在过去几个月中，AI Benchmark得分被用于许多活动中，AI Benchmark评估智能手机在一系列开源算法中的表现，这些算法执行图像分类，面部识别，图像超分辨率以及照片增强，分割和去模糊。

现在，各家手机芯片AI性能如何？骁龙855，联发科P90，麒麟980或Exynos 9820，究竟谁居首位？下面就来看看最新的排名：

骁龙855

目前位于排名最上，毫无疑问，它是市场上最快的芯片组之一。它展示了非常强大的AI性能，并为浮动和量化神经网络提供硬件加速：在第一种情况下，推理是在Adreno 640 GPU上进行的，而量化网络则在其内置的Hexagon 690 DSP上运行。

GPU和DSP的这种组合使高通无需使用单独的NPU来加速AI计算，从而缩小SoC尺寸并简化开发。然而，这个决定也有它的成本，骁龙的GPU不能完全用于运行神经网络，因为它的设计最初是为纯计算机图形任务开发的，因此在运行AI计算时只能使用少量的功率。

这可能也会在他们未来的产品开发中造成一些困难，因为通常有两种方法可以改善Snapdragon的AI功能：提高GPU性能或从根本上改变其设计，尽管后者也会导致整个图形系统和驱动程序的变化。第三种选择是引入一个单独的专用AI芯片，实际上可能是下一代高通SoC的情况。

联发科P90

它对市场来说是一个惊喜。为什么联发科技的这款中端芯片组能够领先？答案很简单，因为它的AI性能完全可以与骁龙855相媲美。与高通相比，联发科决定采用独立的AI芯片，该芯片是基于内部GPU设计而构建的，这些GPU设计经过深度学习任务的显著修改。

结果令人印象深刻，虽然P90理论上的GMAC性能与骁龙855相比显著降低，但它们在AI任务中的实际速度几乎相同。我们还应该提到计算的准确性并没有因速度而牺牲，有时甚至高于默认的安卓驱动程序。与高通公司和麒麟公司相比，该SoC唯一的缺点是其CPU性能降低了30％。

麒麟980

它于大约半年前发出，显示出比前两者略低的分数。这是否意味着它做得更糟？并不是的。它的浮动性能几乎与上述SoC的情况相同，这意味着在运行浮动神经网络时，你将获得相当的速度。

我们应该强调，这仍然是AI研究和开发中使用的主要模型类型：每个网络架构都可以作为浮动模型进行训练。相反，只有其中一些可以转换为量化模型，因为这通常与面部识别，图像超分辨率或照片增强等任务不可接受的巨大精度下降相关。而在这里，麒麟芯片组的性能仍然非常强劲。

但为什么它的分数会降低呢？从一开始，这个SoC就有两个主要问题：无法处理大数据和量化神经网络缺乏加速。虽然第一个问题已在最新的beta版固件中得到修复（结果可在原型部分找到），但第二个问题仍未解决。

由于技术问题，使用麒麟的NPU无法通过NNAPI加速整数计算，HiSilicon使用Arm NN驱动程序进行基于GPU的加速，但在这种情况下，性能低于高通和联发科的最佳结果。后者也导致基准分数较低。所以麒麟980仍然是一个非常不错的芯片，但在量化计算方面有一些显著的缺陷。

三星Exynos 9820 SoC

在过去的一年里，三星显然在AI领域中落在后面，三星手机缺乏对人工智能的任何加速支持，但在宣传材料中有一些关于他们的视觉处理单元的信息，性能，规格和SDK从未向公众透露。

那么新的三星Exynos 9820 SoC能否彻底改变这种情况？我们已经使用这款芯片组测试了S10手机，第一印象非常复杂。目前，我们真的希望三星能够在S10设备发布之前大幅提升驱动程序。

还应该注意的是，三星无论如何都可以选择实现相当好的AI性能，正如之前的分析所示，Mali GPU可以大大加快浮动和量化神经网络的速度，三星可以将Arm NN驱动程序集成到启用此加速。不过，这种情况很可能不会发生在三星设备下一个Android Q固件发布之前，也就是今年年底之前。

骁龙SDM6150和三星S10

高通SDM6150 SoC这个月更新了：它的最新驱动程序为浮动网络带来了加速支持，现在这个芯片组在AI Benchmark上可以达到12000点。根据我们的测试，其单核CPU性能与骁龙845的结果相当，但在多核测试中，它的速度低20-30％。

量化和浮点测试表明SDM6150可能具有与SDM845相同的Hexagon 685 DSP，尽管其GPU应该比Adreno 630慢大约2-2.5倍。无论如何，如果这个SoC在其细分市场中将是一个非常强大的参与者，价格合理。

三星Galaxy S10和S10 +终于出现在我们的排名中。正如预期的那样，他们的结果与先前公布的具有相同芯片组的联想Pro GT手机的分数非常接近：在他们正式发布时，它们可能是最快的，达到21000点。

LG正在测试使用骁龙845的高端手机的Android P更新。此更新将包括最新的高通NNAPI驱动程序，将手机的AI功能提升到一个新的水平： LG G7 ThinQ使用这些驱动程序可以运行神经网络，速度比以前的Android Oreo固件快8倍。

相同的驱动程序已包含在最新的Android 9.0更新中，三星Galaxy S9 +使用骁龙845的手机，也应该很快出现在具有相同芯片组的Vivo手机中。不幸的是，许多其他配备SDM845的设备仍然有过时的高通驱动程序，或默认的Android NNAPI驱动程序没有为深度学习任务提供任何硬件加速。

UNISOC SC9863，最近重新命名的展讯公司的入门级芯片组已经达到了AI Benchmark的骁龙650的性能。虽然它没有任何硬件AI加速器，但它包含8个Cortex-A55内核，支持Arm v8.4-A点积指令，可以更快地运行许多神经网络。该SoC可能非常适合具有基本AI功能的智能手机。