驍龍845跑分敗給麒麟970？高通人工智慧架構解讀：敗得不奇怪

隨著三星Galaxy S9發布、小米MIX2S跑分曝光等新聞不斷出現，高通驍龍845這款新旗艦又火了。如果說驍龍845安兔兔跑分無人能敵其實也不算過分，畢竟事實情況就是如此。那安兔兔之外呢？如果以不同軟體來測，驍龍845雖然也很強但也許不那麼無敵了，比如Geekbench就輸給了三星的Exynos 9810。同時，驍龍845另一個測試里也輸給了麒麟970。

國內主要的跑分軟體有兩個，一個是安兔兔，另一個是魯大師。與安兔兔專註於傳統性能「硬指標」跑分不同，魯大師顯得比較與時俱進，比如之前就推出過模擬用戶操作然後監測幀數的流暢度測試。而隨著人工智慧開始升溫，針對人工智慧的測試也是魯大師先推出的。

上圖是目前曝光的高通驍龍845的人工智慧性能得分，這個得分其實相當不錯的，排名第四。如果以產品而論，排在它前面的是誰都已經能猜到了：華為Mate 10、華為Mate 10 PRO和榮耀V10唄。下圖很輕鬆就能證實這點。

驍龍845跑出199分這個成績已經相當不錯了，不但秒殺了前代驍龍835，而且這個成績也在蘋果iPhone X之上，要知道如果傳統性能跑分，蘋果手機的成績是完全可以把驍龍845按在地上反覆摩擦的。那麼問題來了，為啥驍龍845還是沒跑過麒麟970呢？如果歸咎於NPU，其實也是不完全正確的，主要還是因為人工智慧本身的演算法。

在魯大師的AI性能跑分里已經列出了三項測試內容，InceptionV3、Resnet34以及VGG16，這是三種目前幾乎僅有的訓練人工智慧識圖的神經網路演算法，魯大師用每種演算法識別100張圖然後根據用的時間打分。簡單點說，擺在高通、華為、三星面前的選項，只有要不要為他們加速，無法選擇用不用他們。

所以涵蓋了三大演算法之後，跑分不管是魯大師還是別人開發的什麼大師，跑出來的成績都會是完全一樣的。同樣，如果讓手機進行深度學習，訓練手機識圖、識別聲音甚至分析用戶使用習慣，也是基於這些。

這三種演算法技術原理有所不同、功能相似而且各有特點。其中InceptionV3是最難被優化提速的，不管硬體性能提升多大，體現在它上面都只是略有提升。而另外兩個就不同了，有了NPU和沒有NPU，對演算法的速度會產生莫大影響。

VGG16是現在流行的一種演算法，包括13個卷積層和3個全鏈層結合的16層結構。而它在性能上與另一個「16」也有關聯，那就是16位精度。如今我們的整個PC架構用的最多的卻是32位精度，這導致在做人工智慧運算的時候，後者用了更大運算量卻只是得出與前者相似的運算結果。所以晶元廠商們使用了另闢蹊徑的方式解決，那就是異構，把低精度運算交給GPU處理，而現在又開始交給完全為人工智慧設計的NPU了。

另一個Resnet34也有類似的情況，不過它比VGG16更複雜。Resnet34很注重並行運算的性能，演算法對簡單而龐大的運算能力有需求，而CPU架構更適合處理複雜運算，這導致了即便是CPU性能大幅提升，對基於Resnet34的深度學習還是完全沒幫助，同樣是GPU和NPU更適合處理這種前後依賴不多而運算量又很大的需求。

在驍龍845人工智慧跑分的背後，其實是人工智慧長期得不到發展的根本原因：人工智慧對運算的要求與CPU的進化是相悖的，甚至可能隨著CPU運算性能的進化，人工智慧的性能反而倒退。而我們長時間對運算能力的渴求導致了硬體產品必須先提升運算性能再考慮別的，直到現在才有餘力尋求更多突破。在這樣的情況下，驍龍845選擇在原有架構上優化，藉助GPU來搭建「第三代人工智慧」，麒麟970則直接內置了為深度學習量身定製的硬體，兩者跑分自然也就有非常大的差距了。

最後，這也解釋了為啥高通把GPU越做越強，它真的不僅僅是為了讓你玩遊戲才這麼搞。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！