全面屏和AI從2017年火到了現在, 如果說現在外觀拼誰的 '劉海小' , 那麼配置上得拼誰的 'AI應用多' .
華為專門打造了AI晶片麒麟970, 高通驍龍845不甘落後, 對AI進行了專屬優化, 各大手機廠商也將AI應用作為自己產品的重頭戲.
魯大師AI性能榜: 華為奪冠, 三星緊跟
近日, 魯大師發布了2018年Q1季度的手機AI性能榜, 其中華為Mate 10/Pro, 榮耀V10憑藉AI處理器麒麟970奪得冠軍和軍, 三星S9/S9+則藉著驍龍845強勢衝進前三.
緊跟其後的是搭載A11的iPhone x和iPhone 8 plus, 這款晶片整合了一個專用於機器學習的硬體—— '神經網路引擎 (Neural Engine) ' , 表現毋庸置疑.
在本次的AI性能榜中, 還有vivo兩款旗艦機vivo X21和vivo X20Plus, 排名第六, 第七.
魯大師AI性能排行榜怎麼來的?
魯大師AI性能評測使用目前較為常用的三種神經網路Inception V3, ResNet34, VGG16的特定演算法, 對機器給出的圖片內容進行識別, 按照機率高低輸出可能的結果列表.
最終, 通過識別效率來判斷手機AI性能, 進而給出行測試評分.
* Inception V3, ResNet34, VGG16這三種神經網路是目前公認最成熟的測試方案:
其中ResNet (殘差網路) 可以通過使用殘差模組和常規SGD來訓練非常深的網路, 魯大師AI測試設置了34層的深度;
而作為Google開發的一個開源神經網路模型, 用了Inception之後整個網路結構的寬度和深度都可擴大, 能夠帶來2-3倍的性能提升;
VGG16則突出表現為模型結構簡單有效, 有更精確的估值, 且對其他數據集具有很好的泛化能力.
麒麟970的AI為什麼能奪冠?
作為首款公開發布的AI晶片, 它開創性的加入了獨立NPU (神經網路單元) , 和CPU, GPU, DSP組成了HiAI人工智慧移動計算平台.
華為也是麒麟970的開發者和唯一使用者, 能做到 '專項專治' , 不用考慮開放性和適配性.
在華為的新機中, 除了對晶片的優化, 還有對自己手機的優化, 這就好像是 '一對一教學' , 能把手機+晶片的應用做到比 '一對多教學' 更有效果.
驍龍845入局, 催生更多 '開發者'
在驍龍845發布之前, 手機AI開發領域看起來似乎被華為一家獨佔, 麒麟970隻用於華為旗下的手機, 其他手機廠商想要談 'AI' 都有點底氣不足, 直到驍龍845發布之後, 手機AI才算是百花齊放.
相比驍龍835, 驍龍845在AI上的計算能力是驍龍835的三倍, 並支援多平台的神經網路系統, 高通還開放了AI平台生態系統給合作夥伴.
基於此, 使用高通驍龍晶片的手機廠商們都在為自己的產品開發更具有市場競爭力的AI應用, 2018年註定是AI '混戰' 的一年.
新事物 '區塊鏈' 會給AI帶來什麼影響?
區塊鏈和AI可以說是當今最熱門的兩個技術方向了, 發布一款 '區塊鏈手機' 估計會成為接下來的熱點.
在一般人看來, 這兩大技術似乎沒有什麼交叉的地方, 一個是在封閉數據平台上培育中心化的智能, 另一個則是在開放數據環境下促進去中心化的應用.
儘管兩個都極其強大, 但也存在自身的限制. 其中一些是技術相關的, 而有的則來自於所屬領域固有的思想, 如果能找到一個聰明的方式讓這兩個一起協作的話, 總的效果就能夠在瞬間放大出去.
總的來講, 目前AI開發還處在比較早期的階段, 現在還是在簡單地模仿人, 但我們已經看到它對於手機乃至科技行業的重要性. 它雖然不是讓一部手機變成 '戰鬥機' 的硬體, 卻是讓手機更 '聰明' 的軟應用, 希望手機商們能真正的去思考如何把AI做的更好, 而不是說的更響.
全面屏和AI從2017年火到了現在, 如果說現在外觀拼誰的 '劉海小' , 那麼配置上得拼誰的 'AI應用多' .
華為專門打造了AI晶片麒麟970, 高通驍龍845不甘落後, 對AI進行了專屬優化, 各大手機廠商也將AI應用作為自己產品的重頭戲.
魯大師AI性能榜: 華為奪冠, 三星緊跟
近日, 魯大師發布了2018年Q1季度的手機AI性能榜, 其中華為Mate 10/Pro, 榮耀V10憑藉AI處理器麒麟970奪得冠軍和軍, 三星S9/S9+則藉著驍龍845強勢衝進前三.
緊跟其後的是搭載A11的iPhone x和iPhone 8 plus, 這款晶片整合了一個專用於機器學習的硬體—— '神經網路引擎 (Neural Engine) ' , 表現毋庸置疑.
在本次的AI性能榜中, 還有vivo兩款旗艦機vivo X21和vivo X20Plus, 排名第六, 第七.
魯大師AI性能排行榜怎麼來的?
魯大師AI性能評測使用目前較為常用的三種神經網路Inception V3, ResNet34, VGG16的特定演算法, 對機器給出的圖片內容進行識別, 按照機率高低輸出可能的結果列表.
最終, 通過識別效率來判斷手機AI性能, 進而給出行測試評分.
* Inception V3, ResNet34, VGG16這三種神經網路是目前公認最成熟的測試方案:
其中ResNet (殘差網路) 可以通過使用殘差模組和常規SGD來訓練非常深的網路, 魯大師AI測試設置了34層的深度;
而作為Google開發的一個開源神經網路模型, 用了Inception之後整個網路結構的寬度和深度都可擴大, 能夠帶來2-3倍的性能提升;
VGG16則突出表現為模型結構簡單有效, 有更精確的估值, 且對其他數據集具有很好的泛化能力.
麒麟970的AI為什麼能奪冠?
作為首款公開發布的AI晶片, 它開創性的加入了獨立NPU (神經網路單元) , 和CPU, GPU, DSP組成了HiAI人工智慧移動計算平台.
華為也是麒麟970的開發者和唯一使用者, 能做到 '專項專治' , 不用考慮開放性和適配性.
在華為的新機中, 除了對晶片的優化, 還有對自己手機的優化, 這就好像是 '一對一教學' , 能把手機+晶片的應用做到比 '一對多教學' 更有效果.
驍龍845入局, 催生更多 '開發者'
在驍龍845發布之前, 手機AI開發領域看起來似乎被華為一家獨佔, 麒麟970隻用於華為旗下的手機, 其他手機廠商想要談 'AI' 都有點底氣不足, 直到驍龍845發布之後, 手機AI才算是百花齊放.
相比驍龍835, 驍龍845在AI上的計算能力是驍龍835的三倍, 並支援多平台的神經網路系統, 高通還開放了AI平台生態系統給合作夥伴.
基於此, 使用高通驍龍晶片的手機廠商們都在為自己的產品開發更具有市場競爭力的AI應用, 2018年註定是AI '混戰' 的一年.
新事物 '區塊鏈' 會給AI帶來什麼影響?
區塊鏈和AI可以說是當今最熱門的兩個技術方向了, 發布一款 '區塊鏈手機' 估計會成為接下來的熱點.
在一般人看來, 這兩大技術似乎沒有什麼交叉的地方, 一個是在封閉數據平台上培育中心化的智能, 另一個則是在開放數據環境下促進去中心化的應用.
儘管兩個都極其強大, 但也存在自身的限制. 其中一些是技術相關的, 而有的則來自於所屬領域固有的思想, 如果能找到一個聰明的方式讓這兩個一起協作的話, 總的效果就能夠在瞬間放大出去.
總的來講, 目前AI開發還處在比較早期的階段, 現在還是在簡單地模仿人, 但我們已經看到它對於手機乃至科技行業的重要性. 它雖然不是讓一部手機變成 '戰鬥機' 的硬體, 卻是讓手機更 '聰明' 的軟應用, 希望手機商們能真正的去思考如何把AI做的更好, 而不是說的更響.
