今天主要聊几个事儿：简单聊下苹果M4芯片的发布NPU和CUDA未来人工智能的应用方式将会是什么样的一个状态？是大型计算集群独霸天下？还是AI PC更胜一筹？AI PC是伪需求吗？是商家炒出来的噱头吗？展望人工智能在AI PC上的深度应用场景，并如何与BIM软件深度结合，带来真正的生产力？
时间紧迫的可以略过前三部分，直接跳到第四部分看结论名词解释：M4芯片：美国苹果公司自研的M系列个人电脑芯片，基于先进的SOC技术，将CPU、GPU、NPU、内存等各种芯片封装到一起，大大提高各自之间的通信效率。
有着高性能、低功耗的显著特点NPU：一种基于神经网络处理单元的专门应用于人工智能模型推理的芯片CUDA：美国Nvidia公司的推出的一项核心技术，是一种并行计算架构，可以将自家的显卡除了用于计算图形以外，通过并行计算的方式进行其他方面的各类计算，但只能在英伟达自己的显卡上使用CUDA
AI PC：人工智能电脑，是一种集成了人工智能技术的个人电脑它通过集成NPU、CPU、GPU等硬件，在实现高性能、低能耗的同时从根本上改变、重塑和重构PC体验，释放人们的生产力和创造力AI PC可以应用于各种场景，包括图形视觉、语义理解、智能交互等。
BIM：建筑信息模型，工程建设领域信息化和数字化转型的一种必要手段，具体由各类BIM软件来执行，根据不同的建设阶段分为设计类、施工类、运维类相关的BIM软件设计类BIM软件主要有匈牙利Graphisoft公司的Archicad、美国Autodesk公司的Revit、法国Daussalt公司的Catia、美国Bentley公司的。
OpenBuildings Designer一、苹果M4芯片发布北京时间2024年5月7日晚上10点，苹果公司发布了新款的iPad Pro和全新的M4芯片这次M4芯片距离M3的发布只相差6个月，时间上确实比以往几代芯片提升很大。
当然也不排除是在相同的技术平台上做的一些优化和提升的原因，毕竟苹果官方声称是基于第二代的3nm工艺本次M4芯片除了采用全新的CPU架构，还有一个很重要的革新就是最新的16核NPU处理器，运算能力达到了38万亿次/秒，是第一代NPU（2017年9月发布的A11芯片，搭载在iphone8上）的60倍，堪称史上最强。
本人作为第一代M1芯片的用户，2020年11月刚发布M1芯片的时候，就已经尝到了该芯片的一些甜头，购买的M1 Macbook Pro所展现的性能、续航、静音、散热的综合优势，大大超出了我在之前用的所有笔记本电脑（包括Thinkpad X1 Carbon、
Thinkpad X1 Yoga以及其他各种移动工作站），在此之前我从未用过Macbook的任何产品。
二、NPU和CUDA在这之前我要先声明一个观点，看待AI的发展要理性，尤其是工程设计行业的从业者，AI现在还是处于工具层的一个阶段对于AI应用的期望不能过度的神化，也不能过度的保守不能指望任何场景都是动动嘴皮子就可以完成所有的工作。
，对于AI的应用预期一定要有个合理的判断CUDA是Nvidia公司从2006年开始布局做的一件事，确实是全行业最早的，简单说就是一些计算工作，CPU不擅长的事，让GPU来做，由于GPU的一些特性，很多场景下算力超过了CPU，CUDA的具体工作原理在此不做过多解释。
但是Nvidia和CUDA走的是一条“高能耗高算力”的路线，目前主要还是应用于大型计算集群，需要大投资、高能耗、云服务，当然带来的算力回报也是非常显著的而且CUDA目前也不允许第三方硬件兼容，也就是说只能使用。
Nvidia的产品为什么要说这个NPU呢？因为我觉得NPU是未来人工智能大范围普及应用的一个重要底层基础设施，是AI走向平民化的一个重要载体苹果公司是最早布局做NPU的，其他厂家如Intel、AMD、高通、华为都是最近几年才开始布局NPU的，并且Intel在2023年提出了“AI PC”的口号，让个人PC终端和移动终端也能去玩AI。
NPU对于隐私性比较强的或者个人移动端的场景，亦或是一些没有网络连接的场景，如笔记本电脑、平板电脑、手机、新能源汽车、智能家居，则显得更加适合匹配为什么要发展NPU呢？简单来说，如下图，很容易说明三者不同：。
CPU是线性、串行任务（指令）执行，效率较低，编程通用性较高；GPU最初设计用于处理图形和视频渲染，有了CUDA后才能实现并行处理和专用图形的并行处理，效率更高；而NPU则是天生为AI打造，“并行认知处
理”，在AI机器学习方面，效率更高。
NPU走的路线和CUDA不一样相比于CPU和GPU，NPU的优势在于高效能、低功耗、易于编程、降低了开发门槛，更擅长推理模型，同时支持多种语言和框架方便开发者进行模型开发和部署NPU的底层技术逻辑简单说是仿生学，。
在电路层模拟人类神经元和突触，神经网络是一种模仿人脑神经元结构的计算模型，用于识别模式和处理复杂的数据。它由大量的节点（类似于神经元）组成，这些节点通过连接（类似于突触）相互作用。
三、未来人工智能的应用方式将会是什么样的一个状态？是大型计算集群独霸天下？还是AI PC更胜一筹？这个问题就像云服务一样，不管是企业还是个人，都需要公有云和私有云混合的部署方案，“既需要给百度网盘冲会员，又要自己搭建NAS
”那么答案也很简单，就是两者结合像一些大厂，会选择自己搭建和部署大型计算集群，并且提供云服务但是从隐私性和个性化需求的角度来说，这就需要AI PC了，因为这是完全本地化、私有化、个性化、小范围的解决方案，会更加灵活。
而且从算力的角度来说，也可以利用云侧算力和终端算力结合，实现更高效的AI应用AI PC的发展，也会让AI的应用更加具有生命力、应用人群更加广泛、应用场景更加丰富，只有用的人多起来了，产品才能迭代，技术才能发展。
所以，任何高大上的技术是一定要走出象牙塔，走向平民化，才会有更大的发展要说算力，其实AI PC的算力也没有想象中的那么弱，现在苹果基于3nm技术的M4芯片的NPU算力是到了一个什么样的高度呢？给大家这么解释，看下。
图，这是美国的显卡禁令榜单，我们熟知的4090显卡，TF32算力是82.58TOPS，微软要求AI PC的算力要能达到40TOPS，目前只有高通预计今年下半年出货的Snapdragon X Elite达标，其算力可达45 TOPS。
而现在M4芯片（4大+6小版本）的NPU算力就已经达到了38TOPS，大家可以期待下后面发布的M4 Max和M4 Utral芯片，以及两年后的M5芯片。
而且以上只是单从算力的角度来说，具体孰强孰弱，还是得看各类终端的软硬件一体化的应用体验，这样以来，苹果这种多年来软硬件一体化发展就更占优势了目前，单从平板电脑这个终端的软硬件体验来看，苹果最新发布的iPad Pro在近几年内没什么对手可以抗衡，双层OLED的屏幕加上M4的芯片，再加上iPad软件生态本身的丰富性，确实很强。
四、AI PC是伪需求吗？是商家炒出来的噱头吗？展望人工智能在AI PC上的深度应用场景，并如何与BIM软件深度结合，带来真正的生产力？AI PC肯定不是伪需求，也不是噱头并且将在2-3年内会有大规模的市场增长。
但是AI PC的用户体验想做好，对于厂商软硬件一体化的兼容和优化能力要求很高，这也不难解释为什么苹果最早布局NPU，因为苹果的发展路线一直都是硬件和系统一体化发展路线Nvidia的CUDA确实是一张好牌，但是也不是无敌的。
首先未来NPU的发展能不能串联起来组成大型计算集群也不好说，一切都是有可能的；其次NPU的高性能、低功耗的优势太明显了，符合“专业的工具干专业的事”，而且NPU的整体生态相对于CUDA是比较开放的，不是封闭的，基于现在发展迅猛的封装技术，可以搭载于多种硬件平台上，目前国内外很多厂家都在大力发展NPU，在此就不一一列举了。
从科学的角度来说，BIM模型其实是一种对于现实物理世界的仿真模拟，我们行业内的术语叫虚拟建筑（Virtual Building）或者叫数字孪生（Digital Twins）那么AI和BIM软件深度结合应用，就不是文生文、文生图这种级别的应用了，这是无法满足BIM模型的精度和深度的。
首先是需要一些底层技术的突破，要求计算机能理解物理世界的基本逻辑和规律，比如重力、漂浮、挤压、碰撞、渗透、虹吸、导热等等，还有一些自然现象，如风、光、声、下雨、闪电等等，这个过程就好像我们小学时候上的自然课或者初中阶段的物理课，但是我觉得仅是这个基础阶段，应该都挺难的，不过现在世界上已经有些科学家和机构在开始这方面的探索和研究了，具体以后再聊。
然后文字类和图片类的学习肯定要喂大量的建筑学类和工程类相关的数据，最后很重要的一点是还要能把矢量的图形数据喂给AI，而且AI可以学习矢量图形文件，如DWG文件或者BIM文件，这样才能使AI精准的判断和学习。
如果是像素级的图形文件，那是不行的，这种文件无法满足工程设计的精度要求有了以上的这些基础的工作条件成熟后，才能开始幻想上层的功能应用，先不说“文生模”这种终极应用了，这个实现路径更加复杂。
就先说尺寸标注这件事，能训练好并且调教好，都是件不容易的事，每家公司的尺寸标注习惯或者注释表达习惯都不一样，所以这时候就要采用大型计算集群和AI PC两者结合的技术方案了，云端大模型先提供一个样板标注模型，然后再用本地的AI PC进行优化。
好啦~今天先简单聊这么多，以上观点，不一定成熟，欢迎大家拍砖讨论。欢迎大家转发讨论~
亲爱的读者们，感谢您花时间阅读本文。如果您对本文有任何疑问或建议，请随时联系我。我非常乐意与您交流。
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。