自Pixel 2以來，Google一直在其智能手機中包含自己的配套芯片組，以改善攝影和其他功能。不過，隨著Google確認(rèn)其最新的旗艦智能手機Pixel 5中放棄了Neural Core，谷歌似乎已經(jīng)結(jié)束了這一趨勢。

　　Pixel Neural Core是Pixel Visual Core的后繼產(chǎn)品。兩種芯片組均由Google制造，旨在改善攝影效果。特別是在神經(jīng)核心上，谷歌還使用該芯片來加快面部劫奪，谷歌助手和Pixel 4上的其他新功能。

　　不過，谷歌的Pixel“ a”系列基本上證實了確實不需要添加芯片。Pixel 3a和4a在拍攝和處理速度方面都與Pixel 3和Pixel 4差不多，但是令人驚訝的是，Pixel 5的規(guī)格列表中缺少了自制芯片組。

　　谷歌在接受Android Police采訪時證實，Pixel 5和Pixel 4a 5G都缺乏神經(jīng)核心。谷歌還提到，通過優(yōu)化，Pixel 5的Snapdragon 765G能夠保持與Pixel 4“相似”的相機性能。

　　兩款新手機都沒有Pixel Neural Core，也沒有面部解鎖功能。

　　這是否意味著Pixel Neural Core永遠(yuǎn)消失了？可能不是。谷歌已經(jīng)提到它將在未來的硬件中恢復(fù)Soli，因此可以肯定的是，神經(jīng)核心也將最終回歸。不過，值得注意的是，兩款新Pixel仍提供Titan M芯片以確保安全性。

　　延伸閱讀：谷歌手機上的這顆芯片或?qū)⒏淖兪謾C攝影行業(yè)

　　谷歌的上一代手機Pixel 3被譽為最佳拍照手機是有原因的。因為Google在上面使用了其HDR +軟件包中的軟件算法來處理像素，當(dāng)當(dāng)這些與一點機器學(xué)習(xí)結(jié)合使用時，一些非常壯觀的照片可能來自具有標(biāo)準(zhǔn)配置硬件的手機。

　　為了幫助處理這些算法，谷歌使用了一種被稱為Pixel Visual Core的專用處理器，這是我們于2017年首次在Pixel 2上看到的芯片。今年看來，谷歌似乎已經(jīng)用一種稱為Pixel Neural Core的東西代替了Pixel VIsual Core。

　　據(jù)知乎用戶Chenjie Luo介紹，Pixel 1的HDR+是在高通的HVX加速器上跑的，因為HVX不是針對圖像處理設(shè)計，所以速度很慢。為了達(dá)到快速連拍的用戶體驗，google camera做了一個圖像緩存，把camera sensor的每一幀都存在內(nèi)存里，排隊處理HDR。這樣一代的Pixel用戶就不會察覺HDR處理的時間。但是這種處理方式帶來了一個問題：像Instagram這樣的第三方拍照共享的app需要所拍即所得，用戶是不能等好幾秒HDR做完了再p圖分享的。所以在一代上，HDR+是google camera app獨有的功能，不能用在第三方app上。由于這個原因以及老板的滿腔熱血，就催生了Pixel Visual Core來硬件加速HDR+，這樣第三方的app就可以瞬間完成HDR+計算得到處理后的照片。實測效果驚艷，特別是在高光照對比下前后景都非常清晰，不會出現(xiàn)臉部過暗的照片。這個芯片牛逼的地方就在于8個IPU core是可以編程的，不完全是一個ASIC，所以有很多其他的應(yīng)用場景。當(dāng)時設(shè)計這個芯片的初衷就是做個全能的圖像處理芯片，HDR+是第一個showcase。

　　最初的Pixel Visual Core旨在加速Google的HDR +圖像處理使用的算法，這就使得Pixel 2和Pixel 3拍攝的照片看起來很棒。它使用了一些機器學(xué)習(xí)程序和所謂的計算攝影來智能地填充不太完美的照片部分。而實際上效果也真的很好；它允許帶有現(xiàn)成相機傳感器的手機拍攝的照片質(zhì)量更優(yōu)。

　　如果我們相信Pixel Neural Core，那么Pixel 4將再一次爭奪智能手機攝影領(lǐng)域的頭把交椅。

　　神經(jīng)網(wǎng)絡(luò)

　　看來Google正在使用以神經(jīng)網(wǎng)絡(luò)技術(shù)為模型的芯片，以改善其2019年P(guān)ixel手部的圖像處理能力。神經(jīng)網(wǎng)絡(luò)是您可能會聽到不止一兩次的內(nèi)容，但該概念并不經(jīng)常被解釋。相反，它看起來像是一些類似于魔術(shù)的Google級計算機。事實并非如此，而神經(jīng)網(wǎng)絡(luò)背后的想法實際上很容易使您的頭腦很容易混亂。

　　神經(jīng)網(wǎng)絡(luò)是根據(jù)人類大腦建模的算法組。它“效仿”的并不是大腦的外觀甚至工作原理，而是大腦如何處理信息的方法。神經(jīng)網(wǎng)絡(luò)通過所謂的機器感知（通過機器傳感器等外部傳感器收集和傳輸?shù)臄?shù)據(jù)）獲取感官數(shù)據(jù)，并識別。

　　這些數(shù)據(jù)是稱為向量的數(shù)字。來自“真實”世界的所有外部數(shù)據(jù)（包括圖像，聲音和文本）都被轉(zhuǎn)換為矢量，并被分類和分類為數(shù)據(jù)集。我們可以將神經(jīng)網(wǎng)絡(luò)視為存儲在計算機或電話上的事物之上的額外層，該層包含有關(guān)其含義的數(shù)據(jù)——它的外觀，聽起來像什么，它說什么以及何時發(fā)生。建立目錄后，可以對新數(shù)據(jù)進(jìn)行分類并與之進(jìn)行比較。

　　一個真實的例子可以使這一切解析得更清楚。NVIDIA生產(chǎn)的處理器非常擅長運行神經(jīng)網(wǎng)絡(luò)。該公司花費了大量時間將貓的照片掃描并復(fù)制到網(wǎng)絡(luò)中，一旦完成，通過神經(jīng)網(wǎng)絡(luò)的計算機集群就可以在其中包含貓的任何照片中識別出貓。小型貓，大型貓，白色貓，印花布貓，甚至山獅或老虎都是貓，這主要是因為神經(jīng)網(wǎng)絡(luò)擁有關(guān)于貓“是”什么的大量數(shù)據(jù)。

　　考慮到該示例，我們不難理解Google為什么要在手機內(nèi)部利用這種功能。這些能夠與大量數(shù)據(jù)鏈接的神經(jīng)核心將能夠識別相機鏡頭所看到的內(nèi)容，然后決定要做什么。也許有關(guān)其所見和所期望的數(shù)據(jù)可以傳遞給圖像處理算法?；蛘撸梢詫⑾嗤臄?shù)據(jù)輸入給Assistant來識別毛衣或蘋果。或者，也許您可以比Google現(xiàn)在更快，更準(zhǔn)確地翻譯書面文本。

　　毫不費吹灰之力地認(rèn)為Google可以設(shè)計一種可以與神經(jīng)網(wǎng)絡(luò)和電話內(nèi)的圖像處理器接口的小型芯片，并且很容易理解為什么要這樣做。我們不確定確切地說是Pixel Neural Core是什么，或者可能用于什么用途，但是一旦“正式”發(fā)布時，一旦看到手機及其實際細(xì)節(jié)，我們肯定會知道更多。