自从麒麟970率先加入NPU模块后，手机处理器彷佛又回到了当初核心数量大战的时期，高通和苹果纷纭在处理器中加入AI打算模块，通过针对AI打算设计模块，不断提高处理器AI算力。那我们该如何衡量这些处理器的AI算力呢？我们不妨试试这些软件。
不过说AI跑分之前，我们首先要搞清楚各大厂商所谓的AI核心到底有什么用，是干什么的。而要剖析浸染之前，我们须要先阐明清楚AI这个盛行词。
手机上的AI到底是什么东西
所谓AI，实在便是指人工智能，如果将范围缩小在硬件层面，便是指模拟人类大脑构造的人工神经网络。说白了，便是仿照人的神经构造和功能的数学模型或打算模型，通过大量的人工神经元联结进行打算。不同于传统逻辑推理，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上特殊有上风。
单层神经元网络
而目前手机真正能用到AI（也便是神经网络）的功能也就集中在图像识别这一领域，各大厂商新加入的各种拍照方面的算法优化，也正是得益于手机图像识别能力的提升。
以是，现在最能表示手机AI算力的跑分软件，都利用了图片处理来衡量处理器的AI算力，AI Benchmark便是个中的代表。
AI Benchmark
这款软件紧张测试了手机利用神经网络识别和处理图像的能力。并通过9个独立的神经网络实行不同的图像识别任务，稽核各大处理器的AI处理能力。
这9个不同神经网络分别针对不同的识别任务，其一是工具识别/分类，通过输入不同的图片进行演习，AI能够对数量弘大的图片进行区分，在AIbenchmark中，它还利用了不同像素的分辨率来进行识别，以进行更精确和眇小物体的检测。
工具识别测试
这一点与我们现在常见的“聪慧识别”息息相关，虽然各大厂商都已经推出了这项功能，但是在识别准确率上都有所差别，因此这一项在跑分中还是拥有一定的说服力。
此外，识别也分为物体识别与面部识别，在面部识别上，AI将会将面部图像分解为不同的特色点，然后通过与库里特色点进行比对，终极输出最近似的结果。
面部识别测试
在我们的手机上，除了图片搜图片这种多对多的识别方案，也包括多对一的面部识别解锁方案。比较而言，面部识别方案须要比对的库里数据处理量虽然少，但是在特色点采集上面，面部识别的神经元网络须要经由更深次的细节演习。
之前的AI运用在于识别-比拟环节，而这一步的AI则倾向图像处理环节。例如在短缺光学变焦的手机上，如果你放大图片的话，你会创造细节部分的噪点会十分突出，这是由于它细节部分全部都是由算法补充出来的。通过演习，AI能够对短缺过渡部分周围的像素进行识别，并且经由打算后自动添补，使得画面更加平滑自然。
利用神经网络对图像进行去模糊处理
而语义图像分割则是图像识别的进一步运用，也是立足在大量的图像识别上，然后针对全体画面识别的结果进行分类并加以标明。除此之外，AIbenchmark还测试了照片增强环节，这一项功能比较常见，便是常说的拍照AI模式，能够对画面场景进行识别往后按照预定的算法预设进行调度，比如说画面集体提亮，蓝天白云饱和度拉高档。
分割图像语义
前面说了这么多测试全部都是建立在图像识别上，但是对付一样平常手机而言，大量的图像打算会花费大量的内存，以是末了一个测试，也是对手机内存大小的测试。
内存大小同样会限定识别图像大小
说了那么多，我们来看看目前市情上的处理器跑分成绩到底如何。我们将AI Benchmark官方的跑分天梯图奉上，大家也可以自己下载这个软件（搜索AI Benchmark即可），测测自己手机的AI性能究竟如何。
AI跑分排行榜
须要解释的是，目前跑分的前三名都是开拓平台上测试的处理器。既然平台不同，性能和手机内部的同款处理器有差别也属于正常。
同时这个跑分软件也有很大的局限性，比如尚未支持iOS系统等问题，不过相信未来还会有更全面的AI评分标准。
毕竟目前的手机AI处理还处在“低级”水平，未来的路还很长，手机阵营三大芯片巨子谁胜谁负还未可知也。
