หัวเว่ยเดือนที่ผ่านมาเปิดตัวโปร P20 และ P20 อันดับหมู่ที่ดีที่สุดในวันที่ตีพิมพ์ของกล้องโทรศัพท์มือถือ DxOMark และอัตราชั้นนำที่ไม่ได้ 1 จุด 2 จุดก่อนที่โปร P20 กว่าด้านบน Samsung Galaxy S9 พลัสสูง 10 คะแนนก็อาจกล่าวได้ ไม่ได้เป็นยุค แต่หนึ่งหรือสองข้างหน้าของเวลา. แน่นอน P20 Pro 1 / 1.73 นิ้วของข้อกำหนด CMOS คือหลีกเลี่ยงไม่ได้ที่บางคนพาล แต่ P20 CMOS ขนาด 1 / 2.7 นิ้วเมื่อเทียบกับ Galaxy S9 พลัสพิกเซล 2 เป็นเพียงรายละเอียดเล็กน้อย สูง แต่คุณภาพการถ่ายภาพของมันยังมีข้อดีที่เห็นได้ชัดข้อได้เปรียบนี้มาจากไหน?
เพิ่มคุณภาพของการถ่ายภาพคือการมีความคิดที่สองเป็นฮาร์ดแวร์ต่อสู้รุนแรงเช่นการใช้พื้นที่ขนาดใหญ่พิกเซลขนาดใหญ่ CMOS เพิ่มเสถียรภาพภาพกลแสงรูรับแสงขนาดใหญ่และที่สองคือความคิดของอำนาจอ่อน: อัลกอริทึม และการเพิ่มประสิทธิภาพ
ความคิดแรกคือกรณีทั่วไปคือ Samsung Galaxy S9 พลัสก่อนกาแล็กซี่ S8 ญาติกล้องพื้นฐาน Galaxy S7 เพียงเครื่องหมายเวลาในขณะที่กาแล็กซี่ S9 พลัสบุกเบิกการใช้1.4μmใหม่ CMOS DRAM กับกองสามชั้น แต่เพียงแค่นี้ เป็นปัจจัยรองเพื่อเพิ่มภาพของปัจจัยหลักที่จะก้าวไปข้างหน้าจริงดีองค์ประกอบแสง Leap Forward, กาแล็กซี่ S9 พลัสก้าวหน้าใช้รูรับแสงขนาดใหญ่ของ F1.5. แต่การใช้เช่นรูรับแสงขนาดใหญ่จะต้องจ่ายราคาสูง ครั้งแรกมากกว่า F1.8 รูรับแสงขนาดใหญ่ของการผลิตเป็นเรื่องยากมากที่อัตราผลตอบแทนที่ต่ำมากส่งผลให้การผลิตที่สูงค่าใช้จ่ายโมดูลกล้องและรูรับแสงที่สองมีขนาดใหญ่เกินไปในฉากที่สดใสจะทำให้ภาพสว่างเกินไป, GS9 แนะนำแม้ร่างกาย การเปลี่ยนม่านตาเพื่อแก้ปัญหานี้จะช่วยเพิ่มความซับซ้อนในการประกอบกล้องและลดความน่าเชื่อถือ
ความคิดก็คือการเพิ่มประสิทธิภาพขั้นตอนวิธีการซอฟต์แวร์กรณีทั่วไปเป็นพิกเซลที่ 2 12.2MP พิกเซล1.4μmข้อกำหนดฮาร์ดแวร์ f / กล้องเดียว 1.8 ไม่ได้พูดเกินจริงมาก แต่ก็ยังสามารถครอบงำ iPhone X และมอนสเตอร์ฮาร์ดแวร์อื่น ๆ หนึ่งเสียง นี้ขอบคุณ DeepLab-v3 + อัลกอริทึม. ขั้นตอนวิธีการนี้จะขึ้นอยู่กับความลึกของการเรียนรู้ AI เครือข่ายธรรมชาติการวิเคราะห์แบบ real-time สามารถดำเนินการได้ในที่เกิดเหตุระบุเนื้อหาฉากเป้าหมายสำหรับการเพิ่มประสิทธิภาพ. HDR + และการประมวลผลฉากในระดับหนึ่งเพื่อหลีกเลี่ยงกรณีตาก ที่เกิดขึ้น. DeepLab-v3 + ขั้นตอนวิธีการแสดงความสามารถเปิดประตูมากที่สุดคือกล้องเพียงตัวเดียวเพื่อให้บรรลุความลึกของเขตการถ่ายภาพผ่านขั้นตอนวิธีการทำงานดังกล่าวจะดำเนินการต้องใช้จำนวนมากของการเข้ารหัสและถอดรหัสการดำเนินงานการสุ่มตัวอย่างหลายและการแปลงจำนวนเงินของการคำนวณเป็นอย่างมาก. Google พิกเซล 2 เพื่อให้บรรลุ คุณลักษณะนี้แม้จะมีชิปเร่งการพัฒนาเป็นพิเศษเรียกว่าพิกเซลภาพหลักในการดำเนินการประมวลผลทางคณิตศาสตร์ชิปเร่ง FPU ประสิทธิภาพลอยจุดเป็นครั้งที่ห้าแอปเปิ้ล A11 ไบโอนิค. นอกจากนี้ Google ยังจะมีลักษณะเป็นกลาง DeepLab-v3 + อัลกอริทึม มาเปิดฟรีเพื่อแบ่งปันกับคนทั่วโลก. แน่นอน Google จะยังทำความคิดเล็ก ๆ ของตัวเองบนมือข้างหนึ่งคุณสามารถใช้ประโยชน์จาก ฟรีเปิดแหล่งที่มาการพัฒนาทรัพยากรของชุมชนในการดำเนินการปรับปรุงในมืออื่น ๆ คู่แข่งประสิทธิภาพ Qualcomm Xiaolong AI ของมันไม่ได้ดีเท่าที่ 835/845 A11 และนี้ไม่จำเป็นต้องเรียกใช้อัลกอริทึมที่มีประสิทธิภาพสูงมากดังนั้นไม่ต้องกังวลคิดว่าคนอื่น ๆ เดียว นอกจากนี้ยังมีอัลกอริทึมที่ไม่มีประสิทธิภาพเพียงพอที่จะใช้
เปรียบเทียบและวิเคราะห์ตัวอย่าง P20
แต่ในเรื่องนี้ Google ได้คาดคะเนหัวเว่ย Kirin 970 หน่วยประมวลผล NPU สร้างขึ้นนำก็สามารถให้ประสิทธิภาพเพียงพอที่จะประสบความสำเร็จในระดับเดียวกันของประสิทธิภาพการทำงานที่มีคุณภาพด้วยขั้นตอนวิธีนี้ขึ้นอยู่กับความลึกของการเรียนรู้เพื่อเพิ่มศักยภาพในการถ่ายภาพขึ้นอยู่กับความลึกของการเรียนรู้ อัลกอริทึมของ AI คือวิธีการเพิ่มคุณภาพของผลการดำเนินงานลองมาดูที่หลักฐานเปรียบเทียบ DxO (ที่มาเปรียบเทียบ :. https://www.dxomark.com/huawei-p20-pro-camera-review-innovative-technologies ผลการค้นหาที่ได้รับ / การเปรียบเทียบเฉพาะของต้นฉบับสามารถดูได้จากหน้านี้)
แสงน้อยและป้องกันแสงสะท้อน
มันเป็นฉากกลางคืนทั่วไปหัวเว่ย P20 มุมซ้าย Pro ด้านล่างของเพดานที่จะเรียกคืนสีดำจริงในขณะที่ iPhone X และพิกเซล 2 ตากเห็นได้ชัดที่ต่ำกว่าถนนขวา iPhone X และพิกเซล 2 ยังแสงจ้าอย่างมีนัยสำคัญ. P20 ศึกษาเชิงลึก Pro ที่ดำเนินการโดยที่เกิดเหตุ การตรวจสอบในระดับใหญ่ที่จะหลีกเลี่ยงการตากเกิดขึ้น. และที่มุมขวาบนของสาขาหัวเว่ย P20 รายละเอียดโปรที่ดีขึ้น แต่ไม่ได้ความคมชัดมากเกินไปจะนำไปสู่ความอดทนที่จะเพิ่มขึ้นนี้เป็นพื้นที่ขนาดใหญ่ของเซ็นเซอร์ความไวสูงที่ดีขึ้น + ผลของการกระทำร่วมกันของอัลกอริทึมปลาย
ซูมและเสถียรภาพภาพแสง
ผมเป็นคนไร้เดียงสาพอที่จะคิด outsole ความยุติธรรม แต่นี้เป็นเพียงข้อมูล DSLR แต่ในพื้นที่มือถือเป็นกรณีที่ไม่. ก่อนโซนี่ / Meizu outsole เซ็นเซอร์ครั้งกับ 1 / 2.7 นิ้ว แต่ยังเกิดจากปลายขนาดใหญ่โทรศัพท์ พื้นที่ไม่สามารถเพิ่มการรักษาเสถียรภาพภาพออปติคอล OIS ผลที่ได้คือคุ้มค่าเทียนผมเคยคิดว่า outsole และการรักษาเสถียรภาพภาพแสงเช่นปลาและตีนหมีไม่สามารถมีทั้ง
หัวเว่ย P20 Pro คือการแนะนำนวัตกรรมใหม่ของการทำงานของเอไอเอสเพื่อที่จะสามารถนำเข้าบัญชี CMOS ท้ายขนาดใหญ่และเสถียรภาพภาพแสง. มันอาจจะทำงานโดยกรอบการเคลื่อนไหวที่จะตัดสินแนวโน้มของกล้องมือถือผ่านสามและจากนั้นอีกครั้งโดย AI หลังการรักษาโดยหลายเฟรมมีเสถียรภาพ อัลกอริธึมทำการป้องกันภาพสั่นไหวและเสร็จสิ้นภารกิจที่ฉันเคยคิดว่าไม่สามารถทำได้
ฉากบุคคล
แบรนด์ต่างประเทศโทรศัพท์มือถือถ่ายภาพบุคคลและถ่ายภาพความงามที่ได้รับการล้าหลังแบรนด์ในประเทศเหตุผลคือการขาดความสนใจของประเทศที่เป็นเรื่องเร่งด่วนมากขึ้นสำหรับภาพและความเจ็บปวดความงามจุดที่บังคับให้ผู้ผลิตโทรศัพท์มือถือในประเทศมีการป้อนข้อมูลเพิ่มเติมในเรื่องนี้. หัวเว่ยใช้เต็มรูปแบบของข้อได้เปรียบของเทคโนโลยีสำหรับการจดจำใบหน้า 3 มิติโดยตัวละคร AI เผชิญกับขั้นตอนวิธีการเรียนรู้ที่ลึกและสีเพื่อเพิ่มประสิทธิภาพและเพิ่มผิวข้างต้นพิสูจน์ P20 Pro แม้สีดอกกุหลาบและการเคลื่อนย้ายมากขึ้น. เพราะตัวละครที่มีการเปลี่ยนแปลงเวลาจริงที่จำเป็นสำหรับเวลาจริง ภาพถูกวิเคราะห์และเปรียบเทียบกับผลการเรียนรู้ลึกของเครือข่ายประสาทเทียมก่อนหน้าเพื่อให้กลายเป็นข้อมูลใบหน้า 3 มิติและปรับให้เหมาะสมแล้วปริมาณการประมวลผลแบบเรียลไทม์ยังคงมีอยู่มาก
ฉาก HDR
ฉากนี้เป็นภาพ แต่แสงไฟสว่างของฉากนอกหน้าต่างสูงเกินไปหน้าต่าง iPhone X ของการตากร้ายแรงพิกเซลควบคุม 2 ตากที่ดีขึ้นในขณะที่ P20 ควบคุม Pro เป็นสมบูรณ์แบบมากขึ้นในขณะที่ตัวละครภายในหรือมืดเกินไป. เนื่องจากความลึก ที่เกิดเหตุทำให้การสะสมการเรียนรู้แบ่งออกตรวจสอบความแตกต่างของขนาดใหญ่ดังกล่าวในความสว่างของฉากที่ซับซ้อนกำหนดกลยุทธ์การสัมผัสที่แตกต่างกัน Kirin 970 NPU ประสิทธิภาพการทำงานที่มีประสิทธิภาพทำให้กระบวนการเหล่านี้ความสะดวกมากขึ้น
Dual-ใช้กล้องเริ่มต้นเป็นข้อมูลที่ย่อยลึกกล้องที่ได้รับฉากเซ็นเซอร์ความลึกที่เกิดขึ้นความลึกของข้อมูลโดยการสังเคราะห์หลายกรอบและโหมดการโพสต์ แต่ในขั้นตอนวิธีการก่อน AI อายุสำหรับการระบุลักษณะเบื้องหน้าและเบื้องหลังปัญหาโดยเฉพาะอย่างยิ่ง พืชที่มีความซับซ้อนมากขึ้นมีแนวโน้มที่จะส่วนขอบของข้อบกพร่อง
ความลึกของผลข้อมูลและความมุ่งมั่นขอบ
และอยู่ในที่เกิดเหตุหลังจากที่ศึกษาเชิงลึก AI เพื่อตรวจสอบเนื่องจากข้อมูลจำนวนมากสะสมเพื่อให้ฉากกล้องของการตัดสินในเบื้องหน้าและเบื้องหลังมีความถูกต้องมากขึ้นส่วนขอบแบ่งส่วนแม่นยำมากขึ้น แต่ไม่ปรากฏข้างต้นไม่สนับสนุน dual-กล้อง AI ที่ไม่เหมาะสมจัดการขอบซับซ้อน คำถาม
โดยรวม, Kirin NPU 970-19 หมวดหมู่และอื่น ๆ กว่า 500 ฉากการฝึกอบรมการเรียนรู้เครื่องเช่นสุนัขและแมว, อาหาร, คน, Macro, ไน / ข้อความ, ดอกไม้, สีฟ้า, หิมะ, ชายหาด, ฯลฯ มีโครงการเพิ่มประสิทธิภาพที่สอดคล้องกัน . เพื่อให้บรรลุฟังก์ชันนี้ต้องใช้จำนวนมากของการสะสมข้อมูล แต่ยังข้อมูลจำนวนมากจะต้องมีการประมวลผลโดยเครือข่ายประสาทในเวลาจริงในการถ่ายภาพเพื่อให้อัลกอริทึมสำหรับการคำนวณพลังงานและนำไปข้างหน้าความต้องการสูงมาก. หัวเว่ย P20 ของการประชุมสุดยอดไม่ได้เป็นเพียงการปลูก DXOMark ข้อได้เปรียบที่หยั่งรากลึกใน CMOS และส่วนประกอบออปติคอล, ไอซิ่งอัลกอริทึมที่ดีมากขึ้นบนเค้ก. อัลกอริทึมที่ดีต้องมีผู้ประกอบการแรงที่จะรับประกัน 970 Kirin NPU ส่วนร่วม
ศึกษาความลึกของความต้องการสำหรับ AI หัวเว่ยค่อนข้างมองไปข้างหน้าการวิจัยและพัฒนาในจุดเริ่มต้นของยูนิคอร์น 970 เข้าร่วมหน่วยงานอิสระ NPU
กล่าวก่อนหน้านี้งานการประมวลผลภาพหลักคือการระบุวิเคราะห์ฉากงานนี้มีสองขั้นตอน. ขั้นตอนแรกคือการฝึกอบรมจะต้องได้รับเป็นจำนวนมากของกลุ่มตัวอย่างวิเคราะห์โดยเครือข่ายบิดประสาทการเรียนรู้ Convolutional โครงข่ายประสาทเทียม, กระบวนการฝึกอบรมสามารถ ในโทรศัพท์มือถือในประเทศก็ยังสามารถเป็นเซิร์ฟเวอร์ขนาดใหญ่ไปยังเมฆในการดำเนินงาน แต่การติดตามของภาพถ่ายใหม่, การวิเคราะห์และการตัดสินใจโดยทั่วไปสามารถทำได้ในประเทศ. แม้ว่านี่จะเป็นเพียงการวิเคราะห์ตัวอย่างใหม่เดียว แต่ยังต้องเปรียบเทียบข้อมูลก่อนและสะสม ใช่และการวิเคราะห์นี้จะสรุปได้เป็นผลการเรียนรู้เครื่อง. และเครือข่ายประสาทบิดเครือข่ายประสาทความสับสนในการประมวลผลจำนวนมากของกระบวนการตัดสินใจสาขาที่ต้องใช้ FP16 แข็งแกร่งลอยพลังการประมวลผลจุด
วอลคอมม์ Xiaolong 845 ที่เรียกว่า 'NPU' เป็นหกเหลี่ยม 685, 685 หกเหลี่ยมหกเหลี่ยมเพียงก่อนที่ 682 การเปลี่ยนแปลงขนาดเล็ก. อย่างเคร่งครัดพูดนี้สามารถพิจารณาเฉพาะ DSP มากกว่า 970 ยูนิคอร์นและ A11 เป็น NPU ในความหมายที่แท้จริง แต่เรียบง่าย หน่วยประมวลผลแบบเวกเตอร์และอำนาจ DSP คอมพิวเตอร์อาจจะถูกครอบครองโดยงานอื่น ๆ. Xiaolong 845 ที่ซับซ้อนมากขึ้น AI งานการเรียนรู้เครื่องยังคงต้องแม้ GPU CPU จะบรรลุและราคานี้เป็นอย่างมาก
นี่คือหลัก TechInsights Kirin 970 แผนภูมิเราสามารถมองเห็นด้านล่าง A53 เป็นหลักพื้นที่ขนาดเล็กชิป NPU, SoC มือถือในปัจจุบันมีเพียงแอปเปิ้ลและ A11 Kirin 970 มีความรู้สึกที่แท้จริงของ NPU
AI และการเรียนรู้ลึกไม่ได้เป็นเพียงปัญหาฮาร์ดแวร์ย้ายกระบวนการ AI เป็นระบบหลายระดับโครงการการรวมกันของฮาร์ดแวร์และซอฟแวร์. ชั้นบนสุดเป็นชั้นแอพลิเคชันซึ่งอยู่ภายใต้ API เป็นชั้นใบสมัครและชั้นฮาร์ดแวร์อินเตอร์เฟซโปรแกรมประยุกต์แบบโต้ตอบ. แพลตฟอร์ม Android ขณะนี้อยู่ในเอไอ เร่ง API ส่วนใหญ่จะเป็นที่สอง: หนึ่งของ Google Android อย่างเป็นทางการ AI รันไทม์ Compute โดยตรงภายใต้ที่คล้ายกันของ Windows ซอฟต์แวร์ที่ดีและเข้ากันได้ของฮาร์ดแวร์เป็นบรรทัดฐานอุตสาหกรรม; อื่น ๆ ที่เป็นหัวเว่ย HiAI นี้เป็น API ที่ไม่ซ้ำกันยูนิคอร์นที่คล้ายกัน ของ NVIDIA CUDA แม้ว่าจะมีข้อ จำกัด ในฮาร์ดแวร์ แต่มีประสิทธิภาพมากขึ้น. ในชั้น API ตามระบบการจัดการทรัพยากร HiAI ต่างกันมอบหมายงานให้กับชั้นฮาร์ดแวร์ชั้นฮาร์ดแวร์พื้นฐานด้านล่างอาจจะ NPU ยังสามารถเป็น GPU ที่ CPU, DSP หรือแม้กระทั่ง ISP
นี้แสดงให้เห็นว่าเอไอไม่จำเป็นต้องได้รับการทำงานใน NPU, อื่น ๆ CPU, GPU, DSP อะไรได้ แต่ในแง่ของประสิทธิภาพและมีประสิทธิภาพมีความแตกต่างพื้นฐาน: ประสิทธิภาพ GPU เป็นสี่ครั้ง CPU แต่ CPU เป็น NPU 25 ครั้งนอกเหนือจากพลังงานช่องว่างประสิทธิภาพการทำงานที่แน่นอนกว่าชัดเจนมากขึ้น NPU เมื่อเทียบกับ GPU และ CPU มีถึง 8 เท่าและความแตกต่าง 50 เท่าซึ่งทอดยาวสำหรับอุปกรณ์มือถืออำนาจก็อาจกล่าวได้ว่ามีช่องว่างของธรรมชาติ .
Kirin NPU 970 ที่มีการระบุเวลาจริงของสินค้าประสิทธิภาพการทำงานสามารถทำได้ 16GFlops พลังในการคำนวณการบริโภคเพียง 32ns ประมวลผลเดียวและในปัจจุบันการดำเนินงานของเพียง 300mA มันเป็นสีเขียวมากเมื่อเทียบกับไม่กี่ร้อยวัตต์ของข้อตกลง CPU และ GPU
AI จากการทดสอบประสิทธิภาพเราสามารถมองเห็นโทลู Qilin 970 ญาติเสี่ยวหลง 845 การพัฒนาประสิทธิภาพของเครื่องข้อดีที่ชัดเจน. ทดสอบโทลู AI มี InceptionV3, Resnet34, VGG16 3 โครงการสามสามรายการทดสอบที่แตกต่างกัน การรับรู้ขั้นตอนวิธีการ 100 ภาพในการประเมินผลการปฏิบัติงานที่ผ่านการใช้เวลานาน. ทั้งสามขั้นตอนวิธีการพื้นฐานในขณะนี้เป็นเพียงการฝึกอบรมเครือข่ายประสาทแผนที่ความรู้ปัญญาประดิษฐ์ในสามขั้นตอนวิธีการเป็นตัวแทนมากอาจกล่าวได้ว่าขั้นตอนวิธีการเรียนรู้เชิงลึก AI ปัจจุบัน . ทั้งสามขั้นตอนวิธีการ InceptionV3 ขึ้นอยู่กับ CPU และ GPU น้อยยูนิคอร์น 970 และ 845 Xiaolong สองช่องว่างแพลตฟอร์มและ Resnet34, VGG16 กับขั้นตอนวิธีขั้นสูงอื่น ๆ ที่สามารถใช้ประโยชน์จากประสิทธิภาพการทำงานของ NPU ที่ ดังนั้นเห็นได้ชัด Kirin 970 กับข้อดีประสิทธิภาพ NPU ในอีกสองรายการทดสอบ
VGG16 อัลกอริทึมโดยเฉพาะอย่างยิ่งดูประกอบไปด้วยชั้น 13 และ 16 ของบิดสามชั้นโครงสร้างของห่วงโซ่ทั้งชั้นผูกมัด NPU ที่เหมาะสม. ความถูกต้องของการคำนวณนี้ของอัลกอริทึมที่มี FP16, FP32 และ CPU จะถูกส่งถูกต้องมากขึ้น แต่เมื่อใช้ในการรักษา FP16 เพียงเกียร์เดียวหรือกระบวนการ FP16 เดียวดังนั้นจะเสียร้ายแรงของทรัพยากร. ดังนั้นสำหรับใน VGG16 นี้คำนวณตาม FP16, FP16 เพิ่มประสิทธิภาพ NPU สำหรับการใช้งานมีประสิทธิภาพมากขึ้นสามารถมากขึ้นอย่างเต็มที่ ทรัพยากร
บริษัท ได้แม้เสี่ยวหลงเป่า 660 ประสิทธิภาพ AI แต่ Xiaolong 660 หกเหลี่ยม 680 DSP ได้อำนาจไม่ FP16 คอมพิวเตอร์ก็คือการพึ่งพา AI นับ? CPU หรือ GPU? แน่นอนมันสามารถเรียกใช้ AI เราไม่สามารถตำหนิมันเท็จ การประชาสัมพันธ์ แต่มันไม่ได้ดูผลงานที่ดีและการใช้พลังงาน
ในยุคก่อนที่เอไอเพื่อเพิ่มคุณภาพของกล้องสำหรับเกณฑ์ไม่ชัดเจนโดยไม่ต้องต้นแบบ R & แข็งแรง D ของแบรนด์เพียงยินดีจ่ายไม่กี่ดอลลาร์ไปซื้อพ่อที่ดีกว่าที่จะหาของ Sony CMOS จะทนอย่างหนักเกี่ยวกับอัตราผลตอบแทนที่ต่ำกว่าค่ารูรับแสงขนาดใหญ่ ใช้วอลคอมม์หรือรุ่นสาธารณะของซัมซุงของ ISP ขั้นตอนวิธีการโยนโยนยังสามารถทำให้โทรศัพท์กล้องที่ดี. อย่างไรก็ตามหลังจากการมาถึงของ AI ที่คิดแบบดั้งเดิมคือไม่มีความเป็นไปได้อีกต่อไปในที่สุดการแข่งขันเพื่อให้ง่ายที่แบรนด์ไม่ได้เป็นพื้นฐานฮาร์ดแวร์ R & D ความสามารถสามารถ บันทึกฮาร์ดแวร์ที่ดี แต่ถ้ามีอัลกอริทึมที่ขาดหายไปขึ้นอยู่กับการที่ชาญฉลาดของ AI การเรียนรู้เชิงลึกจะทำให้สินค้าได้อย่างเต็มที่อยู่เบื้องหลังความคิด. ช่องว่างระหว่างสองระดับก็เปิดมันตามมาด้วยอ่าว บริษัท ในที่สุดนำ AI ยากที่จะให้ทัน ระดับ
ภายใต้ บริษัท ที่มีการวิจัยและพัฒนาอัลกอริทึมความแข็งแรงแม้ว่าสถานการณ์จะดีขึ้นเล็กน้อยสามารถมีส่วนร่วมในการศึกษาเชิงลึก AI ในเกม แต่ บริษัท เหล่านี้ขาดชิประดับ R & D ความสามารถเราไม่สามารถให้ผู้ให้บริการนับชิป NPU เพียงพอของผลิตภัณฑ์ต้นน้ำของคดีเท่านั้น ร้องเรียนและลังเลที่จะติดตาม
ดังนั้นตอนนี้มี AI กลไกการเรียนรู้และการพัฒนาขีดความสามารถของผู้ประกอบการสามารถถือเป็นอัตราสอง แต่ชิป R & D ความสามารถและแพลตฟอร์มที่จะสร้างนิเวศธุรกิจด้านบน. ที่ด้านล่างของแบรนด์หัวเว่ยจี๋หลินเป็นพื้นฐานสำหรับการพัฒนาและเครื่อง HiAI กลางเป็นแพลตฟอร์มที่จะสนับสนุนด้านบนที่ เพิ่มเติมผลิตภัณฑ์อิเล็กทรอนิกส์สำหรับผู้บริโภคและการประยุกต์ใช้ซอฟต์แวร์ที่มีการติดต่อโดยตรงกับลูกค้าของระบบนิเวศดังกล่าวคือการพัฒนาที่มีสุขภาพดีและมีความยั่งยืนของระบบนิเวศ AI. สำหรับผู้บริโภคขึ้นอยู่กับความลึกของการเรียนรู้ AI เพียงกล่องดำที่ผู้ใช้ไม่จำเป็นต้อง เพื่อให้เข้าใจถึงวิธีการทำงานและวิธีการทำงานเพียงแค่สนุกกับผลไม้ที่เพิ่มขึ้นและหัวเว่ยยูนิคอร์นเป็นฮีโร่ที่อยู่เบื้องหลังฉากการฝึกซ้อมอย่างหนักของเธอจะทำให้ชีวิตเราดีขึ้นในอนาคต