近兩代的A系芯片中，神經(jīng)網(wǎng)絡(luò)引擎是一個經(jīng)常會被蘋果提及的模塊。本次A14也不例外，神經(jīng)網(wǎng)絡(luò)引擎的內(nèi)核數(shù)直接增加了一倍，從A13的8核變成了A14的16核，估計那40%的晶體管數(shù)量提升，有相當(dāng)一部分都用在了這里。

而由此帶來的近兩倍的機器學(xué)習(xí)算力提升，也明顯要比CPU、GPU升級耀眼得多，更別說還有應(yīng)用在處理器上的機器學(xué)習(xí)加速器。

相比CPU和GPU，A14在機器學(xué)習(xí)算力上的提升會更明顯，但這個神經(jīng)網(wǎng)絡(luò)引擎會影響哪些體驗，很多人并不清楚。

我們很難把它歸結(jié)為單純的‘手機流暢度提升’，因為它不像CPU、GPU一樣，可以有量化數(shù)據(jù)作為對比依據(jù)；就算是算力翻倍，它也不會讓你的游戲，從原來的30幀升到60幀。

不過，近幾代iOS系統(tǒng)內(nèi)的特性，有很多都是離不開機器學(xué)習(xí)技術(shù)的。

比如說拍照，去年iPhone 11 Pro引入的DeepFusion三合一圖像處理技術(shù)，就是通過機器學(xué)習(xí)訓(xùn)練的算法，來實現(xiàn)圖像合成，最終生成出一張更高質(zhì)量的照片。

圖像識別、文本概述、語義分析等，都涉及到機器學(xué)習(xí)技術(shù)的運用

更進(jìn)一步，iPhone的相冊能夠自動根據(jù)人臉特征，對圖庫進(jìn)行分類；還有像Apple Music能夠根據(jù)我們的聽歌偏好，自動推薦你喜歡的歌曲；而iPhone的電源管理系統(tǒng)也會主動學(xué)習(xí)我們的使用習(xí)慣，延長、優(yōu)化續(xù)航時間，背后都有機器學(xué)習(xí)技術(shù)的參與。

在本次iPad Air 4中，蘋果也介紹了兩個使用了A14機器學(xué)習(xí)技術(shù)的案例。

一個是djayPro應(yīng)用，它可以讓iPadAir調(diào)用前置攝像頭，捕捉、識別出音樂人打碟的手勢，實現(xiàn)‘隔空打碟’的特性。

考慮到iPad Air 4并未搭載可感知深度場景的FaceID元件，這種動作識別，也只能靠機器學(xué)習(xí)的方案來實現(xiàn)。

另一個案例則是照片編輯應(yīng)用Pixelmator，借助機器學(xué)習(xí)能力，它可以讓被裁減、放大后的照片，實現(xiàn)自動修復(fù)。

哪怕是照片本身的分辨率十分有限，但機器學(xué)習(xí)依舊能填補缺失的像素點，改進(jìn)邊緣鋸齒和圖像紋理。

所以，從上述幾個例子可以看到，A系芯片的神經(jīng)網(wǎng)絡(luò)引擎看似是‘感知不強’，但實際上，是它施加的影響更底層，不容易被我們察覺而已，很多功能其實與我們的使用體驗是息息相關(guān)的。

去年，蘋果前高管菲爾·席勒（PhilSchiller）在接受《連線》采訪時也說，目前iOS系統(tǒng)的功能中，基本已經(jīng)不存在不使用機器學(xué)習(xí)的領(lǐng)域了。無論是對電池壽命的影響，還是性能的優(yōu)化，它一直都你所不知道的地方，持續(xù)地運行著。

既然如此，發(fā)展更強的算力，這些工作顯然能更有效率地去運行；而蘋果也能規(guī)避掉個人數(shù)據(jù)收集的風(fēng)險，讓設(shè)備只靠本地算力而非聯(lián)網(wǎng)，就能完成更重度、更復(fù)雜的任務(wù)。