原創(chuàng) 撐起移動AI江山的浮點計算，到底是如何工作的？

如果要為手機行業(yè)的未來尋找一個技術錨點，AI絕對當之無愧。

不僅廠商們紛紛孵化出了眾多或真或假的手機AI軟硬件解決方案，消費者決策也開始越來越多地向手機的AI應用傾斜。與此同時，AI也讓手機性能的理解和認知門檻變得越來越高高了。

比如在眾多AI手機硬件評測中，普遍堆砌著一大堆玄幻的技術名詞和數(shù)值。具體強在哪里，能夠優(yōu)化哪些功能，別說普通消費者，很多程序員都未必能說出個所以然。

舉個例子，移動AI芯片的指標中，都離不開浮點數(shù)的運算能力，也就是FLOPS（floating point operations per second，每秒計算的浮點數(shù)目多少），作為評估手機性能強弱的標準之一。

那么，浮點運算究竟是怎樣工作的？為什么會成為手機AI性能的評測標準？又將對我們的生活起到什么幫助？還真是云里霧里捉摸不透。

今天我們就來嘗試用說人話的方式回答一下這些問題，通過浮點計算這個小切口，窺視一下手機AI技術版圖的冰山一角。

什么是浮點計算？

首先有必要解釋一下，什么是浮點計算。

通俗來說，就是一種可以通用表示所有數(shù)字的科學計數(shù)法。它的表示形式為0.*****×10^***，其中小數(shù)點前面是定點小數(shù)，后面則是一個定點整數(shù)（10的N次方）。比如傳統(tǒng)的1024整數(shù)，浮點數(shù)就表示成0.1024×10^4。

不難發(fā)現(xiàn)，浮點數(shù)可以表示出任意一個整數(shù)和小數(shù)，并且比普通格式的計數(shù)方式數(shù)位更長，因此計算難度和精度也更高。而利用浮點數(shù)進行的運算就是浮點運算。

浮點運算到底有多重要呢？這么說吧，目前所有的計算機處理器都采用的是浮點運算，手機AI芯片也是以浮點運算能力為基礎展開的。

這種運算能力究竟蘊含著怎樣的能量？又是如何取代定點計算成功上位的？

天選之子：浮點計算發(fā)展史

要搞清楚浮點運算的應用價值，有必要回溯一下，這種計算方式是怎么來的。

最早將“浮點運算”作為計算機處理引擎概念，是萊昂納多·托雷斯和奎韋多在1914年提出的。直到1938年，第一個使用二進制浮點數(shù)的計算機Z1才正式誕生。1942年，第一個帶有浮點運算硬件單元的計算機Z4出現(xiàn)。到了1946年，貝爾實驗室推出的Mark V，已經(jīng)可以實現(xiàn)十進制浮點數(shù)運算。

在接下來的數(shù)十年間，帶有浮點運算硬件的“科學計算機”開始風靡。1985年，浮點運算的標準IEEE754問世。

而1989年英特爾i 486的推出，正式奠定了浮點運算在計算機歷史上的基礎地位，開始作為標準功能被應用在個人計算機上，處理器的浮點運算能力也成為重要的芯片性能評價指標，代表著硬件制作技術的不斷進步。

進入AI時代，隨著機器學習在電腦及手機等硬件端的普及，浮點運算更是有了新的用武之地。

各種主打AI功能的手機芯片，比如蘋果A11、華為麒麟系列、高通845、谷歌PVC等等，都是以浮點運算作為基本運算單元。預計未來，還有更多的AI功能會以浮點運算展開，直接影響手機AI的發(fā)展進程和感官體驗。

那么，為什么在處理AI任務時，浮點運算更加游刃有余呢？恐怕還要從它的特殊能力說起。

焦不離孟：為什么移動AI離不開浮點運算？

浮點運算之所以成為手機AI芯片的標配，與新運算需求和傳統(tǒng)硬件之間的矛盾是分不開的。

我們知道，AI任務大多是通過機器學習算法模仿神經(jīng)網(wǎng)絡來完成的，需要更大的算力和能效來支撐大型矩陣運算。

而傳統(tǒng)CPU的運算邏輯，是進行多組運算并統(tǒng)籌全局，一次帶動不同部類的系統(tǒng)工作，類似于多面手。在面對神經(jīng)網(wǎng)絡這樣龐大、單一、重復的高并發(fā)任務指令時，就有點難以負荷。因此，浮點運算能力更高的GPU就取代CPU，成為AI芯片的首選。

其次，AI手機芯片不僅要更快地處理數(shù)據(jù)，保證使用中不卡頓，還要能夠支撐大量多媒體技術應用，對手機畫面進行更好的渲染和呈現(xiàn)，這種手機功能的升級需求，傳統(tǒng)的定點運算力不從心，只能交給數(shù)位更長、精度更大的浮點運算。

總之，更多的深度學習任務、更大的算力需求、更高的計算精度，加上硬件本身的迭代升級，共同推動浮點運算成為移動AI性能的關鍵指標。

拉開差距：浮點運算的差異在哪里？

盡管市面上的AI芯片都擁有浮點計算能力，但最終的呈現(xiàn)效果卻各不相同。

有的AI手機能夠帶你裝X帶你飛，有的則處理簡單的識別任務都要等到天荒地老。它們之間的浮點運算能力又有哪些區(qū)別呢？

簡單來說，評估AI芯片運算能力的指標主要有三個：

1.吞吐率（throughput）。處理AI任務需要支撐大規(guī)模的并行運算，而吞吐率就直接決定著芯片計算速度。這有點像水管，直徑越大，可以同時對外流出的水就更多。

2.FLOPS。即每秒所執(zhí)行的浮點運算次數(shù)。為了衡量吞吐率，就可以折算到具體的浮點操作數(shù)量上來。原則上來說，F(xiàn)LOPS越高，單位時間內(nèi)處理的數(shù)據(jù)量越大，表現(xiàn)出的圖像數(shù)量峰值也就越高，從而可以顯示出更加細膩的圖像。

3.精度。那么，是不是只要看FLOPS值就可以判斷性能高低了呢？并不是。浮點數(shù)還會根據(jù)精度分為多種類型，以滿足不同的計算需求，比如單精度、雙精度、擴展雙精度。

精度會根據(jù)任務場景、成本控制、產(chǎn)品線定位等來設計和應用，不同維度上的比較往往失于片面。比如英偉達就在geforce產(chǎn)品線中屏蔽了大部分的雙精度單元，卻在tesla產(chǎn)品線中全部打開。

總而言之，浮點運算性能對于3D圖形處理和大規(guī)模并行任務的表現(xiàn)起到了至關重要的作用。

但其對手機性能的影響大小，取決于硬件設計、處理效率、數(shù)據(jù)精度等要素的綜合做功。

從理論到應用：浮點運算能給用戶帶來什么？

說了這么多技術上的東西，不難發(fā)現(xiàn)，浮點運算能力并不是只看數(shù)值就能夠判斷出來的。

而對于絕大多數(shù)人來說，可能也根本不care復雜的技術概念和參數(shù)表。消費者能夠感知到的功能和實際價值，才是真正的意義所在。

那么落地到具體應用上，浮點運算究竟給端側AI帶來了哪些價值呢？主要體現(xiàn)在三個方面：

首先是帶來了全新的視覺體驗升級。

如今的手機新品發(fā)布會，要是不講點機器視覺的應用，比如拍照識花、視頻美顏、虛擬現(xiàn)實、人臉識別、游戲渲染等等，都不配被成為AI手機。而這些功能的實現(xiàn)，都離不開浮點運算保質保量的圖像處理能力。

另一個改變則是浮點運算對終端算力的加持，減少了AI任務對云計算的過度依賴。

在端側就能夠完成一部分機器學習、神經(jīng)網(wǎng)絡方面的計算，一方面可以解決計算的延遲問題，讓手機可以實時處理AI任務，運行更加流暢；另一方面，用戶的信息無需全部上傳到云端處理，安全性更有保障。

而更大的價值在于，浮點運算能力的提升，還能夠幫助手機解鎖更多的AI想象力。

浮點的計算速度本身就比定點運算要慢，如果能力欠佳，在面對神經(jīng)網(wǎng)絡和卷積運算的算力要求時，就會力不從心，不僅運算緩慢，還需要大量耗能。又慢又耗電，還要將各種各樣的AI功能都加載到一部手機里，絕對是一場災難。

幸好，移動芯片浮點運算能力的不斷提升，正在打破手機端的算力桎梏，比如新的TPU就可以在神經(jīng)網(wǎng)絡運算上達到高計算吞吐量，同時能耗和物理空間都很小。

當運算能力不再是問題，移動端AI應用開發(fā)的活力也將被徹底釋放，更多創(chuàng)意能夠在手機端開花結果，可以被普通用戶所感知到的AI功能自然也就越來越多。

未來腦洞：浮點運算譜寫的手機功能狂想曲

這里不妨一起開一下腦洞，浮點運算能力的提升，有可能幫助哪些手機AI應用駛上快車道？

目前看來，至少在以下三個方面存在無限可能：

1.流數(shù)據(jù)處理。浮點運算能力直接影響處理器的多媒體、3D圖形處理，從而改變大量多媒體技術應用的體驗。

比如實時大規(guī)模的數(shù)據(jù)運算能力，讓人臉識別、人像分割、視頻風格化、虛擬現(xiàn)實等技術在端側進行，更高耦合度的有趣應用（比如annimoji、虛擬主播等）也從理論變?yōu)楝F(xiàn)實，作用于視頻、直播、攝影等功能，創(chuàng)造出新的功能亮點。

2.識別功能。手機AI功能的另一個特點，則是識別和決策能力，比如識別文字（翻譯）、圖片（攝影）、商品（購物）、情緒（交互）、場景（主動服務）等等。

浮點運算能力的進一步提升，將讓手機的智能化、人格化成為可能，從工具進化成真正的智慧伴侶。

3.IoT。更進一步，越來越多的智能硬件進入AI交互模式，如果手機的計算傳輸效率被攻破，那么完全可以作為眾多IoT設備的大腦中樞，讓智能硬件交互圍繞手機端展開。

用手機操作和管理智能家電、無人汽車、體聯(lián)網(wǎng)設備等，將為產(chǎn)業(yè)創(chuàng)造出新的價值點。

總體而言，浮點計算的進一步發(fā)展，帶給手機的核心改變在于，AI任務所需要的大規(guī)模并行運算將不再是問題。

澎湃的算力為廠商和開發(fā)者搭建了新的想象力舞臺。如何利用好這一紅利，放飛腦洞創(chuàng)造新應用，構想出未知功能，或許是接下來各個玩家拉開競爭差距的關鍵機遇。

再多說兩句……

當然，在看重浮點運算能力之時，不能忽略這樣一個現(xiàn)狀：浮點運算只是移動AI基礎能力的一個組成部分。它與處理器能力、內(nèi)存的多少、算法的優(yōu)劣，甚至操作系統(tǒng)、應用開發(fā)等等因素綜合做功，才最終決定一部手機的AI輸出能力。

因此，對于手機廠商來說，除了單點性能的提升之外，也需要在生產(chǎn)成本、開發(fā)者生態(tài)、市場教育等方面同時發(fā)力，最大限度促進移動應用的AI化，才能最終讓算力的提升真正釋放到移動端軟硬件上，化為真實可感的用戶體驗及產(chǎn)業(yè)價值增長點。

到那個時候，用戶也就不需要再為復雜的數(shù)值和技術名詞所苦惱，直接從體驗上就能感知到不同手機之間的巨大差異。

從這個角度看，浮點計算背后所隱藏的，不僅是AI的真實價值，更是手機產(chǎn)業(yè)的新起跑線。

生成海報

免責聲明：此文內(nèi)容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內(nèi)容。投訴郵箱：editor@fromgeek.com。

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。