手機玩游戲大作難在哪？硬件性能要加碼，高能效AI同樣關鍵

十三 2021-10-31 15:17:53 來源：量子位

蕭簫 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

在手機上就能“云”玩游戲大作，相信不少玩家聽了都會心動。

然而，雖然5G已來，但云游戲這些年的落地效果并不讓人滿意。

確實已經有平臺能直接做到云玩游戲（不用下載），但畫質低、傳輸延遲高一直很影響游戲玩家的體驗。

這是因為，即使傳輸速度上去了，如果圖像和視頻處理技術跟不上，仍然會給游戲應用帶來很大的延遲。所以，想玩好游戲，答案要從AI里找。

AI技術的發展確實給手游玩家們帶來了新的希望。

例如，借助本地AI超分辨率技術，可以使GPU與APU協同計算，能夠帶來畫質的提升，從而提升本地游戲和云游戲體驗，并且實現了性能和功耗的平衡。

△在游戲中采用AI超分辨率算法（示意圖）

問題來了，像移動端游戲超分這類和AI有關的技術都是現階段應用就可以實現的，然而目前真正落地的還非常少。

其中的難點究竟在哪？

移動端AI游戲技術落地，難在哪？

難在硬件對AI模型的運算效率上。

以云游戲為例，如果在本地使用AI技術實現游戲超分的同時，又遇到了其他應用也調用AI計算，勢必會給APU等硬件帶來巨大的負荷。

應用AI技術確實能給游戲玩家帶來更好的體驗，但得是在手機硬件能同時運行這么多AI模型，且不影響手機使用體驗的前提下。

面對這種情況，聯發科給出了自己的答案。我們可以清晰的看到，在AI這一步棋上，作為手機核心提供者的芯片廠商是怎么走的。

近期，聯發科對天璣旗艦技術做了一系列分享，透露了領先AI技術優勢背后的關鍵要點——高能效AI。

相比于不少芯片在AI性能上強調的峰值AI算力，聯發科的高能效AI更強調處理器的每瓦有效AI性能，這也是聯發科在設計架構和優化上的關鍵指標。

如何理解每瓦有效AI性能？

例如，處理器每秒能運算這樣4個單位的AI任務，然而實際的4個單位AI任務其實長這樣：

處理器要想像俄羅斯方塊一樣靈活地分配AI性能，就必須要有良好的任務排程，充分運用好每一個計算單元發揮有效算力，這就是“每瓦有效AI性能”強調的AI處理能力。

除了能提升AI本身的處理能力以外，“高能效AI”還滿足了移動端用戶的另一核心需求：

用戶在使用手機時，耗電量和應用體驗往往需要“兼得”。

像超分辨率等技術采用的AI模型，即使效果再好，如果在運行時給用戶帶來耗電量大幅增加、或是其他性能急劇下降的問題，就會極大地影響手機等移動設備的使用體驗。聯發科的高能效AI則可以很好地解決這個問題，為用戶帶來體驗上的提升。

那么芯片廠商如何提升每瓦有效AI性能？

如何實現高能效AI？

我們主要從硬件和軟件兩個方面來看。

硬件上，針對每瓦有效AI性能這一指標，聯發科在對自家APU架構進行評測時，會加入比模型運算（速度、準確率）更多的具體指標，以提升硬件同時處理多個模型的能力。

目前的大多AI Benchmark，基本都是針對單個模型在處理器上的運算速度、或是準確率，像語義分割、目標檢測、語音識別等CV和NLP任務。

然而現實場景中，無論是游戲超分、還是更復雜的其他手機功能，在處理器上運行的AI模型都不止一個。

單方面追求某一個模型的速度和準確率，在實際進行AI模型運算時，處理器就容易翻跟頭，出現處理時間延長、發燙或是掉幀等情況，用戶體驗大打折扣。

為了保證用戶的優質體驗，聯發科提出了用AI Burnout應用程序來對APU等處理器進行多AI模型處理性能測試。

具體來說，AI Burnout會像模擬真實場景一樣，讓處理器重復進行大量運算直至停止，來測試處理器在同時運行多個AI模型時，是否會出現急劇發熱、或是急劇降低的情況，并據此進行優化，展現了真實的AI性能和功耗。

據聯發科介紹，通過這種方式，他們確實將APU的功耗限制在了1w左右，運算多個AI模型時也不會導致明顯的發燙發熱現象。

在Al Burnout測試中，搭載第三代APU的天璣1200獲得了接近450幀/秒的成績，同時溫度一直保持在40℃以下（用于做對比分析的競品不足250幀/秒，最高溫度突破45℃），成績亮眼，對聯發科高能效AI在功耗和性能方面的優秀表現做出了佐證。

當然，除了APU自身表現以外，還需要在架構設計時考慮APU與各處理器之間的協同效率，進一步優化AI模型的處理速度。

軟件上，硬件廠商也需要設計對應的處理平臺，讓AI算法“更快地”適應硬件架構。

聯發科推出的NeuroPilot人工智能平臺，就針對AI模型做出了更好的優化。

一方面，該平臺支持目前所有的AI主流框架，同時針對模型多任務處理進行軟件層上的優化，使得采用不同框架編寫的AI模型，也能共同高效運行；

另一方面，該平臺可提供Platform-aware工具鏈，使得移動廠商在開發APP初期，就可以針對平臺特性進行對應的算法優化，進一步提升AI模型的運算效率。

△聯發科MediaTek NeuroPilot

通過聯發科NeuroPilot人工智能平臺與其AI處理器APU的配搭，二者結合可實現高能效AI表現，也進一步給移動端提供了更豐富的想象空間。

比如在超分辨率技術的基礎上，結合其他AI技術提升傳輸效率的同時，功耗還不發生明顯增加。同時，為直播、特效拍照、實時光追提供了更高的技術上限；

在5G傳輸時，AI算法能針對5G耗電大的情況進行智能優化，同時結合VR等AI技術，在手機上實現智能視頻通話、虛擬3D應用也并非完全不可能；

在面對夜景拍攝這種需要AI模型大幅提升畫質的場景時，高能效AI技術使得手機拍攝也不會出現明顯快速掉電現象，同時將功率穩定控制在一定范圍內……

△AI攝影應用（示意圖）

從游戲、5G到拍照等多媒體場景，聯發科帶來的高能效AI實現，又進一步拓寬了我們對手機AI應用的想象。

未來手機AI的新浪潮

事實上，智能手機對AI應用的依賴程度，可能比我們想象得要更高。

就在前段時間，谷歌發布了最新的手機芯片Tensor。

相比于芯片性能和參數，谷歌在Tensor中加入了大量的AI技術支持。

例如之前的智能通話、語音實時翻譯、照片去模糊、智能擦除等AI技術，谷歌都將之直接集成到了手機芯片中，并以此作為芯片的核心亮點。

雖然Tensor芯片更多是被搭載在谷歌自身的Pixel 6和Pixel 6 Pro手機上，但它所透露出來的信號不言而喻。

很明顯，AI技術正在智能手機中占據著越來越重要的地位。

在硬件性能提升的同時，如何讓手機盡可能搭載更多AI模型、如何合理對AI模型進行融合來實現更多功能，正在成為智能廠商追逐的趨勢之一。

反過來看，更豐富的AI技術，勢必又會對智能硬件本身提出更高的要求。

隨著AI愈發成為手機中勢不可擋的技術趨勢，手機硬件也不應當只通過提升算力這一條路徑去提升優化空間，而應該聚焦于實際體驗，開辟如聯發科“高能效AI”這樣的更新思路。

換而言之，硬件不僅要去“適應”AI技術本身，而是更應當理解AI背后的邏輯，并以此“延伸”AI技術背后的技術脈絡。

從發展路線來看，聯發科在“高能效AI”上，已經進行了相當長時間的技術儲備，這一布局相比于一味提升峰值AI算力，更具實用價值：

包括天璣1000+在內的多款天璣移動平臺先后登頂蘇黎世AI-Benchmark的移動芯片排行榜，同時在硬件架構和軟件設計上，聯發科針對高能效這一方向進行了不少自研技術優化……

如今聯發科的下一代天璣旗艦處理器將要發布，隨著AI技術的演進，又會有怎么樣的顛覆性創新和升級？我們拭目以待。