你花钱买的AI算力，却被用来监视自己了？ - 骰宝概率

从多年前开始，我们三易生活便持续对“NPU”这一概念提出质疑。无论厂商如何宣传其强大功能，用户实际体验到的现实是，NPU在手机和PC上似乎并未带来实质性的应用价值。

以手机为例，某些厂商声称NPU用于辅助拍照时的图像优化。然而，我们（以及许多消费者）观察到的情况是，即便是顶级影像旗舰，拍照过程中仍需联网，依赖“云端大模型”进行细节增强或长焦处理。一旦手机在拍照时断网，生成的图像就会变得不够清晰。

当然，游戏玩家可能记得，去年有手机厂商宣称利用NPU辅助GPU运算，实现游戏原生“超帧超分”。但结果呢？今年秋季发布的新款旗舰平台，普遍在GPU中集成了神经加速器，其卖点是不再需要将数据传至NPU，从而降低延迟、减少功耗，这实际上暴露了“NPU超分”的诸多缺陷。

至于PC领域，NPU的存在几乎成了“笑话”。虽然某些专业视频剪辑、影音直播软件可调用NPU加速画面或音频处理，但除此之外呢？对绝大多数非专业用户而言，NPU在PC上确实毫无用处。

你认为无用的NPU，广告商却用得得心应手

平心而论，无论手机还是PC，绝大多数用户至今仍未等到那种“非NPU不可”且对日常生活至关重要的杀手级应用。然而，另一群人却充分享受了NPU的“时代红利”，这就是令大多数人“深恶痛绝”的广告商。

我们刚与别人聊起一个话题，几分钟后，手机购物软件便推送了相关优惠券；下午在手机上搜索的商品，当晚家中电视的开屏广告恰好与之相关；早上在办公室与同事讨论“吃什么”，工作时电脑屏幕右下角便弹出了减肥药广告。

相信每个人都经历过类似情形，或许你也曾思考，他们如何能如此精确地“监控”你，不仅知道你在键盘上输入了什么，甚至连你刚说的话、做的事，都仿佛能“监听”和“监视”。关于各类智能设备监控用户的报道，几乎每隔一段时间就会出现，只是很少有真正被实锤的案例。

直到最近，随着多家电视厂商被接连曝出对用户采取监控手段，我们才得以窥见这种广告监控手段的“冰山一角”。特别值得注意的是，那些被许多人认为“不知道有什么用”的NPU，在此类用户监控过程中往往扮演了关键角色。

例如，某品牌电视被发现能借助NPU，实现对家庭环境中特定声响的精确检测，这些声音记录会被发送至企业云端服务器。还有研究显示，电视NPU中的特定电路专门用于分析用户“看过哪些视频”，甚至包括用户日常使用中看了哪些广告、跳过了哪些广告，NPU也能清晰识别并记录下来，最终成为相关企业进行针对性广告推送的依据。

近日被曝光的部分监控代码显示，对记录到的声响存在“端侧分类”。

此外，相关研究还发现，一些非常“聪明”的智能设备不仅会在此过程中扫描家中所有无线设备，甚至尝试“劫持”与其连接的智能音箱等终端，使其成为监听、监视用户的“帮凶”。而这些设备上的NPU，此时发挥了关键作用。

因为有了NPU，这些监控数据可以在设备端进行“分拣”，提取关键信息，而无需全部传输至云端服务器进行分析。这样一来，广告商用着你的电，把你的活动、喜好全摸清了，自己还节省了服务器算力和流量，可谓“一举多得”。

为什么是NPU？因为它本就擅长此事

可能有人会说，我知道某些智能设备会偷偷监控用户，但这与NPU有何关系？难道没有NPU，这些设备靠CPU、GPU，不也能运行这些监控功能吗？

实际上并非如此，问题的关键就在于NPU本身的功能特殊性。

首先，CPU和GPU这两类处理器，无论手机、电脑还是其他智能设备（如电视），它们的一大特点是功耗较高，适合处理高负载的短期任务。如果长期运行，势必会带来明显的发热情况。

不妨设想一下，如果你的手机明明未使用，却动不动就“自己发热”，相信谁都会发现问题。

但NPU呢？它的绝对性能不高，功耗也非常低，哪怕一直在后台偷偷运行监控代码，也不会产生可察觉的功耗与发热。

而且NPU擅长的，正是那些需要持续运行的小模型。这些模型难以承担用户所需的持续对话、内容生成，却适合用于录音分析、数据特征提取等。说得直白些，NPU的架构特征“天生”就适合用于持续监控和分析用户行为。

花钱让人监控自己？关键还是缺乏激励

从表面上看，如今的情况成了一种极为讽刺的现实。普通消费者完全未感受到NPU的实用价值，却又无法“避开”它，实际购买设备时，还要为这个自己用不上的功能付费。

然而，广告商早已将NPU的特性摸得一清二楚，并充分利用它去收集用户行为。这样不仅难以被察觉，还能为广告商节省流量和云端算力，结果变成了“广告商用NPU、用户来付费”的局面。

但造成这一现状的原因，仅仅是因为广告商太奸诈、用户防不胜防吗？恐怕不能如此简单下结论。

对广告商而言，这其实是一笔再清楚不过的账。NPU每多运行一个模型，就相当于多雇了一个不用发工资、也不用休息的“数据分拣员”；每多识别出一个用户特征，用户画像就完善一分，广告点击率就可能提升一点。而本地完成分拣所省下的服务器算力和流量，则是实打实的成本削减。

一进一出，全是真金白银，也就难怪他们愿意养着最顶尖的工程师，把每一颗NPU的性能都榨干。在他们眼中，NPU从来不是营销噱头，而是日夜运转的印钞机。

普通开发者面对的，却是另一番景象。首先是碎片化问题：高通、联发科、苹果、三星、英特尔、AMD，每家的NPU都有自己的SDK和编程规范，为一家做的适配，换个平台就全部作废，小团队光是应对这些平台就得脱层皮。更令人泄气的是，即便咬牙完成适配，也看不到任何回报。毕竟用户不会因为一个App“支持NPU加速”就多掏一分钱，甚至可能根本感知不到。而且后台功耗低一点、画面加载快一点，在应用商店里既换不来下载量，也换不来好评。

所以问题的根源，从来不是NPU不行，更不是开发者懒，而是围绕这个计算单元的利益分配出现了偏差。

将NPU用于监控，收益集中在少数几个厂商手里，他们自然有十二万分的动力往前推进。但这个计算核心的成本——购机款、电费以及隐私上的代价——却由亿万分散的用户来分摊，每个人的损失都不显眼，因此很难拧成一股绳。收益高度集中、成本极度分散，这才是NPU“正道无人走、邪路满地跑”的真正原因。

互联网行业有句老话，“如果你没有为产品付费，那你自己就是产品”。而NPU则讲了一个更荒诞的故事：你明明已经为产品付了费，却依然还是那个产品；甚至你还买下了那台把你加工成产品的机器，替它供电、为它散热，再看着它把你的一举一动打包卖给别人。

什么时候NPU能真正为用户运转起来，取决于用户的意愿什么时候能变成真金白银的激励，或是变成法律法规上的硬性要求。在那一天到来之前，它的算力越强，恐怕就越与你无关。

【本文部分图片来自网络】

本文来自微信公众号 “三易生活”（ID：IT-3eLife），作者：三易菌，36氪经授权发布。