每年苹果或高通端出新的芯片，都会吹一下比去年提升了多少效能，通常cpu的能耗有比去
年高个20%就已经很厉害了，gpu了不起也只有30%。但是ai处理器动不动就是100多趴，为什
么会差这么多呢

反正都无感随便吹

你蒜粒多少

因为之前的很烂啊...而且ai计算跟gpu差不多，其实没有很必要额外做一个

没有太实际的应用场景根本就随便吹

感知不强是软件跟不上，开发者不够积极，不过最强大还是照相录影上

这领域还比较新吧

看手机计算摄影跟传统相机对比就知道ai很重要，其它运用好像比较无感

相机是所见即所得,真实的,手机相机期望是所见即所思,修的

降低精度跟功耗，蒜粒翻倍

1到100 和 100到10000 都是一百倍 哪个比较难?

前面有个NVIDIA玩AI玩很久了从0~100这部分N家搞了很久。

什么时候手机用上DLSS

怎么会有人觉得软件跟不上...现在软件跑到硬件都看不到车尾灯了= =拍照叠图叠到卡顿发热的一卡车

没有深度整合高一千倍都没有用。重点是有多少功能能把ai算力发挥好。

不知道成果在哪

只有拍照一个应用的话做到1000%也不会成为杀手应用的

不只拍照啊 你日常使用效能调度也有影响所以前几循环通常都比较耗电

因为AI芯片架构很好翻倍

就功能单一的问题啊 你会发现效能换代涨幅是NPU>GPU>CPU 运算通用性是反过来的 NPU处理的资料型别固定 功能固定 就更好优化

因为AI推算可以低精度 占的面积很小一般CPU/GPU核心占面积太大 很难多塞翻倍占2-5mm2的小东西 容易翻倍占20-50mm2的大东西 不易翻倍因为芯片面积关系成本 不能大幅度变化像当初a11到a12号称npu塞3倍其实只是不到2mm2变成5mm2多仍只是CPU/GPU/内存的小零头

可以低精度不代表他只设计给低精度 data path width都是比照单精度下去设计的 是否支援低精度实质上和面积没什么关系

你赚一千提升十倍很容易，你赚十万提升十分之一就不错了，基数不同直接比倍率，你数学体育老师教的？