麒麟970和骁龙845到底谁的AI更强，性能差距真有那么大吗？

要搞清楚麒麟970和骁龙845在AI能力上谁更强,以及差距有多大，我们不能只看厂商的宣传口号，而是要看它们实现AI计算的“路子”有什么根本不同，麒麟970走的是“专精”路线，而骁龙845走的是“全能”路线，这种底层架构的差异直接影响了它们在实际应用中的表现。

我们来看麒麟970,华为在2017年发布这款芯片时，大力宣传其内置的“NPU”（神经网络处理单元），这个NPU是华为与寒武纪合作开发的，它是一个独立的、专门为处理AI计算任务（比如图像识别、语音识别等）设计的硬件单元，根据当时华为在发布会上的介绍和后续的媒体技术解析（如知名数码媒体AnandTech的分析），这个NPU的核心优势在于“能效比”，在处理特定的AI任务时，独立的NPU可以比传统的CPU和GPU更高效、更快速，同时功耗和发热量更低，这就像是在一个工厂里，有一个专门负责精细雕刻的自动化机床，干这个活又快又省电，搭载麒麟970的手机（如华为Mate 10系列）在推出时，主打的功能就是AI摄影，能够实时识别拍摄场景（如蓝天、食物、人像），并自动优化拍照参数，这个过程非常流畅且几乎无感，正是得益于NPU的高效计算。

然后我们再看看高通骁龙845,高通当时选择的路径与华为不同，它没有集成一个独立的、专用的NPU硬件，根据高通技术峰会上工程师的介绍，骁龙845的AI引擎（AI Engine）是一个“异构计算”方案，它通过协调调用芯片内部的CPU、GPU和DSP（数字信号处理器）来共同完成AI计算任务，你可以把它想象成工厂里的通用车床、铣床和打磨机协同工作，也能完成雕刻任务，但需要良好的调度和配合，高通的理念是，通过优化DSP（其Hexagon DSP本身也具备很强的向量计算能力）并结合Adreno GPU的强大并行计算能力，同样可以高效处理AI负载，并且这种方案灵活性更高，能适应更多样化的AI算法和模型。

到底谁的AI更强呢？如果纯粹从当时一些第三方评测机构（如鲁大师在2018年发布的AI芯片性能测试报告）的跑分数据来看，在针对特定神经网络模型的测试中，麒麟970的NPU凭借其专用架构，得分确实常常领先于骁龙845的异构方案，尤其是在处理图像识别等固定任务时，从这个角度说，麒麟970在“峰值AI性能”上可能略有优势，或者说在它擅长的特定领域表现非常突出。

“性能差距真有那么大吗？”答案是否定的，实际体验中的差距远没有跑分数字显示的那么悬殊，原因有以下几点：

第一,应用生态，在2017-2018年，手机端的AI应用还处于非常早期的阶段，最普及的应用就是拍照场景识别和虚化、语音助手等，对于这些任务，两款旗舰芯片都能非常出色地完成，你很难在日常使用中明显感觉到华为手机的场景识别就比小米或三星的骁龙845手机快出好几倍，AI的潜力远未被完全挖掘，导致NPU的专用优势没有完全转化为压倒性的用户体验优势。

第二,高通的综合实力，骁龙845的GPU（Adreno 630）性能当时是绝对领先于麒麟970的Mali-G72 MP12的，很多AI计算本身可以利用GPU进行，虽然能效可能不如专用NPU，但绝对性能并不弱，再加上高通在移动领域深厚的软件优化功底和广泛的开发者支持，其异构AI引擎的实际表现被调校得相当可靠。

第三,长期来看，高通的异构方案更具灵活性，随着AI模型和算法的快速迭代，专用的NPU硬件可能会面临支持上的挑战，而灵活的CPU+GPU+DSP组合更能适应变化。

麒麟970在AI方面是“先锋”，它通过独立的NPU在特定AI任务上展现了更高的能效和一定的性能优势，让市场第一次广泛认识到手机端专用AI芯片的可能性，而骁龙845则采用了更稳健、更灵活的异构计算方案，其整体AI性能虽然在某些测试中不占优，但凭借强大的综合算力和生态系统，实际体验与麒麟970的差距微乎其微，可以说麒麟970在理念上领先，但骁龙845在整体实现和综合体验上并不落后，两者当时的AI能力属于同一梯队，各有千秋，并无代差般的巨大差距。