自從麒麟970率先加入NPU模塊後，手機處理器似乎又回到了當初核心數量大戰的時代，高通和蘋果紛紛在處理器中加入AI計算模塊，通過針對AI計算設計模塊，不斷提高處理器AI算力。那我們該如何衡量這些處理器的AI算力呢？我們不妨試試這些軟件。

不過說AI跑分之前，我們首先要搞清楚各大廠商所謂的AI核心到底有什麼用，是幹什麼的。而要分析作用之前，我們需要先解釋清楚AI這個流行詞。

手機上的AI到底是什麼東西

所謂AI，其實就是指人工智能，如果将範圍縮小在硬件層面，就是指模拟人類大腦結構的人工神經網絡。說白了，就是模拟人的神經結構和功能的數學模型或計算模型，通過大量的人工神經元聯結進行計算。不同于傳統邏輯推理，基于大量數據統計的人工神經網絡具有一定的判斷力，在語音識别和圖像識别上特别有優勢。

單層神經元網絡

而目前手機真正能用到AI（也就是神經網絡）的功能也就集中在圖像識别這一領域，各大廠商新加入的各種拍照方面的算法優化，也正是得益于手機圖像識别能力的提升。

所以，現在最能體現手機AI算力的跑分軟件，都使用了圖片處理來衡量處理器的AI算力，AI Benchmark就是其中的代表。

AI Benchmark

這款軟件主要測試了手機使用神經網絡識别和處理圖像的能力。并通過9個獨立的神經網絡執行不同的圖像識别任務，考察各大處理器的AI處理能力。

這9個不同神經網絡分别針對不同的識别任務，其一是對象識别/分類，通過輸入不同的圖片進行訓練，AI能夠對數量龐大的圖片進行區分，在AIbenchmark中，它還使用了不同像素的分辨率來進行識别，以進行更精确和細小物體的檢測。

對象識别測試

這一點與我們現在常見的“智慧識别”息息相關，雖然各大廠商都已經推出了這項功能，但是在識别準确率上都有所差别，因此這一項在跑分中還是擁有一定的說服力。

此外，識别也分為物體識别與面部識别，在面部識别上，AI将會将面部圖像分解為不同的特征點，然後通過與庫裡特征點進行比對，最終輸出最近似的結果。

面部識别測試

在我們的手機上，除了圖片搜圖片這種多對多的識别方案，也包括多對一的面部識别解鎖方案。相比而言，面部識别方案需要比對的庫裡數據處理量雖然少，但是在特征點采集上面，面部識别的神經元網絡需要經過更深次的細節訓練。

之前的AI應用在于識别-對比環節，而這一步的AI則偏向圖像處理環節。例如在缺少光學變焦的手機上，如果你放大圖片的話，你會發現細節部分的噪點會十分突出，這是因為它細節部分全部都是由算法補充出來的。通過訓練，AI能夠對缺少過渡部分周圍的像素進行識别，并且經過計算後自動填充，使得畫面更加平滑自然。

使用神經網絡對圖像進行去模糊處理

而語義圖像分割則是圖像識别的進一步應用，也是立足在大量的圖像識别上，然後針對整個畫面識别的結果進行分類并加以标明。除此之外，AIbenchmark還測試了照片增強環節，這一項功能比較常見，就是常說的拍照AI模式，能夠對畫面場景進行識别以後按照預定的算法預設進行調整，比如說畫面集體提亮，藍天白雲飽和度拉高等。

分割圖像語義

前面說了這麼多測試全部都是建立在圖像識别上，但是對于一般手機而言，大量的圖像計算會消耗大量的内存，所以最後一個測試，也是對手機内存大小的測試。

内存大小同樣會限制識别圖像大小

說了那麼多，我們來看看目前市面上的處理器跑分成績到底如何。我們将AI Benchmark官方的跑分天梯圖奉上，大家也可以自己下載這個軟件（搜索AI Benchmark即可），測測自己手機的AI性能究竟如何。

AI跑分排行榜

需要說明的是，目前跑分的前三名都是開發平台上測試的處理器。既然平台不同，性能和手機内部的同款處理器有差别也屬于正常。

同時這個跑分軟件也有很大的局限性，比如尚未支持iOS系統等問題，不過相信未來還會有更全面的AI評分标準。

畢竟目前的手機AI處理還處在“初級”水平，未來的路還很長，手機陣營三大芯片巨頭誰勝誰負還未可知也。

調查區域：有獎調查:愛奇藝電視果用戶認知情況調研(點擊預覽可查看效果)

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部