如果应用开发人员和OEM厂商想要利用智能手机应用处理器内部的神经引擎，他们需要一个与底层硬件挂钩的软件框架。“所有领先的移动处理器设计公司（高通、联发科、华为、苹果）现在都提供神经网络SDK，”Demler观察到。但他们都需要支持像Caffe和Torch这样的流行培训框架。
对联发科来说，联发科提供了被称为NeuroPilot AI SDK的框架，该框架可以让应用开发人员和OEM厂商“深入到硬件，看AI软件如何在CPU、GPU和专用AI加速器上运行”，Moynihan这样表示。
与此同时，应用开发人员和OEM厂商也需要能够“查找并查看Android网络API（Android NNAPI）的内容”，Moynihan补充道。Google为Android机器学习开发了Android NNAPI和运行时引擎。“联发科的NeuroPilot SDK完全符合Android NNAPI，”Moynihan补充道。
Android Neural Networks API的系统架构（来源：Google）
在部署能够让智能手机处理器运行AI应用的方法中，高通的方法似乎有些不同。
McGregor说，高通的解决方案是不同的，因为“他们已经在芯片上使用了多种资源，包括Hexagon DSP、Adreno GPU和Kryo CPU内核。”
然而他补充说：“没有可用的基准，不可能确定哪种方法更好，但高通模型确实提供了更高的灵活性。”
AI软件之战
无论底层硬件如何，毕竟最关键的还是能够购在任何智能手机上体现AI体验差异化的软件。
McGregor说：“现在，这些应用正瞄准着手机上的常见功能，例如拍照和数字助理。但是，通常由第三方软件开发人员来开发和训练用于手机上的这种模型。”
他指出，“在有限的情况下，有些模型或库是可用的。高通围绕图像识别开发了一些库，三星主要围绕拍照，我相信苹果也正在开发自己的模型。“
在其他情况下，这取决于应用开发人员，这是一个很大的限制，McGregor指出。“很多应用开发人员并不习惯于使用深度学习，也无法访问深度学习所需的大型数据中心，”他说。
Linley Group的Demler在他最近的微处理器报告中也对人工智能软件开发提出了警告。 “处理器架构的多样性给Android应用开发人员带来了挑战，因为即使在缺乏专用深度学习加速器的设备上，这些应用也必须能够运行。”而另一方面，iOS应用开发人员只需要支持Apple设计的一些处理器就可以了。
Tirias Research首席分析师Kevin Krewell也警告说：“我看到的最大问题是，每个芯片和IP供应商都在以不同的方式做机器学习。ARM可能有最佳的机会，在一个IP上对多个厂商实施标准化。
上页 1 2