无论当前手机市场多热闹，有一点不可否认的是——以苹果iPhone X为代表的传统“洋品牌”和以华为Mate 10为国货代表的两大智能手机产品已成为目前市场上最为瞩目的焦点，同样的时间节点，同样定位的产品特征，甚至是部分重叠的价格区间。
一面是国产手机的崛起，一面是洋品牌的占有率下降。从近几年每代iPhone的发售情况来看，iPhone 7系列无疑最畅销，而到了iPhone 8与iPhone X同台较量的时候，iPhone 8明显遇冷，被给予厚望的iPhone X姗姗来迟，在预约当日一路炒高价格，但临近正式发售时却被爆出了订单缩减，供货加快的情况，市场预期被拉低。
回到华为Mate7刚刚发布的时候，大屏+长续航的特点成为了商务旗舰的新标杆。也正是基于此，国产旗舰产品出现了少有的一机难求和市场加价销售的情况，成为近几年来国产手机市场中不多见的景象。华为Mate系列一战成名，延续到了刚刚发布的Mate 10。
一度被认为创新乏力的苹果在祭出了“刘海全面屏”+内置神经网络处理引擎A11处理器的iPhone X之后，似乎有了回暖的迹象，也并不能否认iPhone X或许会创造苹果销量的新高。但相似的点在华为Mate 10系列机型上也同样有所体现：面积更大的全面屏、晶体管更多且具备神经网络处理单元的人工智能处理器，全新一代的旗舰标杆级产品。
具体到这两款产品，他们有一个共同特点就是均采用了自主研发的处理器，并且都处于性能第一梯队。但一个很扎眼的数据可以看到，麒麟970集成了55亿个晶体管，苹果的A11为33亿个，简而言之，越多的晶体管就意味着单位时间内cpu上能同时处理的数据也就越多，运算速度更快。
那么神经网络处理单元（NPU）这个听起来神乎其神的技术，在用户体验端的结果又是什么呢？从我们目前已知的来看，神经网络处理单元的加入使得整个处理器单元更加智能，它基于云端平台大数据的计算，深度学习训练，从而实现更加智能和便捷的用户体验，比如你的手机越用会越“顺手”，它会非常符合你的使用习惯。又比如，它会记录你的喜好、判断你的下一步动作，从而在你有某些需求的时候给你最合适的推荐。
于苹果而言，iPhone X上神经网络处理引擎可为CPU和GPU分担“工作量”，包括多任务实时处理，更智能的识别人物、地点和物体，为face ID的采样和“动话表情”中人脸动态识别等提供超强的处理性能支持，并为个人隐私、安全提供有力保障。
而在麒麟970上又是怎样的体现呢？它似乎更加贴心务实。举个简单的例子，麒麟970的AI人工智能处理器在正式发布前已经针对大约1亿张照片进行了大数据式的“训练"，可在拍照时实现人工智能算法，支持AI慧眼识物、AI高倍变焦功能等，智能识别13种场景并自行调整参数，避免出现曝光、偏色问题，还原真实场景，这可能就是你日常生活中接触最为频繁的功能之一。
相信对手机摄影有一定了解的朋友，都应该知道DxO Mark吧 ？它是一家在国际上拥有绝对权威性的相机评测机构，在Mate 10发布之前，华为曾经将Mate 10 Pro送测，而DxO Mark最终给出的综合成绩高达97分，其中拍照专项评测得分更是获得了100分的成绩，这是目前手机行业中，拍照专项评测的最高分。反观苹果前不久刚刚发布的iPhone8 Plus，DxO Mark只给出了94分的综合成绩。
那么，Mate 10是如何在拍摄上战胜iPhone的呢？除了采用了全面升级的徕卡SUMMILUX-H镜头之外，还要得益于它搭载的这枚麒麟970处理器。华为将人工智能技术应用到智能手机上，基于麒麟970领先的AI能力，Mate 10在拍摄过程中能够实时分析拍摄场景，智能识别并针对不同的场景进行自动调校和参数设置，此前在麒麟970沟通会现场演示的Mate 10与iPhone 8 Plus抓拍对比，就是麒麟970拍照实力最好展现。
此外，麒麟970还支持了全球最高的通信规格LTE Cat.18/Cat.13，实现了最高的1.2Gbps峰值下载速率，并且率先商用双卡双4G双VoLTE，成功在一部手机上实现了两张SIM卡均支持4G VoLTE通话，带来主副卡一致的高清语音、视频通话体验。而对于通信方面还要依赖高通等厂家芯片的苹果而言，似乎是望尘莫及的。
现如今买手机又重回了万元时代，iPhone X对于市场的冲击着实不小，但同时它也考验着消费者的钱包。一个摆在消费者眼前很现实的问题是：iPhone X固然炫酷，但似乎脱离了主流大众消费群体，其一直被诟病的单卡、续航差等这些不够“务实”中国消费者的设计也依然存在。相比下来，华为Mate 10在全新的麒麟970芯片助力下，在通信功能、拍照能力和长续航上再进一步，更加贴合了主流消费群体的需求。
如果说苹果为将来搭建起了一套基于神经网络处理引擎而来的蓝图的话，那么华为的人工智能移动计算平台则是现阶段能让用户感知，并使用到的人工智能，是当下乃至未来很长时间内华为手机的利器。从芯片到移动设备端，再到云端协同作用，结合大数据和云技术的海量信息、服务和强大计算能力，不断积累知识模型，从而为未来无数个个人知识模型打下基础，最终打造移动端AI生态。
