相信關注手機的朋友們都知道，跑分是衡量手機性能的一項重要參考。以往大部分跑分軟件都集中在CPU和GPU的性能考覈上，而近年來隨着AI技術不斷在手機上得到普及，也有一些跑分軟件開始針對AI推出評測機制，讓AI手機能夠一較高下。

從魯大師到AI Benchmark，麒麟970 AI跑分持續領先

在業內，最早將AI列入評測指標的是魯大師，去年其首次在業內推出手機AI評測，搭載麒麟970的華爲Mate 10系列斬獲排行榜冠軍。前不久，魯大師數據中心又公佈了2018年上半年手機AI排行榜，搭載麒麟970的榮耀Play領銜，攜手華爲P20和榮耀10突破搭載驍龍845手機的圍攻，穩居榜單前三的位置，力壓羣雄。

隨着端側AI技術的不斷發展和AI功能在智能手機中的普及，越來越多評測機構開始將AI作爲手機跑分的重要指標。繼魯大師手機AI排行之後，蘇黎世聯邦理工學院最新推出了一個更爲全面的AI跑分工具——AI Benchmark通過圖像分類、人臉識別、圖像超分辨率等測試來多角度衡量各個SoC方案的AI性能。

根據測試結果，麒麟970在支持NPU的測試項目中，相比驍龍845基本有200-300%以上的性能優勢，在CPU項目中稍有落後，但深度學習領域的行業趨勢正是將更多的工作從CPU移動到支持AI硬件加速的環境上來，並且硬件加速也已經從通用的GPU開始遷移到專門的DSP和NPU上，以獲取更高性能和能耗比，因此隨着算法的進一步優化和改進，基於NPU進行AI計算的麒麟970相比基於傳統GPU的SoC來說，有更大的提升空間。

AI Benchmark下載：

Google Play商店鏈接：https://play.google.com/store/apps/details?id=org.benchmark.demo

百度網盤分流鏈接：https://pan.baidu.com/s/1qx0NFYSbc7gHyZg7Qlaobg 密碼：p2a3

以上是AI Benchmark的下載地址，有興趣的朋友可以下載試試，目前AI Benchmark僅支持Android平臺。

AI Benchmark全面解析，AI跑分怎麼跑？

AI Benchmark包含了9個測試項目，單從總分看華爲P20 Pro得分爲6397，而驍龍845的榜首機型一加6得分爲1875分，差距比較明顯。那麼這個結果是如何產生的呢？下面，我們現在就來具體分析各個測試項目的特性和性能特點。

測試1：目標識別分類

第一個測試項目是目標識別分類，使用的是MobileNet - V1算法，這是一個非常基礎但十分強大的神經網絡，能夠基於單一照片識別 1000 個不同的對象類別，準確率約爲70%。經過量化，其尺寸小於5Mb，系統資源消耗小，適合手機這樣的移動設備使用。這個神經網絡算法支持CPU、DSP和NPU計算。雖然這個算法支持NPU，但這個是比較基礎的算法。

測試2：目標分類識別

第二個測試項目還是目標識別分類，不同之處在於使用了Inception - V3神經網絡，而且這個算法更先進，78%的識別準確度也更高，還能識別更小的物體。但這種算法的規模是MobileNet - V1的四倍，對於計算能力有更高的要求。在這種對性能的高要求下，麒麟970的NPU有着更爲充分的發揮空間，AI性能優勢明顯。

測試3：人臉識別

第三個測試是人臉識別，Inception - Resnet - V1神經網絡會對每個人臉圖像編碼並生成一個 128 維的特徵向量，該特徵向量不會被縮放、平移或旋轉影響，然後在數據庫的上億樣本進行向量比對。這個測試項目是純CPU性能測試，並不支持DSP/GPU和NPU，在CPU運算方面，麒麟970稍顯遜色，驍龍845在這一回閤中獲勝，同時也期待後續的測試過程中，該項測試能夠增加對NPU等硬件的支持，以適應各種AI方案在人臉識別的應用場景。

測試4：圖像處理

第4個測試項目的內容是通過神經網絡恢復模糊的圖片，使用的是SRCNN 9-5-5算法，僅需要 3 個卷積層來實現恢復經過高斯模糊算法的模糊畫面，這個算法支持CPU、NPU和DSP的運算。雖然這個算法的算力需求和並行度不算太高，但麒麟970的NPU表現突出，這意味着搭載麒麟970的手機在拍照防抖上有着絕對的優勢，對於拍照手抖一族來說，可以說是絕對的福音了。

測試5：圖片超分辨率

以往在翻看手機相冊的時候，想放大查看照片細節是很難的，因爲放大之後照片的分辨率過低，照片也會變得模糊，甚至出現像素點，這個時候就需要通過圖片超分辨來處理。在這項測試中，使用的是19 層的 VGG-19網絡，在這個網絡中可以訓練AI將縮小後的圖像（如縮小四倍）恢復至原圖。VGG-19是魯大師AI測試第三個項目的改進算法，需要用到19 層的網絡，因此計算量更大，在此項測試中，麒麟970的NPU優勢非常明顯，AI的運算力得到證實，結合前段時間麒麟970聯合搜狐新聞推出的圖片超分辨功能來看，這項AI能力已經落在了實際應用當中。

測試6：圖片超分辨率

第6項測試依然是圖片超級分辨率，但所使用的SRGAN算法有所區別，其使用兩個神經網絡進行處理，在網路A處理有問題的時候，網絡B會發現問題並進行修正，同時幫助A改進算法。SRGAN算法實現得效果更好但速度更慢，並且不支持AI硬件加速，只能依靠CPU暴力解決，麒麟970在此項測試中稍顯喫力，NPU性能優勢無法發揮。

測試7：語義圖像分割

這個測試主要是圍繞自動駕駛算法進行的場景識別。依據車載攝像頭拍攝的照片檢測19類目標（例如車、行人、路、天空等）。在上面這張圖中，大家可以看到最近專爲低性能設備設計的 ICNet 網絡的像素級分割結果（每個顏色對應不同的目標類別）。由於這個算法是針對低性能設備設計的，比較落後，僅能支持CPU運算。但其實在Tesla或者Drive PX平臺上，這個內容的計算都是支持硬件加速的，因此麒麟970的AI性能還有很大的提升潛力和應用空間。

測試8：拍照增強

這一項主要是針對改善老照片的畫質進行的，如果現在翻出幾年前用手機拍攝的照片，當時的分辨率不夠高，畫質不夠好，所以現在看起來質感不夠好，這時就可以通過神經網絡來改善。通過訓練學習，AI可以讓舊照片呈現出單反畫質，雖然這個算法存在一定限制，比如不同手機都需要分別訓練，但圖像優化的結果看上起很棒。

這個優化是使用的ResNet-12算法，支持CPU、DSP和NPU加速。在這項測試中目，麒麟970優勢非常顯著，可以說是所有測試中優勢最大的項目。在測試中，麒麟970的NPU處理僅需不到0.2秒，基本不需要等待，體驗非常好。而這個測試項目中用到的圖片分辨率僅爲128x192像素，如果是平時手機拍攝的1200萬像素的4000x3000尺寸圖片，麒麟970的性能優勢會更爲明顯。

測試9：存儲極限

最後這個測試項目依然是使用第4項中的SRCNN神經網絡對圖片內的文字進行識別，這是最輕負荷的神經網絡之一，但即便如此，在處理高分辨率照片時，它也會讓大多數手機不堪重負——處理高清照片手機至少要有 6GB 的內存。這項測試的目的是找到設備的極限，測試這個最簡易的神經網絡到底能處理多大的圖像。在本輪測試中，華爲P20 Pro的樣機是6GB內存，在容量上受到一定的限制，未看到明顯優勢。

幾番登頂端側AI排行，麒麟970靠運氣還是實力？

麒麟970的NPU性能優勢不僅僅是植根於硬件，也關係到軟件和生態系統。移動AI處理是一個軟硬結合的多層次系統項目，最上層是應用層，其下是API作爲應用層和硬件層的交互應用接口。目前Android平臺中AI加速的API主要有兩個：一個是Google官方的Android AI Runtime，類似Windows下的Direct Compute，軟硬件兼容性好，是行業規範；另一個是華爲的HiAI，這個是麒麟獨有的API。類似NVIDIA的CUDA，雖然硬件上有限制，但效率更高。在API層下面還有一個HiAI異構資源管理系統，分配任務給下面的硬件層，下面的硬件層可以是NPU，也可以是GPU、CPU、DSP，甚至是ISP。

得益於華爲HiAI平臺架構的通用性，麒麟970的性能可以在絕大多數APP和測試軟件上得到很好的發揮。而高通平臺的Hexagon DSP AI加速芯片需要開發者專門爲其進行獨佔優化才能發揮效能，這就意味着開發者需要在通用代碼的途徑之外，額外的爲高通Hexagon DSP AI 加速芯片編寫專門的路徑，這樣無疑會大大加大高通AI開發的難度和成本，對於開發者而言並不友好。另外我們還發現搭載Pixel Visual Core AI加速芯片的Google Pixel 2 XL在本測試中成績並不理想，也就只能達到驍龍835的水平，這說明Pixel Visual Core的泛用性也存在問題，並不能很好支持第三方的App程序。

關注近期搭載麒麟970的手機，其實不難看到華爲在AI應用上做出的成績。前段時間華爲推動上線了首批AI應用，如Prisma、WPS等，在照片處理、PPT識別上帶來更強大的使用體驗，而在近期的nova 3發佈會上演示的AI短視頻魔幻特效更是十分酷炫，結合麒麟970的AI運算力，視頻也能像照片一樣實現圖像分割和特效渲染添加，這背後需要進行極其複雜的圖像識別與運算，離不開強大的AI運算力加持。說到這裏，麒麟970是靠實力還是靠運氣，相信各位已經一目瞭然。

在AI Benchmark官網有這樣一句話“你的智能手機爲AI做好準備了嗎？”，這其實是一個很好的問題，如今各家手機廠商都在大力宣傳自己的AI手機，但是所有手機都做好進入AI時代的準備了嗎？至少從這次評測結果來看，還不能給出肯定的答案。