-自从麒麟970率先加入NPU模块后，手机处理器似乎又回到了当初核心数量大战的时代，高通和苹果纷纷在处理器中加入AI计算模块，通过针对AI计算设计模块，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。而要分析作用之前，我们需要先解释清楚AI这个流行词。
-手机上的AI到底是什么东西
-所谓AI，其实就是指人工智能，如果将范围缩小在硬件层面，就是指模拟人类大脑结构的人工神经网络。说白了，就是模拟人的神经结构和功能的数学模型或计算模型，通过大量的人工神经元联结进行计算。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别有优势。
-单层神经元网络
-而目前手机真正能用到AI（也就是神经网络）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。
-所以，现在最能体现手机AI算力的跑分软件，都使用了图片处理来衡量处理器的AI算力，AIBenchmark就是其中的代表。
-AIBenchmark
-这款软件主要测试了手机使用神经网络识别和处理图像的能力。并通过9个独立的神经网络执行不同的图像识别任务，考察各大处理器的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，其一是对象识别/分类，通过输入不同的图片进行训练，AI能够对数量庞大的图片进行区分，在AIbenchmark中，它还使用了不同像素的分辨率来进行识别，以进行更精确和细小物体的检测。
-对象识别测试
-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征点，然后通过与库里特征点进行比对，最终输出最近似的结果。
-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。相比而言，面部识别方案需要比对的库里数据处理量虽然少，但是在特征点采集上面，面部识别的神经元网络需要经过更深次的细节训练。
-之前的AI应用在于识别-对比环节，而这一步的AI则偏向图像处理环节。例如在缺少光学变焦的手机上，如果你放大图片的话，你会发现细节部分的噪点会十分突出，这是因为它细节部分全部都是由算法补充出来的。通过训练，AI能够对缺少过渡部分周围的像素进行识别，并且经过计算后自动填充，使得画面更加平滑自然。
-使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应用，也是立足在大量的图像识别上，然后针对整个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，就是常说的拍照AI模式，能够对画面场景进行识别以后按照预定的算法预设进行调整，比如说画面集体提亮，蓝天白云饱和度拉高等。
-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，但是对于一般手机而言，大量的图像计算会消耗大量的内存，所以最后一个测试，也是对手机内存大小的测试。
-内存大小同样会限制识别图像大小
-说了那么多，我们来看看目前市面上的处理器跑分成绩到底如何。我们将AIBenchmark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AIBenchmark即可），测测自己手机的AI性能究竟如何。
-AI跑分排行榜
-需要说明的是，目前跑分的前三名都是开发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“初级”水平，未来的路还很长，手机阵营三大芯片巨头谁胜谁负还未可知也。
德化牛母岐层林尽染五彩斑斓
闽南网推出专题报道，以图、文、视频等形式，展现泉州在补齐养老事业短板，提升养老服