疫情的到来，让人脸解锁功能低下了高贵的头颅。

当口罩成为我们出街必备的单品，在解锁手机时，我们总要经历“人脸识别失败”—“输入密码”的繁琐过程。

为了优化人脸解锁的体验，今年早些时候国外创业者 Danielle Baskin推出了一款带有面部信息的口罩。该产品通过提取用户的面部信息，然后印在口罩外侧，用户戴上口罩后就可以拼凑成完整的脸部。

不过这个产品的解锁成功率尚不明确，并且没有大量的样本验证。那么如何让人脸识别系统不再被口罩困扰呢？

一些网友渐渐发现，随着戴口罩的时间越来越久，手机似乎在一次次人脸解锁失败中找到了“经验”，逐渐能够识别成功戴着口罩的自己。

靠着这个思路，一些科技博主也分享了更高效的教程，比如戴着口罩反复解锁，人脸识别不成功就立即输入密码，循环这个动作30分钟左右，手机便能识别出戴着口罩的自己了。

不过在实践的过程中，网友们表示不同机型的“学习”速度不一。有人将上述动作重复了20分钟便已成功，但有的人重复了上千次，手机仍然无法识别戴着口罩的自己。

为什么会出现这种情况呢？其实答案关乎手机的AI学习能力。

深度学习利器——NPU

如果你有关注近两年的手机发布会，你一定发现了手机厂商们在介绍SoC芯片时，都会重点提到NPU的升级。

所谓 NPU，就是指神经网络处理器。在一个手机芯片中，一般会分为几个功能区，发布会常提的有三个：一是擅长处理繁复任务和发号指令的CPU，二是擅长图形处理的GPU，再者就是擅长处理人工智能任务的NPU。

虽然NPU“占地”没有CPU和GPU大，但其能力却不容忽视，一台手机的智慧程度主要依赖它。

上文提到的训练手机识别戴口罩的自己，便主要归功于 NPU的能力。摄像头捕捉到人脸画面后，CPU和GPU会在极短的时间内对图片进行预处理，然后NPU和GPU来检测、提取特征，最后CPU、GPU和NPU共同完成人脸的识别和分类。

得益于日益强大的算力，整个过程已经能够做到“无感”的程度。在我们拿起手机的一瞬间，上述流程便已处理完毕。

而NPU的加入，让手机可以认识不同状态的你。早上刚醒时，即便面部浮肿，手机也知道这就是你。甚至被马蜂蜇了，嘴巴肿成“香肠”，手机依然能够识别出来。

所以经过一定量的训练后，手机便可以“无惧口罩”并认出你了。

实际上，如果只依靠算法，CPU和GPU也可以配合完成学习。但缺点是效率低，且功耗大。据《汽车电子与软件》介绍，CPU和GPU需要用到数千条指令完成的神经元处理，NPU只需要一条或几条就能完成。

另外在同等功耗下，NPU的性能是GPU的18倍。由此可以看出NPU在深度学习的处理效率方面优势明显。

说到这不得不提一下NPU的工作原理。之所以NPU的学习效率高，不是因为它喝了“N个核桃”，而是它在电路层模拟人类神经元和突触。并且用深度学习指令集，直接处理大规模的神经元和突触。通过突出权重实现储存和计算一体化，NPU的一条指令，便能胜任以往CPU和GPU的上千条指令。

我们可以对NPU有什么期待

人工智能时代，我希望看到的场景是，手机不再是被动响应用户需求的终端，而是能够主动分析、感知用户当下的需求，并可以预先提供相关服务的智慧终端。

在这方面，各家厂商还都处在起步阶段。值得注意的是，除了手机，NPU也逐渐被应用到平板电脑、笔记本电脑等移动端上。苹果的M1芯片，就拥有16核的NPU，每秒可以执行11万亿次运算，将机器学习的速度提升至11倍，这是传统PC难以企及和比拟的。

或许再过十年，当AI技术发展得更为成熟，“智能”手机是时候改名为“智慧”手机了。