同时，我们也发现，高通的DSP也能够实现类似于华为NPU同等级的功耗水平。这似乎表明，高通推出的骁龙845处理器中应用的Hexagon 685能够在性能方面提升3倍。

在此，我想抱怨一下谷歌的Pixel 2：由于Pixel 2缺乏对于SNPE框架的支持，因此很难从真正意义上进行骁龙835的CPU基准测试。

不过从某种意义上来说，这也是理所当然的事情，毕竟谷歌在安卓8.1中才会引入NN API，未来谷歌将会推动安卓标准API在相关处理器方面的加速也是自然而然的。

但是，从另一方面来说，这也会限制传统的手机OEM厂商开发的能力。

这一决定往往会限制今后生态系统的发展，这也是为什么我们没有看到更多的手机GPU来进行相关的卷积神经网络加速工作。

此外，虽然目前iPhone并不支持相关的基准测试，但是我们也能够从海思发布的相关数据中看到一些端倪。

从一些数字上我们能够看到，苹果所提供的神经网络IP虽然在性能方面超越了骁龙835处理器，但是仍然远远落后于海思的NPU。但是，我们无法单独核实这些数字是否真的适合相关的基准。

当然，最重要的问题在于，这类处理器能够带来什么好处？

海思表示，一个比较明显的例子是，美国有线电视新闻网通过应用处理器来进行降噪处理，能够在交通繁忙的情况下，将语音识别的准确度从80%提高到92%。

此外，还有在摄像头应用方面，Mate 10的摄像头能够在NPU的帮助下，通过推理，来识别不同场景，再基于场景对相机的设置进行智能的优化。

同时，Mate 10中所应用的微软翻译程序也能够使用NPU的离线加速翻译功能，这些都是令我印象深刻的应用。

而在手机内置的图片应用中，也能够智能识别图片来进行分类。

除了NPU能够对卷积神经网络进行相应的视觉处理之外，Cadence 的Tensilica Vision P6 DSP 和高通的Hexagon 680 DSP也能够实现相同的功能，只是目前并没有对终端用户开放而已。

但是，这并不表明，采用NPU的Mate 10就能够为终端用户带来决定性的差异化体验。同样，手机中这类神经网络的应用并没有在汽车，安全摄像头领域出现相同的杀手级应用。另外，由于生态系统的限制性问题，我们只能够在Mate 10见到相关的应用，我们能否在更多的场景中见到，华为是否愿意开发，与开发商一起共同开发，都是值得商榷的事情，不过华为在这方面的创新还是值得肯定的。

正如之前所说，华为和微软共同开发的应用似乎是Mate 10上最吸引人的应用，因此我们可以在此基础之上进行更多的探索。

目前来看，该应用能够智能识别传统的外文文本，并进行翻译，那么在未来是否可以AR方面的应用呢？

联发科在CES上为我们展示了一个相关的识别的例子：使用神经网络的视频会议编码器能够对美国有线电视新闻网的图像和视频进行识别，并反馈给编码器，从而提升视频的质量。

在未来，可以想见，越来越多的设备将会采用这类IP，开发人员也能够更容易的开发相关应用。

我在这篇文章里，并不是想强调麒麟970到底有多么的先进，只是希望借此机会表明，未来高端安卓智能手机处理器的竞争和发展格局将会出现很多令人振奋的变化。

随着iPhone智能手机生态系统进入10周年，我们也看到越来越多的垂直整合设备的出现。

并不是说苹果就一定是规则的制定者，只是在未来，一个更加成熟的生态系统当中，公司都需要能够自主的把控发展路线。否则，手机厂商将很难与其他厂商区分开来，更不用说为用户提供差异化的功能，或者与其他厂商竞争。

苹果很早就意识到了这一点。而华为也是目前为止唯一一家能够独自设立目前的OEM厂商。

同时，还有很多准独立厂商也在努力设计自己的芯片，他们凭借从IP供应商那里获得的CPU和GPU等关键零部件来进行设计。

根本上来说，麒麟970在CPU的性能与功率上面并没有与骁龙835有太大的差距，其误差只是体现在cortex-a73在实际应用中的体现而已。