2017年9月2日，在 IFA 2017上华为推出了麒麟 970 芯片。在这块芯片中搭载了一颗用于神经元计算的独立处理单元，英文名 Neural Network Processing Unit，简称 NPU。
2017年9月12日，苹果发布了三款手机，iPhone8、iPhone 8P和iPhone X。从外在看这三款手机的差异还是很大，但在内在这三款手机有一个共同的“黑科技”，那就是苹果称之为“仿生处理器”A11处理器。
在这两场发布会上，两家公司在介绍这两款芯片的时候不约而同的都采用了“吊打CPU”的思路，用以强调这块芯片所带来的性能的提升。但华为的NPU和苹果的仿生芯片到底是什么呢？
其实就芯片本身，这两款芯片并没有涉及太多经天纬地的“黑科技”，可以简单的认为，就是在CPU的基础上引入了针对特定场景优化的协处理器。而“协处理器”这个概念早已有之。
协处理器，这是一种协助中央处理器完成其无法执行或执行效率、效果低下的处理工作而开发和应用的处理器。（摘自“百度知道”）
因为CPU是针对通用的计算任务设计的芯片，所以虽然CPU可以适应各种计算应用场景，但CPU无法针对特定的场景进行优化（因为针对特定场景的优化，往往可能导致在其他场景的“劣化”）。在此背景下，如果想要对特定的场景加以优化，一种常见的做法就是引入协处理器。协处理器仅负责特定类型的计算任务，因而可以针对这个场景进行“深度”优化。
具体到NPU和仿生芯片，它们的优化方向就是针对神经网络类型的运算的优化。通过优化可以获得更好的处理效率，更低的处理能耗开销，在体积等方面往往也有诸多优势。
剩下的问题就是“为什么要优化神经网络类型的运算”呢？当前神经网络类型的运算的应用场景越来越多，而其中很多场景对手机来说越来越重要。
学习用户行为。通过了解用户经常会在哪些地方做什么事情，来分析用户的使用习惯，目的是在经过一段时间的学习之后，自动为用户在某些场景实现某些功能或是有针对性的进行系统资源优化（如电量、性能、运存等）。比如：华为的Mate10中引入了智能省电的功能，通过学习用户的行为主动的帮助用户调度各个应用的内存和CPU占用，从而达到省电的目的。
图像识别。图像识别是神经网络技术应用最广泛，也最为成熟的领域。通过提升手机的图片处理能力，可以更加高效而自动化的针对不同的场景进行相机参数的设置，从而实现“随手拍出好照片”，也可以更加充分的利用照片中隐含的信息（拍照位置、照片中的人物、人物的样貌和表情等）实现各种扩展应用。比如：iPhone X支持面部解锁（FaceID） ，这就要求手机在极短的时间内完成对人脸的3D轮廓数据的处理和识别，这就需要有相应的“协处理器”完成相关处理。
