骁龙735终于用上NPU,高通AI Engine性能乏力将要被放弃( 三 )

高通骁龙710处理器上的AI Engine方案 (图 / 网络)

AI人工智能的运算需要深度学习能力 , 通过后台预先从大量训练数据中总结出的规律为人工智能提供判定的依据 。 而CPU主要负责大型运算 , 无法支撑起大规模的并行运算 , GPU则要处理各种的应用图像需求 。 如果强行通过算法将CPU和GPU用于人工智能的运算处理 , 不仅会造成运算效率降低 , 同时也导致发热功耗的增加 。

GPU和CPU擅长于不同类型的运算 (图 / 网络)

AI Engine遭遇性能瓶颈 , 高通无奈放弃

高通的AI Engine方案仅可以满足少量和相对简单的AI运算需求 , 但随着智能手机对AI功能应用日益增多 , AI Engine的运算能力瓶颈和功耗问题变得尤为严峻 , 于是独立AI专核成为了必然的选择 。

AI专核的优势是深度学习的运行速度快、功耗低 , 能够与CPU、GPU等协调分工处理各自擅长的运算任务 , 提升效率降低功耗 。 既然AI专核如此好 , 那为何高通之前并没有采用呢?这很可能是因为AI专核的功能对比单一、研发周期长、投入大并且还会增加单颗芯片的生产成本 , 对于高通这样关注利润率的厂商来说 , AI专核自然不会是其首选 。 而目前搭载独立AI专核的芯片有苹果A12、联发科Helio P90和华为麒麟980 , 他们在AI方面均有出色的表现 。

推荐阅读