提出每瓦性能

当PC平台的厂商甚至都开始在近年干脆推出真的牙膏衍生纪念品的时候，作为目前一统移动平台的ARM，在近期抛出一个全新的性能观点，ARM的研究员及技术总监Rob Aitken宣称，芯片生产范式正在改变，建议将每瓦性能作为芯片设计的指标，取代原先的摩尔定律。

有意思的是，“超越摩尔定律”更是ARM以往不少场合演讲中的口头禅，最初一度被用来形容ARM架构的产品在性能上的巨大提升，以及未来规划。另外，也开始在近年用来强调创新性概念及框架上的优势。也许，在ARM的眼中，摩尔定律更像是一个以往PC时代的标靶，此番“每瓦性能”定律的提出，则直接表达出了对摩尔定律的不屑一顾。

摩尔定律作为一个经常被提及的名词，源自于英特尔创始人之一戈登·摩尔所提出的“集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍”的理念。

近年来，随着制程工艺的进步，ARM架构的移动平台的晶体管数量同样在飞速增长。例如，苹果在去年全球首发的5nm制程A14，晶体管数量达到了118亿个，相较7nm制程的A13增加了40%。同是5nm制程的麒麟9000的晶体管数量更是达到了153亿个。骁龙888尽管并未公布具体的晶体管数量，但同样表示达到了百亿级别。

此外，移动平台无疑将会最先跟进未来的4nm、3nm、2nm的更先进工艺，这同样也意味着移动平台的晶体管数量也必将大幅增长。但ARM“每瓦性能”定律的提出，无疑向外界表示，晶体管数量的增加绝非是最重要的指标。

大幅攀升的AI性能

实际上，从目前5nm制程的各个产品的实际表现来看，其在CPU上的提升感知确实并不明显，消费市场也早已厌倦了15-25%左右的提升。SoC的进步也并不能再表现出以往主频从512Hz到1GHz、再到1.2GHz双核所带来的立竿见影的体验提升。而厂商也在悄悄的将关注焦点进行了转移。

相较于CPU、GPU，AI在移动平台上经历了从无到有，再到成为每年最大提升项的巨大飞跃。以骁龙移动平台为例，在AI性能的提升上，骁龙845为3TOPS、骁龙855为7TOPS、骁龙865为15TOPS、骁龙888更是提升至了26TOPS。同时，骁龙888中更是将标量、张量、向量模块进行融合，实现每瓦性能提升3倍。

苹果的A系列处理器同样在近几代中不断提升AI性能，实际上，A14 的CPU性能仅比 A13 快了约 16％，GPU仅提升约8.3%，但在AI算力上，机器学习速度提升70%，机器学习加速器则令运算速度快达10倍。从苹果A11到A14，同样实现了AI算力上的大幅进化，此前A12相比A11的AI算力提升就达到了8.3倍。苹果的M1芯片同样十分重视AI算力的提升，以MacBook Pro为例，CPU性能比上一代提升了2.8倍，GPU提升5倍，机器学习能力直接提升了11倍。

显然，动辄就有10倍左右提升的AI能力才是厂商在设计芯片时的发力重点。AI也正在成为一部智能手机能否实现体验上持续提升的关键，用得好无疑比超频模式下的跑分更重要更实际。

“用得好”比“跑分高”更重要

AI在智能手机中的作用正在涉及方方面面，例如通过学习用户的使用习惯来控制后台进程、管理电量、控制充电时间。

对于目前OEM厂商集中发力的拍照功能，AI能够辨识拍摄物体的类型，来帮助进行参数的自动设定。拍照完成后还能自动对照片进行美化调整。后期用户的抠图过程中，还能通过机器学习来提升抠取的精准度。随着AI算力在5nm时代的大幅提升，AI在视频拍摄、视频会议的过程中，也能提升虚拟场景、实时预览、人物替换等大量全新功能的加速能力。

与此同时，智能手机中的每瓦性能问题确实也正在被一些消费者所关注，如果性能提升的背后是瓦数的巨大增加，发热、功耗的问题无疑也将一并出现，过高的发热也会增加厂商的调教难度，因为发热造成的降频又将会在带来瞬时可感的卡顿，影响用户的使用体验。

此外，制程快速的进步、晶体管数量急剧增加的背后，巨大的成本也需要消费者来买单，目前旗舰机中的处理器BOM成本持续增加，一方面由于5G的原因，更重要的还有制程上的提升。面对先进制程所带来的成本压力，异构集成的话题已经开始更多在人们的耳边刮来。消费者是否喜欢为先进制程、晶体管数量买单也同样值得关注，就在当下这个旗舰机型5nm普及之年，第二梯队的7nm机型甚至受到了市场的更多追捧，价格与体验上的平衡，也让其性价比十分凸显。

对于物体类别的辨识、物体间边缘的区分，其实对于几个月的婴儿就是一件小菜一碟的事儿，大脑在迅速成长的早期就能赋予人类极强的智慧。看似迅速成长的AI也许还只是在婴儿期的小宝宝，还有更多成长道路上的惊喜和未知将会上演，让移动设备可以用得更好，消费者也更有为其买单的动力。