4、联发科Helio P60
联发科Helio P60采用ARM Cortex A73和A53大小核架构，采用八核心大小核（big．LITTLE）架构，内建四颗ARM A73 2．0 Ghz处理器与四颗ARM A53 2．0 Ghz处理器。相较于上一代产品P23与P30，CPU及GPU性能均提升70％。采用12nm FinFET制程工艺，功耗表现得到很大提升，整体效能提升12％，执行大型游戏时的功耗降低25％，大幅延长手机电池的使用时间。
关于AI配置，联发科在P60中引入了AI单元APU，在P60中采用了三核ISP＋双核APU的架构，性能提升两倍。ISP＋APU的多核图像处理单元除了提供硬件加速之外，还能够提供多线程的处理能力，这使得对于图片处理能力和速度大幅提升。包括自动对焦、白平衡以及高规格HDR在内等反映的速度更快。此外，APU的引入以及联发科提供的平台化的策略，也更有利于开放给合作伙伴以及第三方进行拍照的后处理，定制更多的拍照算法。应该说AI的引入，使得P60的硬件性能进一步得到释放。与此同时，AI所带来的软件层面的超级算力也将带来诸如人脸、语音识别等功能的进一步增强。
5、紫光展锐SC9863
紫光展锐SC9863主打AI牌，被称为8核AI芯片，支持CAT－7，采用Arm Cortex－A55处理器架构的SoC芯片平台，在Cortex－A55人工智能的基础上，进行了应用开发。Cortex－A75与Cortex－A55均采用Arm DynamlQ技术打造，而DynamlQ融入了AI神经网络技术。相比前代Cortex－A53，Cortex－A55 NEON进行了流水线改进与新增机器学习指令，让其在矩阵乘法运算方面的机器学习性能大幅提升，如果按照AI 8bit dot－product运算能力，比Cortex－A53提升6倍。
同时，得益于ARM DynamlQ单簇组合方式，Cortex－A75与Cortex－A55可实现1＋3、1＋7或者4个大核、8个小核的组合，多个CPU核芯以单簇的方式一起工作，可发挥更强大的性能，避免“1核有难，7核围观”的状况。紫光展锐SC9863采用的是8核Cortex－A55的组合方式，而高通骁龙845是4核Cortex－A75与4核Cortex－A55的组合方式。
SC9863芯片平台的AI能力体现在支持基于深度神经网络的人脸识别技术，可实现快速精准的人脸认证；通过智能AI算法，实现实时智能场景检测识别、不同场景智能拍照增强、支持手机侧图库照片的智能识别与分类。但是，没有加入独立的神经处理单元，计算能力是否会出现折扣不得而知。
6、瑞芯微RK3399
RK3399Pro采用big．LITTLE大小核CPU架构，双核Cortex－A72＋四核Cortex－A53＋四核ARM高端GPU Mali－T860，其集成的NPU（神经网络处理器）融合了Rockchip在机器视觉、语音处理、深度学习等领域的多年经验。相较传统芯片，典型深度神经网络Inception V3、ResNet34、VGG16等模型在RK3399Pro芯片上的运行效果表现出众。
RK3399Pro的AI特性有三点：
1）AI硬件性能高，采用专有AI硬件设计，NPU运算性能高达2．4TOPs，高性能与低功耗指标均大幅领先：相较同类NPU芯片性能领先150％；相较GPU作为AI运算单元的大型芯片方案，功耗不到其所需的1％；
2）平台兼容性，RK3399Pro的NPU支持8bit与16bit运算，能够兼容各类AI软件框架。现有AI接口支持OpenVX及TensorFlowLite／AndroidNN API，AI软件工具支持对Caffe／TensorFlow模型的导入及映射、优化；
3）完整方案易于开发，Rockchip基于RK3399Pro芯片提供一站式AI解决方案，包括硬件参考设计及软件SDK，可大幅提高全球开发者的AI产品研发速度，并极大缩短产品上市时间。
从以上六款带有AI功能的芯片来看，在架构上基本都是采用了多核模式，以八核为主；另外，关于AI运算，在原有CPU、GPU的基础上增加独立神经元计算处理单元成为主流趋势，这样可以实现AI运算加速，从而带来更好的用户体验；在应用方面，还是以手机的人脸识别、图像处理为主，未来随着5G的商用，在自动驾驶汽车中的应用也会逐渐增加。
从对比中可以看出，国产厂商和国内厂商各占一半，从高端到低端均有覆盖，在独立神经元计算单元的集成上，只有海思、苹果、联发科的产品上已经实现，其它几家厂商还在追赶。由于智能手机强烈的市场需求，因此AI普及起来更为顺畅，但是目前需要在人脸识别和图像处理的基础上探索更多可能的应用。
