
高通于今天下午在中国发布首款提供系统级超高清移动处理器骁龙805,首次支持4K解决方案,包括4K影像摄录和播放;且集成了全新的图形处理芯片Adreno 420 GPU,图形处理能力增强了40%。
图:美国高通技术公司产品营销总监Mark Shedd
智能设备的发展正成为4K兴起的推动力,而同时现在智能移动设备早已为4K做好准备了。对于805而言,单单只是简单的支持4K还是不够的,805推崇的是全4K,也就是不管是视频、游戏、桌面各种应用场合,都可以享受4K。
骁龙805是高通目前为止最新且性能最强的骁龙处理器产品,采用Krait 450四核CPU,单核芯主频最高能够达到2.7GHz,并且支持新近的多任务和多线程应用;且集成了全新的图形处理芯片Adreno 420 GPU,图形处理能力增强了40%;此外,内存带宽也增至2*64位,25.6GB/s,相比上一代提升了一倍的速度。
骁龙805是移动行业首个端到端的超高清解决方案,可实现终端显示的同时将内容输出到高清电视;采用最新的Adreno 420 GPU,支持硬件曲面细分技术和几何着色器,在低功耗的同时可以对4K画面进行渲染,从而得到更逼真的画面和绚丽的用户界面、图形和移动游戏体验。
此外,骁龙805还支持硬件4K HEVC(H.265)解码,支持好莱坞品质(HQV)的高级后期处理能力,可以在得到出色的画面同时降低视频文件的大小。
拍摄方面,骁龙805内置了两颗ISP芯片,支持最高5500万像素的摄像头(前+后),最迟1GPixel/秒的双ISP,使得其拍摄素质进一步提升,可以让用户获得更稳定、更鲜艳和更清晰的照片。
骁龙805集成Gobi 9x35调制解调器,是全球第一颗用20纳米做的多模多制式的支持LTE的调制解调器,支持CAT6高达300Mbps的LTE速度;集成蓝牙4.1,支持GPS、格洛纳斯和北斗导航系统,并且还支持快速充电2.0技术,电池充电时间提升75%左右。
骁龙805还有一个很重要的一点就是充电,高通自己研发了一套快速充电的方案,它在手机这一侧有一个识别和保护电路,这是需要充电器这一侧提高它的输出供给的电压或者电流。高通高级总监鲍山泉指出,一般充电器给一安的电流,高通可以提供到两安或更高,这样一来,可提升手机充电的速度。一般情况下半个小时,就可以给手机充60%的电。
鲍山泉透露,骁龙805正在出样,基于骁龙805的手机将于今年年底上市。
图:搭载高通骁龙805的手机
鲍山泉表示,高通将从骁龙805开始,把对底层的控制,曝光时间有多长,照相帧的速率多快,基本的闪光灯的控制,一次曝光曝完还是分阶段曝,都开放给第三方的应用开发者。以前这些手机厂家能够拿到这些硬件资源,直接可以控制传感器还有闪光灯。
除此之外,骁龙805的图形效果可以做到每帧,每照出来一个照片就做一个后处理:降噪;且可以把照下来的录像和照片多帧前后做处理,做出来的照片和人眼看到的基本上一样;可辅助手机传感器防抖、纠片。
举个例子,平常照一张照片只能对一个焦点,对到第一排,后面几排人的脸就虚化了。所谓多帧,就是照出来一张照片,第一排到最后一排脸都是很清楚,等于说不是照一张照片,而是照了五张照片,合成一张,五张照片以后提供一个小的数据库,你点第一排第一排就清楚,点第二排第二排就清楚,这是基于多帧的控制。这些都是基于高通骁龙805处理器的手机提供的照相功能。

好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。