MWC2018决战人工智能 联发科-苹果-三星各放奇招.doc

《MWC2018决战人工智能 联发科-苹果-三星各放奇招.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、MWC2018决战人工智能联发科/苹果/三星各放奇招　　虽然苹果和三星都拥有自主开发的应用处理器，锁定了高端智能手机市场，但是联发科（MediaTek）正在寻求在智能手机市场的反弹，在本周的2018世界移动通信大会上推出了HelioP60芯片组。下面就随小编一起来了解一下相关内容吧。　　联发科的计划是重新进入与高通竞争的中高端智能手机市场。　　联发科技将HelioP60视为“首款采用多核AI处理单元（移动APU）和联发科NeuroPilotAI技术的SoC平台”。　　联发科的举动显示了该公司在行业智能手机大战中

2、，策略重点转向移动人工智能的巨大变化。目前各种芯片供应商都在竞相将神经网络引擎用于手持设备上。目标很简单。他们希望开启人工智能体验——语音用户界面、人脸解锁、AR等等——在客户端设备上处理更快、更好，无论有没有网络连接。　　LinleyGroup高级分析师MikeDemler表示：“我们在去年才看到了第一批带有嵌入式神经引擎的智能手机处理器，如苹果A11、华为麒麟970、高通Snapdragon835和联发科HelioX30等旗舰处理器。”　　Demler表示：“我们对联发科将在更低层添加神经引擎并不感到意外，

3、但有趣的是，他们正在使用比其旗舰产品X30更强大的核心来实现这一点。”　　换句话说，一个由中国手机制造商推动的、充满活力的中端智能手机供应商社区正在跃跃欲试，他们希望尽快赶上移动AI这股趋势。新高度　　联发科称其为“新高级”是指“以中档价格提供卓越性能和功能的设备”。联发科销售总经理FinbarrMoynihan解释说，“新高度”是目前智能手机的重要动作，像Oppo、Vivo、联想等中高端玩家都渴望缩小与顶级竞争对手的差距，希望在应用、功能和AI方面取得重大飞跃。　　联发科告诉我们，2017年全球智能手机出货量

4、的48%来自中国OEM厂商，主要针对新兴市场。联发科援引TrendForce报告指出，2017年中端消费者品牌出现大幅增长，小米的智能手机产量增幅高达76%，而Transsion、OPPO和Vivo也有大幅增长。　　HelioP60在八核CPU中配备了4个ARMA73处理器和4个ARMA53处理器。基于big.LITTLE的8核设计，联发科技宣称与前代产品HelioP23和HleioP30相比，CPU性能提升了70%。通过使用最高800MHz的新型MaliG72GPU，P60还将GPU性能提高了70%。联发科的

5、神经网络引擎　　然而，让HelioP60实至名归的是其内置的NeuroPilotAI平台、桥接CPU、GPU和板载AI加速器。联发科的人工智能框架可以通过协调SoC内CPU、GPU和AI加速器计算工作负载来管理异构AI计算架构，最大限度地提高性能和能效。　　联发科已经证实，P60在其AI加速器中集成了CadenceVisionP6内核。　　　　CadenceVisionP6　　与联发科技旗舰产品HelioX30——使用CadenceVisionP5，每秒70GMAC（8位）——相比，HelioP60每秒处理性能

6、为280GMAC。Demler表示：“所以在处理器整体性能上降低了一层，但同时将神经引擎性能提高了4倍。”　　当被问及对比HelioP60神经网络引擎性能时，Demler说：“华为的麒麟970可以达到？1TMAC/s（FP16），因此在更高的分辨率下它的神经网络性能是P60的4倍。在280GMAC/s下，P60与苹果A11的很接近，达到300GMAC/s。”缺乏AI基准　　然而，我们咨询的大多数分析师都认为，深度学习加速器基准的缺乏，使得很难做出有任何意义的比较。Demler称这是“一个开放的大问题”，他说移动

7、AI这个泥潭可能很容易导致我们陷入“GOPS/TOPS营销炒作之战”。　　TIriasResearch首席分析师JimMcGregor表示赞同。“这是一个令人困惑的话题，因为没有什么细节和基准。联发科和其他公司使其听起来像是无所不能的人工智能解决方案，”但通常并非如此，McGregor补充说。　　例如，联发科的P60中使用的CadenceVisionP6内核是针对计算机视觉应用进行了优化，而非通用神经网络，Demler说。　　正如McGregor所解释的，“首先，你需要了解大多数AI处理器是什么。”例如，联发科

8、、苹果和华为称其解决方案为“专用”，意味着使用单个IP块进行AI加速。“在大多数情况下，这意味着从其他方——如Cadence或Ceva——那里获得的IP块许可。这种IP块支持可配置的神经网络，但有一些限制。可是没有人能确切地说出这些限制是什么。”　　所以，显然地，在应用处理器内部放置一个神经网络引擎并不是故事的结尾。正如McGregor指出的那样，新神经网络的开发和训练仍然需要在数据中