江苏龙网

  1. 首页 > 人文 > >

手机AI跑分泛滥 作为消费者在挑选时究竟应该看什么？( 三 )


手机AI跑分泛滥 作为消费者在挑选时究竟应该看什么？
本文插图

手机AI跑分泛滥 作为消费者在挑选时究竟应该看什么？
本文插图
从v4的测试结果不难看出 ， 在这个版本的评分过程中 ， 降低了浮点运算的权重 ， 因此 ， 麒麟990胜出的分值相比v3版本来说 ， 大幅降低 ， 但由于v4版本依然让FP16浮点运算保持了很高的权重 ， 因此AI Benchmark的此次版本更新并未影响原有趋势 ， 对于这点 ， 我们在下图拆解的AI Benchmark的细项测试中可以更明显地看出端倪 。

手机AI跑分泛滥 作为消费者在挑选时究竟应该看什么？
本文插图
其中的Avg. Init Times (ms) ， 也就是“平均初始化时间”的数值越低越好
由于第五代Qualcomm人工智能引擎AI Engine更重视INT8定点模式 ， 因此搭载骁龙865移动平台的三星最新机型在INT8性能上更好 ， 准确度也更高 ， 并且能够获得INT8带来的省电优势 。
手机AI跑分泛滥 作为消费者在挑选时究竟应该看什么？
本文插图
此外 ， 还需要注意的是 ， 如上图所示 ， 苏黎世AI跑分还有一个问题在于 ， 其采用的是Android NN API（安卓平台基础SDK） 。 但实际上 ， 使用骁龙SDK的厂商比例为94% ， 使用Android NN API的比例小于1% 。 而苏黎世跑分由于不支持骁龙SDK ， 导致在测试中并不能发挥出骁龙平台的全部AI性能 。 而在AIMark和AITutu上则由于能够支持骁龙SDK让该平台的AI性能得到了更好的发挥 。
看过了这些测试 ， 究竟反映出了什么呢？笔者进行了一个简单的总结：
一、是否支持特定SDK会对AI跑分结果造成影响
SDK是什么？其中文译名是“软件开发工具包” ， 一般来说 ， 是AI硬件供应商提供给软件开发者、以方便其在软件端实现AI功能的开发者工具 。 例如 ， 高通有名为SNPE的SDK、联发科技有NeuroPilot、海思有HiAI等等 。 从上面的AI跑分表现可以看到 ， 当软件基于某家厂商的SDK进行测试时 ， 优势还是非常明显的！而这种优势并不是“作弊” ， 而是通过软件的兼容性优化将硬件的AI性能发挥到极致 ， 毕竟AI是通过软件与硬件的结合实现 。 因此 ， 似乎目前市面上的AI跑分的做法都过于极端 ， 对于厂商SDK的支持情况不同导致它们走向了不同的结果 ， 这样得到的分数 ， 很难让用户一目了然地了解智能手机的AI性能 。
二、对INT8与FP16运算的支持
在苏黎世AI跑分的单项得分中我们可以看到 ， 麒麟990与骁龙865分别针对不同的数据格式进行了适配优化 。 高通更重视INT8 ， 华为则选择了FP16 。 其实 ， 这两种在AI计算深度学习模型中常见的数据格式并没有优劣、好坏之分 。 只是在手机端的AI应用中 ， 往往要根据实际使用场景进行综合考量的选择 。 在现实场景下 ， 目前大多数智能手机应用采用的是INT8 ， 因其总体上能效更高 ， 并且采用INT8的AI模型效率和精度也在不断提升 。 相比之下 ， 目前FP16可以带来较高的精度 ， 但实际上绝大多数消费者应用并不需要 ， 并且其也会带来成倍增长的能耗；显然 ， INT8对于智能手机似乎要更合适一些 。
另外 ， 需要补充的一点是 ， 高通在AI方面一直不同于其他厂商 ， 采取的是异构设计思路 ， 也就是利用多种不同引擎协同完成AI任务 ， 以在精度和功耗之间取得最佳平衡 。 比如骁龙865实现的是高性能、低功耗、连接、安全等特性结合在一起的全系统AI ， 包括CPU、GPU、Hexagon处理器、ISP、Qualcomm传感器中枢、安全处理单元、调制解调器 ， 甚至Quick Charge等等 。 我们刚刚一直在谈的INT8主要是基于其中Hexagon处理器的支持——包括INT8、INT16定点运算；而与此同时 ， 其GPU实现的AI计算则最主要是FP16、FP32浮点运算 。 从中 ， 我们就能看出 ， 为了实现其所说的“在精度和功耗之间取得最佳平衡”的结果 ， 高通对INT8和FP16等等的优化实现是有一个很精细化的分工的 。


推荐阅读


上一篇：河南省招办回应考生撕他人答题卡|河南省招办回应考生撕他人答题卡：将取消全科成绩

下一篇：四川广汉燃爆事故现场明火扑灭|四川广汉燃爆事故现场明火扑灭 航拍：稻田秧苗被烧焦