什麼是 Apple 的神經引擎以及它是如何運作的？

iPhone、iPad、Mac 和 Apple TV 都受益於一種名為 Apple Neural Engine (ANE) 的專用神經處理引擎，它比 CPU 或 GPU 提供了更快、更節能的資料處理方式。

Apple 的神經網路引擎無需使用雲端運算或耗電，即可實現自然語言處理和影像分析等先進的裝置內建功能。查看什麼是卷積神經網路 (CNN) 以及它是如何運作的？

讓我們探索神經引擎的工作原理及其演變，包括它在 Apple 平台上支援的推理和智能，以及開發人員如何在第三方應用程式中使用它。

快速連結

什麼是神經引擎（ANE）？

Apple 的神經引擎 (Neural Engine) 是一組高度專業化的運算核心的市場名稱，這些核心經過最佳化，可在 Apple 裝置上有效地執行深度神經網路。它能夠加速機器學習 (ML) 和人工智慧 (AI) 演算法，與主中央處理器 (CPU) 或圖形處理器 (GPU) 相比，在速度、記憶體和功耗方面均具有顯著優勢。

神經網路引擎是最新 iPhone、iPad、Mac 和 Apple TV 反應速度如此之快、在處理高要求的機器學習和人工智慧運算時不會過熱的重要原因。遺憾的是，並非所有 Apple 設備都配備了神經網路引擎——Apple Watch、基於英特爾處理器的 Mac 以及 2016 年之前的設備都沒有配備。

神經引擎首次出現在 2017 年 iPhone X 的 Apple A11 晶片中，其強大功能足以支援 Face ID 和動話表情。相較之下，A15 仿生晶片中最新的神經引擎比原版快 26 倍。如今，神經引擎支援離線使用 Siri 等功能，開發者可以使用它來運行預先訓練好的機器學習模型，從而釋放 CPU 和 GPU 資源，專注於更適合的任務。查看三星 Galaxy S23 Ultra 與 iPhone 14 Pro Max：哪個更好？

神經引擎如何運作？

ANE 為執行乘法和累加等計算密集型操作提供了最佳控制和計算邏輯，這些操作通常用於 ML 和 AI 演算法，例如影像分類、媒體分析、自動翻譯等。

根據蘋果專利 ANE 名為“神經處理器的多模式平面引擎”，由多個神經引擎核心和一個或多個多模式平面電路組成。

該設計針對並行計算進行了最佳化，其中許多操作（例如以數萬億次迭代進行的矩陣乘法）必須同時執行。

為了加快 AI 演算法的推理速度，ANE 使用預測模型。此外，ANE 擁有自己的緩存，並且僅支援少數資料類型，有助於最大限度地提高效能。

由神經引擎驅動的人工智慧功能

以下是您可能熟悉的並且 ANE 提供的一些設備功能。

自然語言處理：更快、更可靠的語音識別，用於聽寫和 Siri 響應；改進翻譯應用程式和整個系統中的自然語言學習；照片、相機和其他 iPhone 應用程式中的即時文字翻譯。
電腦視覺：使用照片 app 或 Spotlight 搜尋功能，尋找照片中的地標、寵物、植物、書籍和花卉等內容；在 Safari、郵件和資訊等應用程式中使用視覺搜索，以取得更多已識別物體的資訊。查看現實生活中的電子遊戲傷害及其避免方法.
擴增實境在 AR 應用中加入多個元素並追蹤運動。
影片分析:在 Final Cut Pro 等應用程式中偵測影片中的人臉和物體。
相機效果：使用 Center Stage 自動裁剪；在 FaceTime 視訊通話期間模糊背景。
遊戲:3D 電玩遊戲中的照片級真實感效果。
直接文本：在相機和照片中提供光學字元辨識 (OCR)，讓您可以輕鬆地從照片中複製手寫內容或文本，例如 Wi-Fi 密碼或地址。
電腦影像：Deep Fusion 分析像素以實現更好的降噪效果、更大的動態範圍、改進的自動曝光和白平衡，以及在適當時使用智慧 HDR；使用淺景深拍攝，包括夜間模式拍攝；使用深度控制調整背景模糊程度。
回憶ANE 也用於相機應用中的拍攝模式、組織照片中的回憶和風格效果、個人化推薦（如壁紙建議）、在 VoiceOver 中註釋照片、在照片中找到重複的照片等。

上面提到的一些功能（例如圖像識別）也可以在沒有 ANE 的情況下運行，但運行速度會慢得多，並且會耗盡設備的電池。

神經引擎簡史：從 iPhone X 到搭載 M2 晶片的 Mac

2017 年，蘋果在 iPhone X 的 A11 晶片內以兩個專用核心的形式部署了其首個 ANE 引擎。以今天的標準，它的速度相對較慢，每秒只能處理 600 億次運算。

第二代 ANE 於 2018 年搭載於 A12 晶片中，核心數量增加了四倍。 ANE 的額定運算速度為每秒 5 兆次，速度提高了約九倍，但功耗只有上一代的十分之一。

2019 年 A13 晶片採用相同的八核心 ANE 引擎，但運行速度提升了五倍，同時功耗降低了 15%。它採用台積電改進的 7 奈米半導體製程製造。台積電（台灣半導體製造公司）負責生產 Apple 設計的晶片。

神經引擎的演化

隔年，蘋果 A14 晶片透過將 ANE 核心數量從 8 個增加到 16 個，將 ANE 效能幾乎翻了一番，達到每秒 11 兆次運算。 2021 年，A15 Bionic 利用台積電第二代 5nm 工藝，在不增加更多核心的情況下，將 ANE 性能進一步提升至每秒 15.8 兆次運算。

與 Mac 相關的首批 M1、M1 Pro 和 M1 Max 晶片採用與 A14 相同的 ANE 引擎，首次將先進的硬體加速 ML 和 AI 引入 macOS 平台。

2022 年，M1 Ultra 採用 Apple 客製化的 UltraFusion 互連技術，將兩塊 M1 Max 晶片整合到一個封裝中。憑藉兩倍的 ANE 核心（32 個），M1 Ultra 的 ANE 性能翻倍，達到每秒 22 兆次運算。

Apple A16 於 2022 年使用台積電增強型 N4 節點製造，與 A15 晶片相比，ANE 效能提高了 8%（每秒 17 兆次運算）。

首批配備 ANE 功能的 iPad 是第五代 iPad mini（2019 年）、第三代 iPad Air（2019 年）和第八代 iPad（2020 年）。此後發布的所有 iPad 均支援 ANE。查看搭載 M1 的 Mac mini 成為入門 Mac 的最佳選擇.

開發人員如何在應用程式中使用 ANE？

許多第三方應用程式使用 ANE 引擎來實現原本無用的功能。例如，影像編輯器 Pixelmator Pro 提供了 ML Super Resolution 和 ML Enhance 等工具。在 Djay Pro 中，ANE 可以將節拍、樂器和人聲軌從錄音中分離出來。

然而，第三方開發者無法以低級別方式存取 ANE。所有 ANE 呼叫都必須透過 Apple 的機器學習軟體框架 Core ML。借助 Core ML，開發者可以直接在設備上建置、訓練和運行他們的機器學習模型。之後，該模型將用於根據新的輸入資料進行預測。

根據 Core ML 的觀察，「一旦模型安裝在使用者的裝置上，你就可以使用 Core ML 在該裝置上使用該使用者的資料重新訓練或微調」。蘋果網站.

為了加速 ML 和 AI 演算法，Core ML 不僅利用 ANE，還利用 CPU 和 GPU。這使得 Core ML 即使在 ANE 不可用的情況下也能運行模型。而且，有了 ANE，Core ML 的運行速度會更快，而且不會那麼快耗盡電池電量。查看如何使用 Microsoft Lobe 建立機器學習模型.