氫氧離子
我理解你的問題是：
SOC中的AI芯片起什麼作用？
這是個有意思的問題，也是現在各大手機廠商喜歡宣傳的亮點。
下面我來嘗試以華為第一款集成AI功能的SoC芯片麒麟970為例來解答一下。
1、什麼是SOC?
SoC，System-on-a-Chip，系統級芯片。SoC上一般集成了手機上最關鍵的部件，比如CPU、GPU、內存、還有其他功能芯片去NPU神經網絡芯片。
SoC可以理解為多個功能芯片的一個集成封裝。
上圖，華為麒麟970就是一塊典型的SoC芯片，集成了處理器CPU、圖像GPU、智能NPU、圖像處理ISP、基帶Modem等功能芯片。
手機功能越做越強，主板越做越小，體積有限，高集成度的SoC則能很好地提高集成密度，降低廠商開發難度。
2、什麼是AI（芯片）?
AI，Artificial Intelligence，人工智能。英文縮寫為AI。應用包括機器人、語言識別、圖像識別、自然語言處理等等。
圖中的神經網絡芯片單元NPU就是AI芯片。
手機智能化程度越來越高，需要對語言識別，圖像處理等多個方面進行功能拓展和加強，專用獨立的AI應運而生。
3、手機SoC中集成AI芯片有什麼作用？
那麼集成AI芯片具體有啥用呢？GPU和CPU協同工作不是也可以實現深度學習和智能運算嗎？
有人會說，傳統CPU+GPU能夠實現一定程度的智能運算，但是效率不高，能耗很高。
所以獨立的AI芯片的集成，就是為了提升設備上的機器學習和圖像處理的性能等智能運算能力，降低能耗而生的。
具體有沒有AI芯片有啥區別呢？
麒麟 970 的這顆 NPU專門為深度學習而定製，FP16 性能達到了 1.92 TFLOP，差不多是麒麟 960 的 3 倍（0.6 TFLOP 左右）。
華為在發佈會展示了一張在進行 AI 運算時，NPU 和 CPU、GPU 的對比圖。
可以看到，性能上NPU 是 CPU 的 25 倍，GPU 的 6.25 倍，能效比上，NPU 更是達到了 CPU 的 50 倍，GPU 的 6.25 倍。
還提到，在華為內部的測試中，麒麟 970 的 NPU 每分鐘可以識別出 2005 張照片，而不使用 NPU ，使用CPU+GPU組合的話，則每分鐘只能識別 97 張。
可以看來，搭載獨立AI芯片NPU後，手機的智能處理性能和能效，結果天壤之別。
這就是現在智能手機芯片為什麼SoC必須集成AI芯片的原因和作用。
上圖是蘋果A13芯片，我們也可以看到集成了Neural Engine神經引擎，也就是AI芯片功能。
4、手機AI芯片實現的功能應用
知道了集成AI芯片對手機節能增效有用，那麼具體對手機智能化應用有哪些意義呢？
（1）圖像處理
圖像處理是AI芯片的強項，有了獨立AI芯片，圖像處理更加智能，甚至不需要手動參與就有你想要的加強景深，馬賽克，刪除人像等功能。
（2）智能助手
如蘋果的Siri，安卓的翻譯助手，有了AI芯片加持後，就會效率更高，更加聰明，更加智能。
（3）AR應用和遊戲
（AR虛擬蘋果總部）
（AR遊戲表情）
AR也是AI芯片的應用場景之一。
相信隨著手機AI芯片的發展，智能化應用的場景會越來越多。
綜上所述，我們可以看到手機SoC集成AI芯片是當下人工智能技術在手機領域逐漸應用和普及的表現。
隨著手機性能的拓展和功能的增強，我們會看到更多、更強大的AI芯片出現在SoC上，這是一種發展趨勢。
EVtoday
SoC中所謂AI加速核其實就是針對主流的機器學習算法所具有的一定特徵，從計算層面對其中的運算過程，通過並行化處理進行加速。
那麼AI核為什麼能夠實現加速呢？
這裡就要引入一些通用計算與專用計算的概念了。傳統通用計算處理核心CPU，其執行指令過程中，雖然不同的架構有不同的方式，但都具有以下三個過程：取指、譯碼、執行。對於任意一條指令，即便起操作與上一條指令相同，只是數據不同，也同樣需要經歷這樣幾個步驟。由於通用計算需要支持很多不同的指令，因此具有極其複雜的電路結構，即便當下CPU核心普遍具有多發射/多級流水技術，也都支持SIMD操作，其能夠並行處理的數據量十分有限。換句話說，CPU太過強大不適合用來處理這種大規模、但是操作簡單的計算。
而專用芯片ASIC其內部電路結構是針對某種特定的計算方式而特製的，其電路驅動方式也由CPU的指令流驅動轉變為數據流驅動，內部電路能夠針對這種計算方式做針對性優化，芯片的吞吐率和算力對這種數據流而言，較CPU呈幾何倍數的提升。
當然，還有一種方式就是可重構計算了。可重構計算陣列由配置流指令驅動，只要結構設計合理，對SIMD操作同樣可以具有很好的效能/效率。
再回到AI算法。
當下所採用的AI算法普遍基於大規模的矩陣運算，矩陣運算的特點就是操作數巨大，但其計算簡單且單一，具有十分鮮明的結構特點，因此十分適合採用脫離出傳統CPU、GPU架構的方式，採用並行化處理的方式去計算。因此在人工智能領域，AI算法基本上不可能在CPU上實現，絕大多數算法的訓練都是在一些高端顯卡以及一些基於FPGA專用的加速芯片去完成的。
因此，在手機端無法負擔如此巨大的功耗限制下，採用基於AISC思路的特殊架構，如麒麟980/990，去提升計算效率的方案得到了普遍的採用。麒麟990達芬奇架構能夠支持超過300個AI算子，能夠對很多經典、常用AI算法實現硬件級加速。
從操作系統層面，針對AI加速核所提供的API可以被任何應用程序所使用，如題主提到的人臉識別但又不僅僅局在這個領域。AI核提供的是一種算力，任何基於人工智能算法的應用都能夠得到加速，如系統級的用戶習慣學習、小藝/小愛同學/Bixby等智能助手的學習、輸入法自動聯想、自動修圖、自動分類、AI攝影場景優化等等，都能夠通過這樣硬件級加速去提升用戶的使用體驗。
從另一種角度去思考，AI算力也為一門尚未得到全面發展的學科：計算攝像學，提供了必要的支撐，從而使得手機攝影質量的提升不再像傳統影像設備一樣，僅僅停留在硬件層面，順著“底大一級壓死人”的思路去提升效果。各種降噪算法、運動補償算法、摳圖算法、邊緣優化、像素補償算法，甚至是小到色彩優化算法、AI場景識別的應用、包括蘋果的Deep Fusion，都是基於這樣一種能夠提供強大的人工智能算力的芯片去實現的。說到這裡就必須要提一下Google去年的Pixel 3L，Pixel3雖然採用了單攝，但其憑藉出色的算法優化，做到了在某些不依賴於焦段的場景下，優於大部分雙攝、甚至三攝手機的拍攝質量和摳圖效果。Pixel 3L在拍攝時所使用到算法，多到連驍龍845都不足以提供支撐的程度，還在主板額外集成了一顆加速核來提供算力支撐。和蘋果今年的三攝系統一樣，這是一種影像領域的探索與嘗試，也是一種人工智能的深度應用，是值得敬佩和學習的。
因此，如你所見，AI核給手機帶來的不是噱頭，不是AI換臉、AI修圖，也不是像科幻電影那樣強大到成為一個實體的存在，更重要的是帶來了一種通過機器學習去提升用戶體驗的思路，使得手機成為你生活的幫手，而不僅僅是一個工具。
希望對你有所幫助！
奇樂多多多
目前的主流都是在soc內嵌AI處理器，比如海思麒麟和聯發科處理器, 基本兩家都不約而同地增加soc中AI處理器的性能，並已做到領先高通的地位。
那SOC中集成AI處理器的好處是什麼呢？其實最早一開始大家基本也是外掛的形式支持AI處理器，比如早期華為海思麒麟芯片就外掛寒武紀的AI處理芯片芯片，那為何後來都轉入集成呢？原因有二:
1.與SOC集成modem處理器一樣，會使芯片整體體積變小，功耗更少，更易於發揮處理器的性能。
2.AI處理器的技術對SOC廠商來說，技術門檻並不高，用別人的不如用自己的。這也是寒武紀目前最大的危機，被華為拋棄後，市場重心放在哪會是最棘手的問題。
