­　　自從麒麟970率先加入NPU模塊后，手機處理器似乎又回到了當初核心數(shù)量大戰(zhàn)的時代，高通和蘋果紛紛在處理器中加入AI計算模塊，通過針對AI計算設計模塊，不斷提高處理器AI算力。那我們該如何衡量這些處理器的AI算力呢？我們不妨試試這些軟件。

­　　不過說AI跑分之前，我們首先要搞清楚各大廠商所謂的AI核心到底有什么用，是干什么的。而要分析作用之前，我們需要先解釋清楚AI這個流行詞。

­　　手機上的AI到底是什么東西

­　　所謂AI，其實就是指人工智能，如果將范圍縮小在硬件層面，就是指模擬人類大腦結構的人工神經(jīng)網(wǎng)絡。說白了，就是模擬人的神經(jīng)結構和功能的數(shù)學模型或計算模型，通過大量的人工神經(jīng)元聯(lián)結進行計算。不同于傳統(tǒng)邏輯推理，基于大量數(shù)據(jù)統(tǒng)計的人工神經(jīng)網(wǎng)絡具有一定的判斷力，在語音識別和圖像識別上特別有優(yōu)勢。

­　　單層神經(jīng)元網(wǎng)絡

­　　而目前手機真正能用到AI（也就是神經(jīng)網(wǎng)絡）的功能也就集中在圖像識別這一領域，各大廠商新加入的各種拍照方面的算法優(yōu)化，也正是得益于手機圖像識別能力的提升。

­　　所以，現(xiàn)在最能體現(xiàn)手機AI算力的跑分軟件，都使用了圖片處理來衡量處理器的AI算力，AI Benchmark就是其中的代表。

­　　AI Benchmark

­　　這款軟件主要測試了手機使用神經(jīng)網(wǎng)絡識別和處理圖像的能力。并通過9個獨立的神經(jīng)網(wǎng)絡執(zhí)行不同的圖像識別任務，考察各大處理器的AI處理能力。

­　　這9個不同神經(jīng)網(wǎng)絡分別針對不同的識別任務，其一是對象識別/分類，通過輸入不同的圖片進行訓練，AI能夠對數(shù)量龐大的圖片進行區(qū)分，在AIbenchmark中，它還使用了不同像素的分辨率來進行識別，以進行更精確和細小物體的檢測。

­　　對象識別測試

­　　這一點與我們現(xiàn)在常見的“智慧識別”息息相關，雖然各大廠商都已經(jīng)推出了這項功能，但是在識別準確率上都有所差別，因此這一項在跑分中還是擁有一定的說服力。

­　　此外，識別也分為物體識別與面部識別，在面部識別上，AI將會將面部圖像分解為不同的特征點，然后通過與庫里特征點進行比對，最終輸出最近似的結果。

­　　面部識別測試

­　　在我們的手機上，除了圖片搜圖片這種多對多的識別方案，也包括多對一的面部識別解鎖方案。相比而言，面部識別方案需要比對的庫里數(shù)據(jù)處理量雖然少，但是在特征點采集上面，面部識別的神經(jīng)元網(wǎng)絡需要經(jīng)過更深次的細節(jié)訓練。

­　　之前的AI應用在于識別-對比環(huán)節(jié)，而這一步的AI則偏向圖像處理環(huán)節(jié)。例如在缺少光學變焦的手機上，如果你放大圖片的話，你會發(fā)現(xiàn)細節(jié)部分的噪點會十分突出，這是因為它細節(jié)部分全部都是由算法補充出來的。通過訓練，AI能夠對缺少過渡部分周圍的像素進行識別，并且經(jīng)過計算后自動填充，使得畫面更加平滑自然。

­　　使用神經(jīng)網(wǎng)絡對圖像進行去模糊處理

­　　而語義圖像分割則是圖像識別的進一步應用，也是立足在大量的圖像識別上，然后針對整個畫面識別的結果進行分類并加以標明。除此之外，AIbenchmark還測試了照片增強環(huán)節(jié)，這一項功能比較常見，就是常說的拍照AI模式，能夠對畫面場景進行識別以后按照預定的算法預設進行調整，比如說畫面集體提亮，藍天白云飽和度拉高等。

­　　分割圖像語義

­　　前面說了這么多測試全部都是建立在圖像識別上，但是對于一般手機而言，大量的圖像計算會消耗大量的內存，所以最后一個測試，也是對手機內存大小的測試。

­　　內存大小同樣會限制識別圖像大小

­　　說了那么多，我們來看看目前市面上的處理器跑分成績到底如何。我們將AI Benchmark官方的跑分天梯圖奉上，大家也可以自己下載這個軟件（搜索AI Benchmark即可），測測自己手機的AI性能究竟如何。

­　　AI跑分排行榜

­　　需要說明的是，目前跑分的前三名都是開發(fā)平臺上測試的處理器。既然平臺不同，性能和手機內部的同款處理器有差別也屬于正常。

­　　同時這個跑分軟件也有很大的局限性，比如尚未支持iOS系統(tǒng)等問題，不過相信未來還會有更全面的AI評分標準。

­　　畢竟目前的手機AI處理還處在“初級”水平，未來的路還很長，手機陣營三大芯片巨頭誰勝誰負還未可知也。