文章图片

第二 ， 关于怎么做NPU 。 我认为应该根据应用场景真正把它的有效算力释放出来 ， 所以它的能效是跟应用场景相关的 。 因为做一个通用型的NPU ， 其实它很难聚焦某一个应用场景 ， 但是作为OPPO来讲 ， 我们是终端厂商 ， 我们更明白用户痛点在哪儿 ， 用户场景的价值点在哪儿 。 所以我们会根据这个应用场景去相应地设计我们的硬件架构 ， 去提升相应的能效比 。 换句话说我们是提升有效算力 。 这里不是说最高算力 ， 最高算力在手机NPU上去堆的话是很容易的一件事 ， 只要把芯片面积逐渐加大就好了 。 但是芯片的能效真正要做到这么高 ， 是非常大的挑战 。
问：能否请您具体讲讲影像NPU和传统ISP之间的差异呢？
姜波：刚才谈到ISP和NPU有什么不同 。 ISP其实是整个影像处理链路中的一部分 ， 它里面有很多模块 。 比如 ， 如果只是用自研NPU跑自研算法 ， 封装一下 ， 可能也可以称其为NPU ， 对不对？但我们要做的是完整的影像处理链路 。 马里亚纳 X里所有的影像处理单元 ， 最终目的要把AI的极致能力发挥出来 ， 这是我们的焦点 ， 也是为什么我们把它定位成一个影像专用的NPU的原因所在 。
问：听说研发过程中一次性流片(试产)就成功了是吗？
姜波：一般的芯片流片之后可能还要做一个小修整 。 我们当时测完就拿去流片 ， 回来之后不光我们比较惊讶 ， 连我们的合作伙伴都比较惊讶 ， 说：“OPPO真的就不改了吗？”我说：“不改了 ， 一次就直接硬件量产 ， 软件再修再调” 。 这真的是蛮极致的一个例子 ， 应该说也比较幸运 。
问：发布会上您介绍马里亚纳MariSilicon X的时候情绪有些激动 ， 是否当时让您回想起了研发过程中的艰辛？
姜波：坦白说 ， 我自己最大的一个体会 ， 就是做自研芯片这样的事情 ， 除了有时间和钱的投入 ， 更重要的是人才 ， 人可能是最关键的！因为相对来讲我们是后来者 ， 和传统的芯片厂商相比 ， 我们建团的时间非常短 ， 切入点又是很陡峭的一条曲线 。 我们每个团队成员从一开始就承担了很多很多的压力 ， 因为我们一开始对标的标准 ， 就让这件事情很难 。 本质上如果做一个平庸的产品 ， 简单做一颗芯片用上 ， 这是相对容易的一件事 。 但是我们给自己定下了一个非常高的挑战 ， 比如2019年时我们定下的一些数值标准 ， 哪怕到了今天 ， 坦白说最顶级的SoC都还做不到 。 所以这意味着我们一开始 ， 大家都怀有追求极致的理念 。 参与这个事情的每个人牺牲都很多 ， 尤其是我们的工程师 ， 出于责任心 ， 真的是在相当长一段时间里周末基本都把自己的时间放在工作上 。
问：自研NPU是否也是OPPO追求极致的一种表现？
姜波：现在SoC上也有影像 ， 也有NPU ， 但那是一个比较松散的结构 ， 它并没有真正达到极致 。 这中间不管是NPU的架构设计也好 ， 或者整个架构里面的通路设计也好 ， 这些都会导致有些应该要做好的事情没有做好 ， 所以马里亚纳 X从一开始最初设计的时候就充分考虑了这些点 ， 怎么样去解决用户的痛点——或者说某些用户场景下的痛点 。 OPPO其实是一家对产品追求极致 ， 把用户价值也放在第一位的公司 。 后面的产品如果有迭代的话 ， 我们也希望再进一步把它推到更极致的一个点 。 但是同时我们也想强调一下 ， 计算影像这个赛道是OPPO自己认可的一个重要赛道 ， 这次既是过去十年影像探索的总结 ， 也是后面的起点 。