回答下楼主的问题，AI手机芯片里有没有NPU其实区别挺大的，主要体现在处理AI运算的性能和效率上。
移动AI处理是一个软硬结合的多层次系统项目。最上层是应用层，其下是API作为应用层和硬件层的交互应用接口。目前Android平台中AI加速的API主要有两个：一个是Google官方的Android AI Runtime，类似Windows下的Direct Compute，软硬件兼容性好，是行业规范；另一个是华为的HiAI，这个是麒麟970独有的API。类似NVIDIA的CUDA，虽然硬件上有限制，但效率更高。在API层下面还有一个HiAI异构资源管理系统，分配任务给下面的硬件层。下面的硬件层可以是NPU，也可以是GPU、CPU、DSP，甚至是ISP。
这说明AI不是一定只能跑在NPU上，其他CPU，GPU、DSP什么也都可以，但在性能和效率上却有着根本性差别：GPU性能是CPU的4倍，而NPU则是CPU的25倍。除开绝对性能，能耗比的差距更为明显，NPU相比GPU和CPU有高达8倍和50倍的差距。这对于电量捉襟见肘的移动设备而言，这完全可以说是有本质的差距。
目前业界在处理AI手机芯片时，也分为NPU和非NPU两大阵营。其中华为麒麟970和苹果A11集成AI专用的硬件处理单元，而高通骁龙845采用CPU/GPU/DSP调度的解决方案，主要通过Hexagon 685实现AI运算。但Hexagon 685只是之前Hexagon 682的小改，严格来说还是一个DSP，只是简单化的向量处理单元，并且这个DSP计算能力还有可能被其他任务占用。骁龙845中更为复杂的AI机器学习任务依然需要GPU甚至是CPU来实现，这样的代价是巨大的。
相比之下，集成NPU的麒麟970在对物体进行识别时，性能可以达到16GFlops的运算能力，单个处理耗时仅为32ns，而工作电流仅为300mA，相比动辄几瓦的CPU和GPU而言十分的绿色。
所以，AI手机芯片里有没有NPU差别还是很明显的，集成NPU还真像是请专家来解决专业问题，既解放了CPU/GPU/DSP，还能提升运算效率，对手机用户来说确实是好事。
移动AI处理是一个软硬结合的多层次系统项目。最上层是应用层，其下是API作为应用层和硬件层的交互应用接口。目前Android平台中AI加速的API主要有两个：一个是Google官方的Android AI Runtime，类似Windows下的Direct Compute，软硬件兼容性好，是行业规范；另一个是华为的HiAI，这个是麒麟970独有的API。类似NVIDIA的CUDA，虽然硬件上有限制，但效率更高。在API层下面还有一个HiAI异构资源管理系统，分配任务给下面的硬件层。下面的硬件层可以是NPU，也可以是GPU、CPU、DSP，甚至是ISP。
这说明AI不是一定只能跑在NPU上，其他CPU，GPU、DSP什么也都可以，但在性能和效率上却有着根本性差别：GPU性能是CPU的4倍，而NPU则是CPU的25倍。除开绝对性能，能耗比的差距更为明显，NPU相比GPU和CPU有高达8倍和50倍的差距。这对于电量捉襟见肘的移动设备而言，这完全可以说是有本质的差距。
目前业界在处理AI手机芯片时，也分为NPU和非NPU两大阵营。其中华为麒麟970和苹果A11集成AI专用的硬件处理单元，而高通骁龙845采用CPU/GPU/DSP调度的解决方案，主要通过Hexagon 685实现AI运算。但Hexagon 685只是之前Hexagon 682的小改，严格来说还是一个DSP，只是简单化的向量处理单元，并且这个DSP计算能力还有可能被其他任务占用。骁龙845中更为复杂的AI机器学习任务依然需要GPU甚至是CPU来实现，这样的代价是巨大的。
相比之下，集成NPU的麒麟970在对物体进行识别时，性能可以达到16GFlops的运算能力，单个处理耗时仅为32ns，而工作电流仅为300mA，相比动辄几瓦的CPU和GPU而言十分的绿色。
所以，AI手机芯片里有没有NPU差别还是很明显的，集成NPU还真像是请专家来解决专业问题，既解放了CPU/GPU/DSP，还能提升运算效率，对手机用户来说确实是好事。
小小不言
