QQ在線
企業微信
資訊
324如今，人工智能已成為普遍的流行語，但大多數消費者可能不知道它如何與日常生活息息相關。分析人員和技術新聞界中的某些人可能還會嘲笑該術語用于某些幾乎不像真正的人工智能的技術的頻率。也就是說，除了強大的數據中心外，還有一些平臺對于AI處理和驅動它們的NN(神經網絡)來說是很自然的。其中之一是AI推理(使用AI推理信息，而不是訓練NN)在邊緣和口袋中，使用智能手機。
就像您想象的那樣，從Android到Apple的智能手機平臺差別很大，但是語音-文本翻譯和推薦器引擎(例如Google Assistant和Siri)等常見工作負載大量使用了常見的AI NN模型，在設備上執行此操作可提高速度和延遲。
衡量移動設備中的AI性能
隨著任何新設備的推出以及熱門新應用的出現，精通技術的消費者和技術媒體成員希望能夠衡量和收集各種移動生態系統中設備的相對性能。此外，目前智能手機測試和評論中的AI處理性能正在發展，因此，在主要的應用商店中當然會出現多種工具，這些工具聲稱能夠測量電話和其他移動設備的AI性能。而且-您猜對了-這些應用程序的創建肯定不盡相同。為了解決這個問題，Marco和我深入研究了HotHardware，分析了三種主流AI基準測試中各種旗艦Android手機的性能，這些基準在某些情況下會產生截然不同的結果。
關鍵是要更好地了解實際測試的特定基準度量標準。測試是否代表盡可能接近實際的工作負載?理想的基準測試使用的是消費者可能會使用的實際應用程序，但短短的基準測試可以使用流行應用程序的相同核心軟件組件來代表實際的性能期望。在這種情況下，這意味著我們需要了解這些基準測試工具要針對哪些NN進行測試，以及要使用哪些數學精度和AI算法來處理這些工作量。
