所謂AI，其實就是指人工智慧，如果將範圍縮小在硬體層面，就是指模擬人類大腦結構的人工神經網路。說白了，就是模擬人的神經結構和功能的數學模型或計算模型，透過大量的人工神經元聯結進行計算。不同於傳統邏輯推理，基於大量資料統計的人工神經網路具有一定的判斷力，在語音識別和影象識別上特別有優勢。
單層神經元網路
而目前手機真正能用到AI（也就是神經網路）的功能也就集中在影象識別這一領域，各大廠商新加入的各種拍照方面的演算法最佳化，也正是得益於手機影象識別能力的提升。
所以，現在最能體現手機AI算力的跑分軟體，都使用了圖片處理來衡量處理器的AI算力，AI Benchmark就是其中的代表。
AI Benchmark
這款軟體主要測試了手機使用神經網路識別和處理影象的能力。並透過9個獨立的神經網路執行不同的影象識別任務，考察各大處理器的AI處理能力。
這9個不同神經網路分別針對不同的識別任務，其一是物件識別/分類，透過輸入不同的圖片進行訓練，AI能夠對數量龐大的圖片進行區分，在AIbenchmark中，它還使用了不同畫素的解析度來進行識別，以進行更精確和細小物體的檢測。
物件識別測試
這一點與我們現在常見的“智慧識別”息息相關，雖然各大廠商都已經推出了這項功能，但是在識別準確率上都有所差別，因此這一項在跑分中還是擁有一定的說服力。
此外，識別也分為物體識別與面部識別，在面部識別上，AI將會將面部影象分解為不同的特徵點，然後透過與庫裡特徵點進行比對，最終輸出最近似的結果。
面部識別測試
在我們的手機上，除了圖片搜圖片這種多對多的識別方案，也包括多對一的面部識別解鎖方案。相比而言，面部識別方案需要比對的庫裡資料處理量雖然少，但是在特徵點採集上面，面部識別的神經元網路需要經過更深次的細節訓練。
之前的AI應用在於識別-對比環節，而這一步的AI則偏向影象處理環節。例如在缺少光學變焦的手機上，如果你放大圖片的話，你會發現細節部分的噪點會十分突出，這是因為它細節部分全部都是由演算法補充出來的。透過訓練，AI能夠對缺少過渡部分周圍的畫素進行識別，並且經過計算後自動填充，使得畫面更加平滑自然。
使用神經網路對影象進行去模糊處理
而語義影象分割則是影象識別的進一步應用，也是立足在大量的影象識別上，然後針對整個畫面識別的結果進行分類並加以標明。除此之外，AIbenchmark還測試了照片增強環節，這一項功能比較常見，就是常說的拍照AI模式，能夠對畫面場景進行識別以後按照預定的演算法預設進行調整，比如說畫面集體提亮，藍天白雲飽和度拉高等。
分割影象語義
前面說了這麼多測試全部都是建立在影象識別上，但是對於一般手機而言，大量的影象計算會消耗大量的記憶體，所以最後一個測試，也是對手機記憶體大小的測試。
記憶體大小同樣會限制識別影象大小
來看看目前市面上的處理器跑分成績到底如何。將AI Benchmark官方的跑分天梯圖奉上，大家也可以自己下載這個軟體（搜尋AI Benchmark即可），測測自己手機的AI效能究竟如何。
AI跑分排行榜
需要說明的是，目前跑分的前三名都是開發平臺上測試的處理器。既然平臺不同，效能和手機內部的同款處理器有差別也屬於正常。
同時這個跑分軟體也有很大的侷限性，比如尚未支援iOS系統等問題，不過相信未來還會有更全面的AI評分標準。
所謂AI，其實就是指人工智慧，如果將範圍縮小在硬體層面，就是指模擬人類大腦結構的人工神經網路。說白了，就是模擬人的神經結構和功能的數學模型或計算模型，透過大量的人工神經元聯結進行計算。不同於傳統邏輯推理，基於大量資料統計的人工神經網路具有一定的判斷力，在語音識別和影象識別上特別有優勢。
單層神經元網路
而目前手機真正能用到AI（也就是神經網路）的功能也就集中在影象識別這一領域，各大廠商新加入的各種拍照方面的演算法最佳化，也正是得益於手機影象識別能力的提升。
所以，現在最能體現手機AI算力的跑分軟體，都使用了圖片處理來衡量處理器的AI算力，AI Benchmark就是其中的代表。
AI Benchmark
這款軟體主要測試了手機使用神經網路識別和處理影象的能力。並透過9個獨立的神經網路執行不同的影象識別任務，考察各大處理器的AI處理能力。
這9個不同神經網路分別針對不同的識別任務，其一是物件識別/分類，透過輸入不同的圖片進行訓練，AI能夠對數量龐大的圖片進行區分，在AIbenchmark中，它還使用了不同畫素的解析度來進行識別，以進行更精確和細小物體的檢測。
物件識別測試
這一點與我們現在常見的“智慧識別”息息相關，雖然各大廠商都已經推出了這項功能，但是在識別準確率上都有所差別，因此這一項在跑分中還是擁有一定的說服力。
此外，識別也分為物體識別與面部識別，在面部識別上，AI將會將面部影象分解為不同的特徵點，然後透過與庫裡特徵點進行比對，最終輸出最近似的結果。
面部識別測試
在我們的手機上，除了圖片搜圖片這種多對多的識別方案，也包括多對一的面部識別解鎖方案。相比而言，面部識別方案需要比對的庫裡資料處理量雖然少，但是在特徵點採集上面，面部識別的神經元網路需要經過更深次的細節訓練。
之前的AI應用在於識別-對比環節，而這一步的AI則偏向影象處理環節。例如在缺少光學變焦的手機上，如果你放大圖片的話，你會發現細節部分的噪點會十分突出，這是因為它細節部分全部都是由演算法補充出來的。透過訓練，AI能夠對缺少過渡部分周圍的畫素進行識別，並且經過計算後自動填充，使得畫面更加平滑自然。
使用神經網路對影象進行去模糊處理
而語義影象分割則是影象識別的進一步應用，也是立足在大量的影象識別上，然後針對整個畫面識別的結果進行分類並加以標明。除此之外，AIbenchmark還測試了照片增強環節，這一項功能比較常見，就是常說的拍照AI模式，能夠對畫面場景進行識別以後按照預定的演算法預設進行調整，比如說畫面集體提亮，藍天白雲飽和度拉高等。
分割影象語義
前面說了這麼多測試全部都是建立在影象識別上，但是對於一般手機而言，大量的影象計算會消耗大量的記憶體，所以最後一個測試，也是對手機記憶體大小的測試。
記憶體大小同樣會限制識別影象大小
來看看目前市面上的處理器跑分成績到底如何。將AI Benchmark官方的跑分天梯圖奉上，大家也可以自己下載這個軟體（搜尋AI Benchmark即可），測測自己手機的AI效能究竟如何。
AI跑分排行榜
需要說明的是，目前跑分的前三名都是開發平臺上測試的處理器。既然平臺不同，效能和手機內部的同款處理器有差別也屬於正常。
同時這個跑分軟體也有很大的侷限性，比如尚未支援iOS系統等問題，不過相信未來還會有更全面的AI評分標準。