有自研云端和终端AI芯片、有云计算服务，以及有智能终端的公司，市值分别为全球第二、第三和第四——仍然有一定的距离。

那么，华为的优势在哪里？

华为把人工智能定位为一个通用技术，希望把AI和华为的产品和解决方案融合起来，构建全栈、全场景的人工智能解决方案。

在运营商业务领域，华为发布了SoftCOM AI解决方案架构（包含AI训练平台和智能管控中心两大核心），在原有全云化网络构架基础上，引入以机器学习为核心的AI技术，旨在使运营商网络从自动化业务部署和动作执行，走向智能化的故障自愈、网络自我优化和自我管理，最终实现“永不故障”的自治网络。

在消费者业务层面，华为主打自研终端AI芯片麒麟系列，推动智慧手机时代。从2016年底荣耀Magic手机开始，AI技术已覆盖华为Mate 10、P20系列（采用AI芯片麒麟970），以及Mate20系列和荣耀Magic 2（采用AI芯片麒麟980）。

面向全行业应用开发者，华为打造了HiAI平台，方便开发者创建更丰富、强大的AI应用，覆盖人数接近40万。用华为软件工程部副总裁张宝峰在新智元今年3月产业跃迁AI技术峰会演讲中的话说，“就是要让整个产业链最快速度地把自己的业务服务于华为的手机用户”。

在企业业务层面，华为推出了EI（企业智能）平台，包括三类企业智能云服务（基础平台服务、通用服务、场景解决方案），以及异构计算平台。华为已将EI应用到自身全球供应链，进行端到端流程优化，打通从供货预测到物流、仓储，再到报关、运输、签收等各个环节，实现物流的智能化转型。

除了为自身企业构筑技术护城河，华为的AI芯片和整套开发者框架这些重磅产品将影响到产业格局，进一步降低行业使用AI的门槛，华为云BU总裁郑叶来把这种趋势总结为“普惠AI”，让AI 应用于各行各业的行业实践，让AI高而不贵，让大家用得起、用得好、用得放心。

编者按：本文来自机器之心（ID：almosthuman2014），36氪经授权转载。

据机器之心了解，这是腾讯 AI Lab 与王者荣耀共同探索的研究项目——策略协作型 AI「绝悟」首次露面，并于昨天在KPL秋季决赛接受前职业 KPL 选手辰鬼、零度和职业解说白乐、九天和立人组成的人类战队（平均水平超过 99% 玩家）的水平测试。最终 AI 战队获得胜利。这是继围棋 AI「绝艺」后，腾讯 AI 在深度学习与强化学习领域的又一项前沿研究。

其实，腾讯 AI Lab 一直以来都在研究如何使用人工智能来打王者荣耀，我们可以从一些论文和演讲中略知一二。今年五月，他们和匹茨堡大学的研究人员曾经向 AI 顶级会议 ICML 2018 提交了一篇论文，其中人们尝试了 AlphaGo Zero 中出现的蒙特卡洛树搜索（MCTS）等技术，并取得了不错的效果。

那时，人工智能还只能玩狄仁杰一个英雄。几个月后，它们已经可以「五人」组队，在王者段位和人类玩家打得有来有回了。

那么问题来了：王者荣耀的「前 1%」玩家是有多强？作为流行手机游戏，王者荣耀自上线到现在已经有三年了，有的高手早早就上了王者，但大部分都还卡在钻石和铂金段位上。今年 10 月，腾讯官方统计了王者荣耀玩家的段位分布图：

看起来，能和 AI 打的至少需要是「最强王者」级别水平的玩家。

以下是腾讯 AI Lab 在 arXiv 上传的最新一篇论文《Hierarchical Macro Strategy Model for MOBA Game AI》的相关内容：

AlphaGo 打败世界冠军李世乭让我们看到了通用人工智能的曙光（Silver et al. 2016）。从那时起，游戏 AI 不仅引起了研究者的注意，还吸引了大量来自公众的目光。游戏 AI 的目标远不止玩游戏的机器人那么简单。游戏为模拟真实世界提供了理想的环境。AI 研究人员可以在游戏中开展实验，并将卓越的 AI 能力应用到现实世界。

尽管AlphaGo是通往通用人工智能的里程碑，但与现实世界相比，它所解决的问题仍然非常简单。因此，研究者们近来更加关注即时战略游戏（RTS），如 Dota（OpenAI 2018a）、星际争霸（Vinyals et al. 2017; Tian et al. 2017），这些游戏涉及的问题更加复杂。Dota 是一款著名的奇幻 5v5 多人在线战术竞技游戏（MOBA）。每个玩家控制一个英雄，与其他四个队友一起保护防御塔，攻击敌人的防御塔并通过杀死小兵收集资源。他们的目标是摧毁敌人的基地。

作为 MOBA 游戏，王者荣耀内含防御塔、野区、装备等机制。

与围棋相比，RTS 游戏的难度主要体现在四个方面：1）计算复杂度。RTS 游戏动作空间和状态空间的计算复杂度可能达到 10^20,000，但围棋的复杂度只有 10^250 左右（OpenAI 2018b）。2）

。RTS 游戏通常包含多个智能体。多个智能体协调、合作非常关键。3）信息不完整。与围棋不同，许多 RTS 游戏利用战争迷雾（Vinyals et al. 2017)）来增加游戏难度。4）奖励稀疏、延迟。在围棋中，基于游戏奖励进行学习的挑战性在于稀疏和延迟。RTS 游戏长度通常大于 20,000 帧，而每局围棋通常不超过 361 步。

围棋和 MOBA 的计算复杂度对比

为了掌握 RTS 游戏，玩家在宏观战略操作和微观执行方面都要有很强的技巧。在最近的研究中，大多数注意力和研究都集中在微观执行方面 (Vinyals et al. 2017; Tian et al. 2017; Synnaeve and Bessiere 2011; Wender and Watson 2012)。到目前为止，由 OpenAI 开发的 Dota2 AI 使用的是强化学习，OpenAI Five 已经取得了最先进的成果 (OpenAI 2018a)。OpenAI Five 是通过最近的策略优化算法和团队奖励直接在微观动作空间上训练的 (Schulman et al. 2017)。在 2018 年的国际比赛（DOTA2 2018）中，相比顶尖的职业 Dota2 队伍，OpenAI 展示出了强大的团队战斗技能与合作意识。OpenAI 的方法没有明确地模拟宏观战略，而是使用微观操作来学习整个游戏。然而，由于宏观战略管理薄弱，OpenAI Five 无法击败职业队伍 (Vincent 2018; Simonite 2018)。

关于明确的宏观战略操作的研究已经做了不少，大部分都集中在导航上。导航旨在为智能体提供合理的目的地和有效的路径。大部分关于导航的研究都使用势力图（influence map）或势场法（potential field）（DeLoura 2001; Hagelb?ck and Johansson 2008; do Nascimento Silva and Chaimowicz 2015）。势力图使用手工制作的方程式量化单元。然后，使用规则将多个势力图融合，以提供单值输出来为智能体导航。

就宏观战略操作而言，为智能体提供目的地是最重要的导航目的。在正确的时间到达正确的地点至关重要，这也是高级玩家和其他玩家之间的区别。在宏观战略操作中还使用了规划。Ontanon 等人提出用对抗分层任务网络（AHTN）规划（Ontanón and Buro 2015）来搜索 RTS 游戏中的分层任务。虽然 AHTN 在 mini-RTS 游戏中展示出了一定的前景，但它存在效率问题，这也导致很难将其直接应用于完整的 MOBA 游戏中。

虽然文献很多，但以前关于宏观战略的研究终究没能提供完整的解决方案：

首先，通过在微观动作空间层面学习来隐式地推理宏观战略可能会很困难。OpenAI Five 在微观执行和宏观战略操作方面的能力差距很明显。如果想让模型通过简单地观察微观动作和奖励后想出高级战略，这显然是过于乐观的。作者认为明确的宏观战略建模十分必要。

其次，先前关于明确的宏观战略的研究过于依赖于手工绘制的方程式来计算和融合势力图/势场法。在实际操作中，通常有成千上万的参数需要手动决定，因此几乎不可能实现良好的性能。而另一方面，规划方法无法满足完整 MOBA 游戏的效率要求。

第三，RTS 游戏宏观战略操作中最具挑战性的问题之一是多个智能体之间的协调。然而，据作者所知，先前的研究并没有明确地考虑这一点。OpenAI Five 虽然在微观建模中使用了团队奖励来考虑多智能体协调问题，但每个智能体在独立做决定时并没有考虑队友的宏观战略决策，因此它很难在宏观战略级别发挥出最好的协调能力。

最后，作者发现建模战略阶段对 MOBA 游戏中 AI 的表现至关重要。然而，据其所知，先前的研究同样没有考虑到这一点。

然而，教智能体学习宏观战略操作颇具挑战性。首先，从数学上定义宏观战略，如围攻和分线推进就很困难。此外，在 OpenAI Five 的强化学习框架（OpenAI 2018a）上加入宏观战略需要相应的执行才能获得奖励，但学习宏观战略操作本身就是很复杂的过程。因此，作者认为监督学习是更好的方案，因为可以充分利用高质量游戏的回放来学习宏观战略以及相应的执行示例。需要注意的是，通过监督学习学到的宏观战略和执行可以进一步作为强化学习的初始策略。

图 1： (a) 王者荣耀游戏界面。玩家使用左下角的虚拟键控制移动，用右下角的键控制技能。玩家可以通过屏幕和左上角的小地图来观察环境。(b) MOBA 示例地图。双方队伍分别用蓝色和红色表示，每队拥有 9 个防御塔和 1 个基地。四个野区分别标为 1、2、3、4。

MOBA AI 宏观战略架构

MOBA AI 宏观战略模型的设计灵感来自人类玩家的战略决策方式。在 MOBA 游戏中，经验丰富的人类玩家完全了解游戏的每个阶段，如开启期、对线期、游戏中期和游戏后期（Silva and Chaimowicz 2017）。在每个阶段，玩家都要关注游戏地图并根据情况决定将英雄派往何处。例如，在对线期，玩家会将更多的注意力放在自己的线路上，而不是支持队友。但在游戏中期和后期，玩家会更加关注团战地点，向敌方的基地推进。

宏观战略操作过程可以总结为「阶段识别-> 注意力预测-> 执行」。为了建模这一过程，作者提出了一个双层宏观战略架构，如阶段层和注意力层：

阶段层旨在识别当前游戏阶段，这样注意力层就能更清楚地知道应该将注意力放在哪里。

注意力层旨在预测地图上适合派遣英雄的最佳地点。

阶段层和注意力层为宏观执行提供高级指导。下文将详细说明建模细节。宏观模型的网络架构几乎与 OpenAI Five1（OpenAI 2018a）中用到的结构一样，只不过前者是以监督学习的方式。经过一些小幅修改，作者将其应用到《王者荣耀》中，例如删除 Teleport。

图 2：分层宏观战略模型的网络架构

图 4：（a）在阶段层中建模的主要资源（即图中圈出的防御塔、基地、龙和暴君）。（b）举例说明阶段层中的标签提取。

图 5：为不同英雄角色学习的开放战略之一。红圈内区域为最热门区域。

图 7：相层输出上的 t-分布随机近邻嵌入。嵌入数据样本按照不同的时间阶段进行着色。

论文：Hierarchical Macro Strategy Model for MOBA Game AI

论文链接：网页链接

摘要：游戏 AI 的下一个挑战是即时战略游戏（RTS）。即时战略游戏提供了部分可观察的游戏环境，其中智能体之间交互的动作空间要比围棋游戏大得多。掌握即时战略游戏既需要强大的宏观战略，又需要微妙的微观执行操作。最近，微观执行层面已经取得了很大进展，但仍然缺乏针对宏观战略的完整解决方案。在本文中，作者提出了一种基于学习的新型分层宏观战略（Hierarchical Macro Strategy）模型，用于掌握 RTS 游戏的子类型——MOBA（多人在线战术竞技）游戏。通过用分层宏观战略模型训练，智能体可以明确做出宏观战略决策，并进一步指导其微观执行。此外，虽然会利用一种新型的模拟跨智能体通信机制同时和队友沟通，但每个智能体会做出独立的战略决策。作者在流行的 5V5 MOBA 游戏中对模型进行全面评估。在与人类玩家队伍（这些队伍在玩家排行榜系统中排名前 1%）的竞技中，由 5 个 AI 智能体组成的队伍达到了 48% 的胜率。

大数据文摘出品

作者：蒋宝尚

人工智能正成为全球性话题，各国的AI人才争夺战也正愈演愈烈。

那么目前，人工智能在中国的发展条件如何，中国距离成为真正的人工智能强国到底还有多远？

基于此，7月13日，《中国人工智能发展报告2018》在清华大学主楼接待厅发布。

报告从科技产出与人才投入、产业发展和市场应用、发展战略和政策环境、以及社会认知和综合影响四个方面描绘中国人工智能的发展面貌。

先来看几个报告中的结论：

中国在论文总量和高被引论文数量上都排在世界第一，中科院系统AI论文产出全球第一，但中国在人才拥有量全球第二，杰出人才占比偏低；

专利上，中国已经成为全球人工智能专利布局最多的国家，数量略微领先于美国和日本；

产业上，中国的人工智能企业数量排在全球第二，北京是全球人工智能企业最集中的城市；

风险投资上，中国人工智能领域的投融资占到了全球的60%，成为全球最“吸金”的国家。

此报告由清华大学中国科技政策研究中心、清华大学公共管理学院政府文献中心、清华大学中国工程科技发展战略研究院联合科睿唯安公司、科学家在线、中国信息通信研究院数研中心以及北京字节跳动科技有限公司联合撰写。

大数据文摘微信公众号后台回复“发展报告”下载此报告完整版。

人工智能科技产出与人才投入

中国在人工智能的产出上总量第一

全球Al论文产出最多的20个国家和地区（1997-2017）（单位：篇）

过去20年间，全球众多国家与地区广泛参与到人工智能领域的基础性研究中，其中，中国与美国的论文产出位于全球的第一、二位，且是位于第三位的英国产出量的3倍以上。

英国、日本、德国、印度、法国、加拿大、意大利、西班牙、韩国、台湾、澳大利亚构成了该领域论文产出的第二梯队。伊朗、巴西、波兰、荷兰、土耳其、新加坡、瑞士等国组成第三梯队，也产出了较多人工智能领域的论文。

在全球院校中，中国科学院系统AI论文产出数量最多

全球Al论文产出最多的20个机构（单位：篇）

从机构层面，全球参与人工智能相关科研的主要机构中，中国科学院系统、法国国家科学研究中心（CNRS）以及美国的加州大学系统三足鼎立，其20年的论文产出量都超过了24000篇。

在全球人工智能领域产出最多的百强机构中，87家为高校，8家为科研院所，3家为政府机构，只有2家企业。其中，3家政府机构为：美国能源部（DOE）、美国国防部（DOD）和美国国家航空和宇宙航行局（NASA）；2家企业为：IBM和微软。

计算机科学与工程领域是发表论文最多的学科

AI领域全球及论文产出最多的8个国家主要学科分布

从学科分布看，无论是全球还是论文产出量最多的8个国家在人工智能领域发表论文最多的两个学科都是计算机科学与工程。除印度外，自动控制系统是全球以及论文产出量最多的其余七国产出排名第三的学科。

此外，机器人学、数学以及影像科学和照相技术也是八国集中关注的学科。各国也基于自身的优势和特点，将人工智能拓展到不同学科的研究中。例如，印度作为能源短缺的国家将人工智能应用于能源与燃料学科；而中国利用在材料科学学科的优势，将人工智能应用于能源管理（电池系统）、机器人或其他器件的制作材料等方向。

全球高水平论文产出上，中国数量排名第一

全球Al高影响力论文分布

上图展示了全球Al高水平论文的区域分布情况，可以看出，目前高水平论文的来源主要分布在北美、西欧和东亚等地区。

全球Al高水平论文产出Top10国家（单位：篇）

上图列举了全球高水平论文产出最多的10个国家的高被引论文数量和热点论文数量。中国、美国和英国在高水平论文产出的榜单上排名三甲，伊朗作为唯一的西亚国家排名第8。

进一步统计Top10国家Al领域高被引论文占其在Al领域全部论文的百分比可以看到，Top10国家的高被引论文百分比均超过了全球平均水平1%，其中澳大利亚在该指标中表现最佳，达到2.66%，英国与中国也都是全球平均水平的2倍多。

在中国机构中，中国科学院系统获最高引用

Al高影响力论文产出最多的20个中国机构（单位：篇）

上表列出了中国在人工智能领域发表高水平论文最多的机构，中国科学院以242篇高被引论文和7篇热点论文位居榜首，哈尔滨工业大学、东南大学、清华大学和香港城市大学也都进入了前五名。值得注意的是，辽宁工业大学和渤海大学，在人工智能领域的总体产出虽然不多，但其中的高水平论文比例较高，双双进入了高影响力论文产出最多Top20中国机构的榜单。

人工智能专利产出

中国的Al专利技术全球第一

上图显示中国的Al专利技术布局程度位居榜首，而其中授权专利比例最高的国家是美国。

全球Top10专利权人榜单，中国仅有国家电网上榜

Al领域中Top10专利权人分布（单位：件）

在主要专利权人的分析中，国家电网公司作为唯一一家中国企业在Al领域中与国际竞争对手在专利布局中占有一席之地。国家电网公司的Al相关发明技术主要应用在电网控制、配用电网、智能配电变压器、风电站、新能源等领域，同时对Al相关的智能算法、机器人等技术研发相对也比较重视。

在中国，图像处理分析的相关专利技术创新数量最多

上图显示，中国发展的主要技术领域集中在数据处理系统、数字信息传输等。其中图像处理分析的相关专利技术创新发明数量较其他子领域更多，占总发明件数的16%。

人工智能人才投入

中国人工智能人才投入总量位列全球第二

国际人工智能人才投入高度集中于美、中、印、德、英等少数国家。截至2017年，国际人工智能人才投入总量达204575人，密集分布于北美、西欧、北欧、东亚、南亚、西亚地区。从国家层面上看，人工智能人才集中于少数国家，排名前十的国家Al人才投入占据总量的61.8%。

中国国际人工智能人才投入总量位列第二，是美国人数的65%。美国在人工智能人才投入量独占鳌头，累计高达28536人，占据世界总量的13.9%；中国投入量列居第二，累计达18232人，占据世界总量的8.9%；印度、德国、英国分别以17384、9441、7998人列席三、四、五位。从城市尺度看，美、中、印、德、英五国人才数量排名前五城市的人才累计占比分别为该国总量的10.5%、20.0%、14.9%、17.3%和23.3%。

中国杰出人才投入量全球第六，清华为最大载体

中国等发展中国家杰出人才投入比例显著偏低。美国在人工智能杰出人才投入量上依旧遥遥领先，累计高达5158人，占据世界总量的25.2%，是排名第二位英国的4.4倍；英国、德国、法国、意大利分列第二、三、四、五名，杰出人才投入量大体相当。中国杰出投入量977人，排名第六，相对于其全球第二的人才总量而言，杰出人才占比过低。

全球国际人工智能人才所属大学分布（单位：个）

高强度人才投入的高校院所集中在中国，清华大学成为全球国际人工智能人才投入量最大的载体。

高校院所的人才投入量主要受科研人员数量及硕博招生规模的影响，清华大学依托优渥的科研基础汇集822名国际人工智能人才，名列世界第一；上海交通大学以590人的数量位列第二；韦洛尔大学、北京航天航空大学、卡内基梅隆大学分别以526、525、523人的数量位列第三、四、五名。美国麻省理工大学、斯坦福大学和乔治亚理工学院分别名列十四、十七和十八名。

全球人工智能杰出人才高校排行中，中国高校排名靠后

然而，在全球人工智能杰出人才最多的高校排行中，中国没有高校进入前十。斯坦福大学杰出人才投入量达79人，全球领先；麻省理工学院、伦敦大学学院、华盛顿大学、圣保罗大学紧随其后。清华大学排名15位，上海交通大学排名第33，与其国际人工智能人才总量相比，排名大幅下滑。

中国人工智能人才投入

中国人工智能人才投入呈现东多西少的态势

中国人工智能人才投入整体呈现东多西少的态势。截至2017年，中国人工智能人才投入总量达201281人，密集分布于东部地区。东部省份人工智能人才投入量高达126120人，占据全国总量的62.7%，中部地区37514人，占全国总量的18.6%，西部地区37362人，占据总量的18.6%。

北京市优势显著，人才投入量累计达27355人，名列全国第一。江苏省人才投入量累计达到19293人，排名第二；陕西省人才投入量达12878人，排名第三，也是唯一一个排名进入前十的西部省份。湖北省（11773人）、上海市（10592人）紧随其后。

整体来看，东部人才投入呈现北京、江浙沪（合计37624人）双极态势，中部和西部则出现湖北省和陕西省两个高点。

从城市尺度看，北京领先优势大，西安、上海、武汉、南京紧随其后。北京市作为中国的文化中心，人才投入力度强劲，累计占据总量的13.5%，在国内具有绝对优势。西安市、上海市、武汉、南京市人才投入数量逾万，位列第二梯队。长沙市、广州市、成都市、哈尔滨市和杭州市人才投入逾5000，位列第三梯队。

人工智能企业分布

中国人工智能企业分布中，北京395家，全球第一

全球人工智能企业分布（单位：家）

截至到2018年6月，全球共监测到人工智能企业总数达4925家，其中美国人工智能企业数2028家，位列全球第一。中国（不含港澳台地区）人工智能企业总数1011家，位列全球第二，其次分别是英国、加拿大和印度。

全球人工智能企业数量TOP20城市（单位：家）

在中国，人工智能企业主要集中在北京、上海和广东三地。其中，北京人工智能企业数量395家，遥遥领先其他省份。除此之外，浙江和江苏两省也有较多的人工智能企业。

中国人工智能创业潮的集中在2012-2016年

从成立时间看，中国人工智能创业企业的涌现集中在2012-2016年时期，在2015年达到顶峰，新增初创企业数量达到228家。从2016年开始，创业企业的增速有所放缓。

全国人工智能企业的平均年龄为5.5年。其中，北京、上海和天津等地初创企业云集，企业平均年龄相较于全国更年轻，平均年龄在5.5年以下。山东和辽宁等地老牌工业机器人和自动化企业转型较多，企业年龄相对较大。

人工智能行业投资

中国已经成为全球最“吸金”的国家

中国人工智能投融资变化趋势

自2013年以来，全球和中国人工智能行业投融资规模都呈上涨趋势。2017年全球人工智能投融资总规模达395亿美元，融资事件1208笔，其中中国的投融资总额达到277.1亿美元，融资事件369笔。中国Al企业融资总额占全球融资总额70%，融资笔数达31%。

根据2013年到2018年第一季度全球的投融资数据，中国已在融资规模上超越美国成为全球最“吸金”国家，但是在投融资笔数上，美国仍然在全球处于领先地位。

中国人工智能融资集中在视觉领域

中国人工智能市场结构

2017年我国人工智能市场规模达到237.4亿元，相较于2016年增长67%。其中以生物识别、图像识别、视频识别等技术为核心的计算机视觉市场规模最大，占比34.9%，达到82.8亿元。

中国人工智能热潮回归理性

中国人工智能创业热潮与投融资热情在2017年回归理性，但随着人工智能各项技术的不断成熟以及各类应用场景的落地，预计在2018年，人工智能市场增速将达到75%，整体规模将达到415.5亿元。

国际人工智能战略和政策

世界各国人工智能战略与政策发布情况图

美国发布的人工智能政策着力点在于应对人工智能蓬勃发展的大趋势，欧盟以及德、英、法为代表的欧洲国家，着重关注的是人工智能带来的伦理和道德。日本的人工智能政策发布较晚，政策预期在国家层面建立起相对完整的人工智能研发促进机制。

中国人工智能政策在初期偏向于互联网领域，因此相关产业偏重于应用层，如计算机视觉、自然语言处理、智能机器人和语音识别。因此，目前中国的人工智能战略坚持人工智能研发攻关、产品应用和产业培育“三位一体”推进，强化人工智能对科技、经济、社会发展和国家安全的全面支撑。

主要国家和地区人工智能重点研发和应用领域

如上图，各国科学技术水半相买际国情存在重大差异，因此其人工智能政策在研发重点相重点应用领域存在及大不同。

中国国家层面政策发布趋势

中国人工智能政策根据其重要政策发布时间点，可以分为五个阶段：

1）2013年之前的潜在发展期，该阶段政策文献较少，人工智能并未列入国家发展重点；

2）2013-2015年发展初期阶段，该阶段社会各界逐渐认识到人工智能的重要性；

3）2015-2016的飞速发展期，该阶段出台了大量政策文献，发展人工智能上升为国家战略；

4）2016-2017年的稳定发展期，对人工智能的研发和产业发展认识越发成熟，政策文献稳步发布；

5）2017-目前，该阶段经历了人工智能发展热潮，社会各界对人工智能的认识更加务实，相关政策更加具有针对性。

中国国家层面人工智能政策主题变迁

Al 政策主题变迁

在第一阶段（2009年-2013年），人工智能政策主题关注重点在于物联网、信息安全、数据库、人工智能、基础设施。

在第二阶段（2013.2-2015.5），人工智能政策主题词频从高到低排序是物联网、技术标准、基础设施、大数据、人工智能。

在第三阶段（2015.5-2016.3），人工智能政策主题词为大数据、基础设施、物联网、云计算、数据共享。

在第四阶段（2016.3-2017.7），人工智能政策主题词频从高到低排序是大数据、人工智能、基础设施、物联网、云计算。

在第五阶段（2017.7-目前），人工智能政策高频主题词包括人工智能、大数据、信息安全、云计算、基础设施。

编者按：本文来自微信公众号“智东西”（ID：zhidxcom），作者 心缘。36氪经授权转载。

就在未来短短一个月之内，我们即将迎来2018年业内最重磅的两大AI手机芯片发布——华为麒麟980、苹果A12。

近一年来，商业化落地已成为AI发展的一大热门主题，而智能手机领域无疑是最贴近人们生活且单一出货量最大的AI落地市场之一。自去年华为苹果先后发布AI芯片，移动AI芯片的战火已经点燃。如今，全球前几大智能手机都已具备自产手机芯片的能力，纷纷基于AI芯片构建更全面的AI应用生态，高通作为老牌造芯工厂在手机AI芯片也表现强劲。

据华为消费者业务CEO余承东透露，华为将在8月底召开的德国IFA消费者展上发布新一代旗舰芯片麒麟980，会“遥遥领先”对手，他表示先把牛皮吹出去，再看能不能做到（华为余承东放话：手机今年出货2亿 明年冲世界第一）。随着下个月苹果A12和今年年底到明年年初高通骁龙855的问世，下一代AI旗舰版芯片的战火将再度重燃，巅峰之战即将打响，而新的王者很有可能将在华为的麒麟980、苹果的A12和高通的骁龙855之间诞生！

AI性能大比拼

去年秋天，华为推出的麒麟970拔得了手机AI芯片落地的头筹，搭载这款AI芯片的华为Mate 10和Mate 10 Pro开始进入人们的口袋。麒麟970之所以敢称之为“AI芯片”，正是基于其全新HiAI人工智能移动计算架构中集成的专用AI处理单元——NPU（Neural-Network Processing Unit，嵌入式神经网络处理器）。这款NPU的计算速度比CPU快25倍，能将能耗效率提高50倍，中科院计算所孵化出的AI芯片届独角兽——寒武纪科技（Cambricon）正是该NPU的技术合作方。

据传，即将推出的麒麟980将继续沿用寒武纪IP核，新一代NPU很可能就是寒武纪在今年5月推出的第三代终端IP产品Cambricon 1M。这款NPU使用台积电7nm工艺生产，提供2Tops、4Tops、8Tops三种规模的处理器核，并支持多核互联，其8位运算效能比达5 Tops/W（每瓦5万亿次运算），性能比前任麒麟970采用的寒武纪1A高10倍，为视觉、自然语言处理及各类经典学习任务提供更加灵活高效的计算平台。

此外，华为配合NPU推出面向开发者的HiAI移动计算平台，向开发者提供其AI计算库、API等开发所需的全套工具，也支持开发者通过TensorFlow和Caffe这些第三方框架接入。

去年，在麒麟970发布两周后，苹果公布自研AI芯片A11。A11芯片上也搭载了一个专用于神经网络计算的硬件模块——“神经网络引擎（Neural engine）”，该模块采用双核设计，能以每秒最高6000亿次速度处理机器学习任务，为FaceID的人脸识别、AR物体侦测、Animoji脸部追踪、Siri语音助手等功能提供驱动。

而今年苹果的A12芯片暂时未被曝出大的升级处理，除了可能会继续沿用去年A11使用的神经网络引擎。基于AI芯片，苹果已经初步构建起围绕AI的应用生态，包括FaceID、AR增强现实技术、Siri语音助手等应用以及Core ML、Create ML等面向开发者的机器学习工具。作为下一代iPhone的“心脏”，A12的服务范围将有望扩展到更多的苹果生态之中，为用户开辟更广阔的移动端AI应用和开发的世界。

全球第二大手机厂商苹果和第三大手机厂商华为都在去年陆续推出搭载专用AI处理模块的移动AI芯片，作为安卓阵营手机芯片第一大提供商，高通自然也不会无动于衷。早在去年7月，高通就开放了骁龙神经处理引擎（NPE，Neural Processing Engine）的软件开发包SDK，开发者可以用它在骁龙600和800系列上优化AI应用。

今年2月，高通再度重磅出击，推出包含软硬件两部分的AI引擎（AI Engine），在骁龙核心架构上搭载了神经处理引擎（Neural Processing Engine，NPE）、Android NN API、Hexagon神经网络库等软件，是AI在智能手机等终端上的应用更快速、高效。

在和高通几位高管的交流中，智东西被告知，尽管出于保密需要，高通方不方便透露骁龙855的具体信息。不过，负责AI业务的高通产品管理总监Gary Brotman告诉智东西，目前高通芯片自研DSP不仅能非常高效地完成各种AI任务，而且非常灵活。

但从上一代骁龙845系列来看，高通已在其芯片中配置支持TensorFlow和Halide框架的六核移动DSP（数字信号处理器），并在几代之前就将其使用到异构计算和神经网络开发。

和华为、苹果的架构方案不同，下一代骁龙855很可能还是不会搭载独立NPU。上个月，Gary Brotman还告诉智东西，虽然高通内部有关于专用AI处理模块的研究进展，但AI算法发展飞快，芯片硬件设计往往一年半前就固定下来，一年半前的AI算法与今天完全不同，新算法出现后可能不适配于固定硬件，他认为暂时看不到搭载专用AI处理模块的手机芯片的意义。因此骁龙855很可能跟上一代骁龙芯片一样，具备更弹性的机器学习架构，分布在CPU、GPU、DPS等每个单元上，能适配市面上多种机型。

在智东西和高通Imagination、联发科以及华为海思等行业专家的采访过程中，我们得到一个普遍的结论，AI芯片确实是目前的行业趋势之一，随着手机差异化的减少，最终NPU将会变成“大家都得有”的东西。

CPU提升不明显，GPU参数飙高

据悉，麒麟980在配置上依然采用的是ARM架构，主频最高可达2.8GHz，CPU方面并没有太多的亮点，而其饱受诟病的GPU则有了较大升级。

就在上周的华为旗下手机品牌荣耀Note 10新品发布会上，荣耀总裁赵明公布了来自华为2012实验室的两项新技术：THE NINE液冷散热技术和和双Turbo技术（CPU Turbo+GPU Turbo）。

先于今年6月问世的GPU Turbo已经打通EMUI操作系统和GPU、CPU之间的处理瓶颈，使得图像处理骁龙提升60%，能耗降低30%，一扫之前在GPU表现上的颓势，缩短了和骁龙GPU的差距。

而此次首发的CPU Turbo得益于THE NINE液冷散热技术，把芯片产生的热量快速均匀分布到机身其他部位并迅速散发出去，整体散热性能提升41%，在激发CPU的极限性能的同时使CPU最高可降低10℃。

据传，麒麟980将首用华为自研GPU芯片，性能将是高通Adreno 630的1.5倍左右，在GPU Turbo加持下性能增长将达到50%-60%。如果麒麟980还配置上述THE NINE和CPU Turbo，AI计算效能可能持平甚至超越高通。

目前，苹果的A12处理器的核心数和架构信息还没有明确的消息。和华为一样，苹果AI芯片的主要短板之一也是GPU。根据前段时间曝光的跑分来看，A12在自研GPU方面做出了较大程度上的升级。A12在GPU跑分提升至21619，比上一代A11的16000提高约三分之一，同时提高手机流畅度和散热能力。不过A12在CPU方面的提升似乎并不明显。

高通的Adreno GPU一直都是业界标杆，下一代高通芯片骁龙855的GPU传闻就更加恐怖了，据说“虐杀”一众竞争对手的Adreno 630还只是高通Adreno家族的中端低功耗产品，真正杀手级别的GPU是强化版的Adreno 640和堪比PC显卡的Adreno 680。按照高通发布新品的一贯节奏，骁龙855究竟采用哪款GPU可能到年底才会正式揭晓。

7nm制程与功耗问题

目前，苹果和华为的移动AI芯片都基于ASIC的深度学习，不仅能实现更高准确率，还比GPU、FPGA等传统通用芯片方案有更低的功耗。ASIC是全定制芯片，可基于AI算法进行定制，是未来AI芯片发展的主流方向。

与它们不同的是，骁龙AI芯片并不是直接叠加专用AI计算单元，而是在骁龙平台集成AI引擎，通过多核异构计算架构，让CPU、GPU、DSP等不同模块相互配合，根据不同应用场景安排工作负载。

三款芯片都将采用7nm工艺制程，其中麒麟980和苹果A12的代工订单都交给了台积电，而高通的制作公司暂时不确定是三星还是台积电。按照惯例，华为和苹果的发布会将发布新旗舰版手机，而台积电的处理器生产工作显得至关重要。

然而，近日据台媒报道，台积电工厂因病毒感染，导致数条生产线被迫中断，此次事件被波及的包括负责28nm、16nm和7nm制程的生产基地。目前，台积电官方做出简单回应，表示各大产线已恢复正常，停产时间不超过1天。对于晶圆厂而言，每次生产投入成本极高，一旦中断很可能造成严重损失。台积电此次停工是否会对苹果AI12芯片和麒麟980芯片的供应造成影响，目前尚不得而知。

根据此前台积电在股东会议上宣布的数据，2018年是7nm制程芯片大量投入生产的一年，跟之前的10nm FinFET工艺对比，7nm制程能够在相同晶体管数量下缩减70%的芯片DIE封装尺寸，将性能约提速20％，再加上升级之后可以减少功耗在40％左右。

日前，一颗疑似苹果A12处理器的跑分数据现身GeekBench 数据库，新机型号为iPhone11,2，预装iOS 12系统，处理器为六核设计，主频为2.49GHz。

从上图可以看到，苹果A12的单核性能4673分，相较上一代A11的4100分有所提升，其多核性能为10912分，和A11的10500左右得分持平，不过考虑到距离苹果发布会还有一段时间，这份跑分成绩并不会是A12的最终成绩单。

虽然麒麟980和骁龙855的具体跑分还不得而知，但从A12的跑分信息和上图中的一些信息来看，和A12平起平坐还很困难。根据GeekBench 4数据猜想，麒麟980的单线程和多线程跑分分别约在3000分和7000分，而骁龙855的单线程和多线程得分分别约在3500分和9500分，相比之下，A12的性能表现已经相当出色。

功耗问题是手机芯片的核心问题之一，一块手机芯片无论有多强的算力，如果没有低功耗，依然面临市场的淘汰危机。在功耗方面高通仍然处于绝对优势。尽管7nm进程的工艺虽然在性能方面十分的强悍，但这可能会导致存在较为严重的发热问题，有网友爆料称A12的功耗比预期的还要高出23%，其高功耗问题还在解决中。

基带芯片：belong 765 vs 5G

在基带方面，麒麟980有可能升级为华为今年2月在MWC发布的首款8天线4.5G基带balong 765。Balong 765是全球首个支持LTE Cat.19的芯片，最快下载速度可达1.6Gbps，是全球首款TD-LTE G比特方案，也是业界唯一支持8×8 MIMO（8天线多入多出）技术的调制解调芯片，频谱效率相对4×4MIMO提升80%，能有效降低时延。

此前，全球最快的商用4G基带是高通的骁龙X24，下行速度达到了Cat.20（2Gbps），但仅支持4×4 MIMO。不过此前Balong 765偏向应用于车联网、无人机和智能工厂，是否会被麒麟980采用仍存疑。

高通更是默默藏了一个大招。据消息称，软银集团在3月发布的财报中不慎透露了高通的下一代旗舰芯片的部分信息，包括骁龙855将搭载5G基带骁龙X50。骁龙X50基带是全球首款5G调制解调器，能实现5Gbps的数据传输速度以及低至1/2ms的延时，同时还向下兼容4G的频段，有利于用户过渡。

在与高通旷日持久的专利诉讼案后，挂靠英特尔基带的苹果在基带性能上可能无法和上述两者相提并论，虽然A12处理器的基带尚未曝光，不过就之前苹果A11用的Intel XMM 7480基带来看，其速度仅450Mbps，和其他二者相去甚远。

虽然华为在基带专利方面的进展日新月异，但通讯基带芯片基本被高通垄断，华为还将继续从高通买芯片。芯片领域差距仍然不小，从零研究时间久且未必成效显著，为保证华为手机的竞争力，暂时不会再麒麟芯片一棵树上吊死。今年四月份，在华为分析师大会上，轮值董事长徐直军明确表示，华为智能手机将坚持采取高通、MTK、麒麟多芯片供应战略，确保三个芯片是相互竞争状态。

如果关于骁龙855基带的爆料属实，这与此前高通宣布的5G商用节奏基本符合，很可能到明年上半年我们就能看到5G投入商用。

当然，一切还未成定局。众所周知，近两年来，华为和高通在5G方面一直拼得最狠。去年MWC上，高通发布全球首款5G调制解调器——骁龙X50 5G调制解调器，并于去年10月份在香港宣布了基于骁龙X50 5G调制解调器芯片组，实现了全球首个5G数据连接（data call）。

而在不久之前落幕的MWC2018上，华为正式发布了首款3GPP标准的5G商用芯片巴龙5G01（Balng 5G01)和基于该芯片的首款3GPP标准5G商用终端华为5G CPE。 这意味着华为同时突破了网络和终端这两大5G商用的基础条件，成为全球首家可以为客户提供端到端5G解决方案的公司。

争分多秒，华为将再夺头筹

华为第一次“杠过”苹果，要从去年华为发布会说起。去年9月2日，华为搞了个大新闻——发布世界首款移动AI芯片麒麟970，比去年9月12日的苹果发布会足足提前了10天。

而就今年各家新品发布会时间来看，华为将再度打响第二代旗舰手机AI芯片的头炮。根据余承东透露的消息，华为将在本月31日召开的德国IFA消费者展上推出麒麟980，目前华为发布会的海报已经在网上曝光。

按照惯例，苹果下个月将举办一年一度的秋季新品发布会，苹果的A12芯片也将携新款iPhone登场。此外，根据此前消息，高通骁龙855自6月以来已经投产，它将携手联想发布全球第一个5G手机，而该款手机有望在今年年末到明年年初问世。

虽然去年华为率先推出AI芯片，不过从手机芯片CPU、GPU等的整体把控来说，还是稍弱于苹果。不过既然去年麒麟970已经进入AI芯片第一梯队，今年说不定麒麟980能再接再厉，在性能方面缩短和其他竞品的差距，未来几年实现真正意义上的赶超也不是没有可能。

结语：AI——智能手机的下一个风口

在这个用AI讲故事的时代，AI、AR、VR等新兴技术正成为拉开智能手机之间体验差距的关键法宝。作为连接移动互联网和物联网的核心平台，智能手机也已成为AI技术落地的重要载体。从人脸识别到语音助手，从图像美化到智慧生活，手机上的AI应用正在逐渐渗透我们的生活。

为什么要给智能手机专门配置一枚AI芯片呢？原因很简单。术业有专攻，CPU、GPU有它们特定的功能，但它们都不是为机器学习任务而设计。而苹果、华为所使用的专用AI处理单元专用于大规模计算，为百家争鸣的AI应用提供更高效的运算处理能力和更低的功耗，实现软硬结合，让手机变得更加“聪明”。此外，目前市面上大多数手机上的AI应用需要通过将数据传至云端以实现训练任务，这会引发数据泄露的风险。苹果、华为、谷歌等少数公司已经能做到直接在移动终端本地运行AI任务，这不仅使得为AI应用开发者开拓更丰富的想象空间，而且有助于保护用户隐私。

在AI发展的初级阶段，各家手机厂商对AI技术落地的方式或许各不相同，但如若想要构建基于AI的应用生态，AI芯片将是不可或缺的入场券。随着AI芯片的普及，自主研发能力能让手机厂商将更多的创新技术和供应链牢牢把控在自己手中，摆脱受制于人的困局。大势当前，无论是移动AI芯片的领跑者还是追赶者，都不应有丝毫的怠慢。