全面屏和AI从2017年火到了现在, 如果说现在外观拼谁的 '刘海小' , 那么配置上得拼谁的 'AI应用多' .
华为专门打造了AI芯片麒麟970, 高通骁龙845不甘落后, 对AI进行了专属优化, 各大手机厂商也将AI应用作为自己产品的重头戏.
鲁大师AI性能榜: 华为夺冠, 三星紧跟
近日, 鲁大师发布了2018年Q1季度的手机AI性能榜, 其中华为Mate 10/Pro, 荣耀V10凭借AI处理器麒麟970夺得冠军和军, 三星S9/S9+则借着骁龙845强势冲进前三.
紧跟其后的是搭载A11的iPhone x和iPhone 8 plus, 这款芯片集成了一个专用于机器学习的硬件—— '神经网络引擎 (Neural Engine) ' , 表现毋庸置疑.
在本次的AI性能榜中, 还有vivo两款旗舰机vivo X21和vivo X20Plus, 排名第六, 第七.
鲁大师AI性能排行榜怎么来的?
鲁大师AI性能评测使用目前较为常用的三种神经网络Inception V3, ResNet34, VGG16的特定算法, 对机器给出的图片内容进行识别, 按照概率高低输出可能的结果列表.
最终, 通过识别效率来判断手机AI性能, 进而给出行测试评分.
* Inception V3, ResNet34, VGG16这三种神经网络是目前公认最成熟的测试方案:
其中ResNet (残差网络) 可以通过使用残差模块和常规SGD来训练非常深的网络, 鲁大师AI测试设置了34层的深度;
而作为Google开发的一个开源神经网络模型, 用了Inception之后整个网络结构的宽度和深度都可扩大, 能够带来2-3倍的性能提升;
VGG16则突出表现为模型结构简单有效, 有更精确的估值, 且对其他数据集具有很好的泛化能力.
麒麟970的AI为什么能夺冠?
作为首款公开发布的AI芯片, 它开创性的加入了独立NPU (神经网络单元) , 和CPU, GPU, DSP组成了HiAI人工智能移动计算平台.
华为也是麒麟970的开发者和唯一使用者, 能做到 '专项专治' , 不用考虑开放性和适配性.
在华为的新机中, 除了对芯片的优化, 还有对自己手机的优化, 这就好像是 '一对一教学' , 能把手机+芯片的应用做到比 '一对多教学' 更有效果.
骁龙845入局, 催生更多 '开发者'
在骁龙845发布之前, 手机AI开发领域看起来似乎被华为一家独占, 麒麟970只用于华为旗下的手机, 其他手机厂商想要谈 'AI' 都有点底气不足, 直到骁龙845发布之后, 手机AI才算是百花齐放.
相比骁龙835, 骁龙845在AI上的计算能力是骁龙835的三倍, 并支持多平台的神经网络系统, 高通还开放了AI平台生态系统给合作伙伴.
基于此, 使用高通骁龙芯片的手机厂商们都在为自己的产品开发更具有市场竞争力的AI应用, 2018年注定是AI '混战' 的一年.
新事物 '区块链' 会给AI带来什么影响?
区块链和AI可以说是当今最热门的两个技术方向了, 发布一款 '区块链手机' 估计会成为接下来的热点.
在一般人看来, 这两大技术似乎没有什么交叉的地方, 一个是在封闭数据平台上培育中心化的智能, 另一个则是在开放数据环境下促进去中心化的应用.
尽管两个都极其强大, 但也存在自身的限制. 其中一些是技术相关的, 而有的则来自于所属领域固有的思想, 如果能找到一个聪明的方式让这两个一起协作的话, 总的效果就能够在瞬间放大出去.
总的来讲, 目前AI开发还处在比较早期的阶段, 现在还是在简单地模仿人, 但我们已经看到它对于手机乃至科技行业的重要性. 它虽然不是让一部手机变成 '战斗机' 的硬件, 却是让手机更 '聪明' 的软应用, 希望手机商们能真正的去思考如何把AI做的更好, 而不是说的更响.
全面屏和AI从2017年火到了现在, 如果说现在外观拼谁的 '刘海小' , 那么配置上得拼谁的 'AI应用多' .
华为专门打造了AI芯片麒麟970, 高通骁龙845不甘落后, 对AI进行了专属优化, 各大手机厂商也将AI应用作为自己产品的重头戏.
鲁大师AI性能榜: 华为夺冠, 三星紧跟
近日, 鲁大师发布了2018年Q1季度的手机AI性能榜, 其中华为Mate 10/Pro, 荣耀V10凭借AI处理器麒麟970夺得冠军和军, 三星S9/S9+则借着骁龙845强势冲进前三.
紧跟其后的是搭载A11的iPhone x和iPhone 8 plus, 这款芯片集成了一个专用于机器学习的硬件—— '神经网络引擎 (Neural Engine) ' , 表现毋庸置疑.
在本次的AI性能榜中, 还有vivo两款旗舰机vivo X21和vivo X20Plus, 排名第六, 第七.
鲁大师AI性能排行榜怎么来的?
鲁大师AI性能评测使用目前较为常用的三种神经网络Inception V3, ResNet34, VGG16的特定算法, 对机器给出的图片内容进行识别, 按照概率高低输出可能的结果列表.
最终, 通过识别效率来判断手机AI性能, 进而给出行测试评分.
* Inception V3, ResNet34, VGG16这三种神经网络是目前公认最成熟的测试方案:
其中ResNet (残差网络) 可以通过使用残差模块和常规SGD来训练非常深的网络, 鲁大师AI测试设置了34层的深度;
而作为Google开发的一个开源神经网络模型, 用了Inception之后整个网络结构的宽度和深度都可扩大, 能够带来2-3倍的性能提升;
VGG16则突出表现为模型结构简单有效, 有更精确的估值, 且对其他数据集具有很好的泛化能力.
麒麟970的AI为什么能夺冠?
作为首款公开发布的AI芯片, 它开创性的加入了独立NPU (神经网络单元) , 和CPU, GPU, DSP组成了HiAI人工智能移动计算平台.
华为也是麒麟970的开发者和唯一使用者, 能做到 '专项专治' , 不用考虑开放性和适配性.
在华为的新机中, 除了对芯片的优化, 还有对自己手机的优化, 这就好像是 '一对一教学' , 能把手机+芯片的应用做到比 '一对多教学' 更有效果.
骁龙845入局, 催生更多 '开发者'
在骁龙845发布之前, 手机AI开发领域看起来似乎被华为一家独占, 麒麟970只用于华为旗下的手机, 其他手机厂商想要谈 'AI' 都有点底气不足, 直到骁龙845发布之后, 手机AI才算是百花齐放.
相比骁龙835, 骁龙845在AI上的计算能力是骁龙835的三倍, 并支持多平台的神经网络系统, 高通还开放了AI平台生态系统给合作伙伴.
基于此, 使用高通骁龙芯片的手机厂商们都在为自己的产品开发更具有市场竞争力的AI应用, 2018年注定是AI '混战' 的一年.
新事物 '区块链' 会给AI带来什么影响?
区块链和AI可以说是当今最热门的两个技术方向了, 发布一款 '区块链手机' 估计会成为接下来的热点.
在一般人看来, 这两大技术似乎没有什么交叉的地方, 一个是在封闭数据平台上培育中心化的智能, 另一个则是在开放数据环境下促进去中心化的应用.
尽管两个都极其强大, 但也存在自身的限制. 其中一些是技术相关的, 而有的则来自于所属领域固有的思想, 如果能找到一个聪明的方式让这两个一起协作的话, 总的效果就能够在瞬间放大出去.
总的来讲, 目前AI开发还处在比较早期的阶段, 现在还是在简单地模仿人, 但我们已经看到它对于手机乃至科技行业的重要性. 它虽然不是让一部手机变成 '战斗机' 的硬件, 却是让手机更 '聪明' 的软应用, 希望手机商们能真正的去思考如何把AI做的更好, 而不是说的更响.
