手机上的人工智能性能和计算能力完全揭示
[闽南网]
自从麒麟970率先加入NPU模块以来，手机处理器似乎已经回到了核心数量战争的时代。高通和苹果通过人工智能计算设计模块在处理器中添加了人工智能计算模块，并不断提高处理器的人工智能计算能力。那么，我们应该如何衡量这些处理器的人工智能计算能力呢？我们不妨试试这些软件。
然而，在人工智能运行分数之前，我们应该首先了解主要制造商所谓的人工智能核心的用途和用途。在分析这个角色之前，我们需要解释人工智能这个流行词。
手机上的AI是什么？
人工智能实际上是指人工智能。如果在硬件层面缩小范围，则指模拟人脑结构的人工神经网络。直率地说，它是通过大量的人工神经元连接来计算模拟人类神经结构和功能的数学模型或计算模型。与传统的逻辑推理不同，基于大量数据统计的人工神经网络具有一定的判断力，在语音识别和图像识别方面具有特殊的优势。
单层神经元网络
目前，人工智能（即神经网络）的功能确实可以用于手机，集中在图像识别领域。由于手机图像识别能力的提高，各大厂商新增的各种摄影算法优化。
因此，现在最能反映移动人工智能计算能力的跑步软件使用图像处理来衡量处理器的人工智能计算能力，人工智能Benchmark就是其中的代表。
AIBenchmark
该软件主要测试了手机使用神经网络识别和处理图像的能力。并通过9个独立的神经网络执行不同的图像识别任务，以检查主要处理器的人工智能处理能力。
这九个不同的神经网络分别针对不同的识别任务。一是对象识别/分类。通过输入不同的图片进行训练，人工智能可以区分大量的图片。在人工智能网络中，它还使用不同像素的分辨率进行识别，以便更准确地检测小物体。
对象识别测试
这与我们常见的“智能识别”密切相关。虽然各大厂商都推出了这个功能，但是识别精度不同，所以这个项目在跑分上还是有说服力的。
此外，识别还分为物体识别和面部识别。在面部识别方面，人工智能将面部图像分解为不同的特征点，然后与库里特征点进行比较，最终输出最相似的结果。
面部识别测试
在我们的手机上，除了图片搜索图片等多对多识别方案外，还包括多对一的面部识别解锁方案。相比之下，面部识别方案需要比较的库里数据处理量较少，但面部识别的神经元网络需要在特征点采集方面进行更深入的细节训练。
之前的人工智能应用程序是识别-比较链接，而这一步的人工智能更倾向于图像处理链接。例如，在缺乏光学变焦的手机上，如果你放大图片，你会发现细节部分的噪音非常突出，因为它的细节部分都是由算法补充的。通过训练，人工智能可以识别过渡部分周围的像素，并在计算后自动填充，使图片更加光滑和自然。
使用神经网络去模糊图像
语义图像分割是图像识别的进一步应用，也是基于大量的图像识别，然后对整个图像识别的结果进行分类和标记。此外，AIbenchmark还测试了照片增强链接。这个功能更常见，通常被称为照片人工智能模式，可以根据预定的算法预设识别图片场景，如图片集体照明、蓝天白云饱和度提高等。
分割图像语义
这么多测试都是基于图像识别的，但对于普通手机来说，大量的图像计算会消耗大量的内存，所以最后一个测试也是对手机内存大小的测试。
内存的大小也限制了识别图像的大小
说了这么多，我们来看看市场上处理器的运行分数结果。我们将提供AIBenchmark的官方运行分数梯图，您也可以下载该软件（搜索AIBenchmark）来测量您手机的人工智能性能。
AI跑分排行榜
需要注意的是，前三名是开发平台上测试的处理器。由于平台不同，性能与手机内部的同一处理器不同是正常的。
与此同时，这款跑分软件也有很大的局限性，比如iOS系统还没有得到支持，但相信未来会有更全面的AI评分标准。
毕竟目前手机AI处理还处于“初级”水平，未来还有很长的路要走。手机阵营三大芯片巨头谁赢谁输还不得而知。
