微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 高通骁龙高端系列又迎来两款新品660/630 性能却在向顶级系列靠拢

高通骁龙高端系列又迎来两款新品660/630 性能却在向顶级系列靠拢

2017-05-17 23:29
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2017-05-17 23:29 CNET科技资讯网

CNET科技资讯网 5月17日 北京消息(文/周雅):继去年推出骁龙高端系列652/653/625/626之后,高通在5月9日迎来了升级版骁龙660/630,让业界惊喜的是,这两款产品均采用14纳米,而14纳米的制程工艺已经达到了骁龙顶级系列820/821的性能水平。这天,高通专门举办了一次媒体沟通会,详细解读了骁龙600系列产品。

熟悉高通的人都知道,其旗下骁龙移动平台划分了不同的产品层级,包括顶级的骁龙800系列,高端的骁龙600系列,中端的骁龙400系列以及入门级200系列。其中在骁龙800系列旗舰产品里,一般都会率先采用最先进的制程工艺。然而这次高通产品市场高级总监张云介绍:“当骁龙800系列技术逐渐成熟之后,我们会把这些新的技术、新的体验平移到骁龙600系列里面去,让更多的手机厂商、更多的用户能够体验到这些技术。”

具体到这两款新品,除了更长的电池续航时间以及极速LTE连接速度,还将实现先进的拍摄和增强的游戏体验。骁龙660和630移动平台包括:集成基带功能的骁龙660和630系统级芯片(SoC),以及包括射频(RF)前端、集成Wi-Fi、电源管理、音频编解码器和扬声放大器在内的软硬件组件,从而支持一套完整的移动解决方案。

高通骁龙高端系列又迎来两款新品660/630 性能却在向顶级系列靠拢

骁龙660/630专注于以下七个特性:

·拍摄:Qualcomm Spectra™160顶级摄像头ISP可支持更佳的拍摄图像质量,实现更自然的肤色、出色的弱光拍摄,以及针对双摄像头智能手机的、更好的能效表现和更高的吞吐量。此外,它还支持平滑的光学变焦、背景虚化、双相位对焦(2PD)与增强的摄像机视频稳像等特性;

·音频/视觉处理:高通首次在骁龙600系列中采用了一个新的概念叫做HVX(向量扩展)的Qualcomm® Hexagon™ 680 DSP——这是基于整个DSP处理上的向量扩展,它最大的好处是提供非常大的吞吐量,以更大的速度去处理很多运算工作,这样的功能在目前的图形处理、计算机视觉、神经网络里都可以得到非常大的应用,包括支持高性能低功耗的成像、计算机视觉和机器智能负载处理,HVX最早是在骁龙820里面,现在骁龙820、821、835都是支持的,这也是第一次在骁龙600系列开始支持。优化的软件库可支持TensorFlow和Halide。两款平台还支持Qualcomm All-Ways Aware™技术,以实现对Google Awareness API的支持。该技术可提供高通下一代“始终开启”的情境感知体验,并在Hexagon DSP上以极低功耗运行;

·连接:骁龙660/630均采用骁龙X12 LTE调制解调器,搭配全新SDR660射频收发器,首次在骁龙600系列的SoC中支持了600Mbps的峰值下行数据速率。骁龙660支持2x2 MU-MIMO 802.11ac Wi-Fi,与骁龙652相比,数据吞吐量可实现翻倍,并且下载时的功耗降低可达60%。它还可改善信号覆盖,尤其是在家庭和办公室等难以穿透的砖与混凝土墙环境中;还支持LTE/Wi-Fi天线共享和双频并发(DBS)操作等先进特性。两款平台都集成了先进的射频前端技术,包括支持载波聚合的Qualcomm® TruSignal™自适应天线调谐,旨在于各种用户条件下动态优化信号质量,支持广泛的网络覆盖与更一致的数据和语音体验。骁龙660630是首批支持包络跟踪技术的骁龙600系列芯片组,并包括了对高功率用户设备(High Power User Equipment, HPUE)的支持,可实现出色的能效与散热表现。两款平台都集成了强大的定位引擎,具备更佳的灵敏度,并支持全新卫星(伽利略和QZSS)以实现更快的定位;增强性能更好的支持强制性紧急服务需求,以及与前代产品相比功耗降低达50% – 75%的、更流畅的步行导航。两款平台都支持Bluetooth 5,与前代产品相比,终端传输数据量可翻倍;

·提升的CPU和GPU:骁龙660移动平台是骁龙653的后续产品,通过Qualcomm® Kryo™ 260实现了20%CPU性能提升,通过Qualcomm® Adreno™ 512实现了30%GPU性能提升,确保为终端用户提供更佳的游戏与多媒体体验。骁龙630作为骁龙625的后续产品,通过Adreno 508 GPU实现了30%GPU性能提升,并在CPU性能上也获得了10%的提升。两款平台都旨在提供出色的电池续航;

·快充:骁龙660630移动平台采用了Qualcomm® Quick Charge™ 4技术,充电仅15分钟即可获得50%的电池电量;

·安全:两款平台均支持Qualcomm® Mobile Security移动安全,在移动终端上提供注重安全基于硬件的保护、用户认证以及终端认证;

·机器学习:利用骁龙神经处理引擎SDKOEM厂商与开发商还可通过骁龙660630移动平台上的机器学习实现沉浸式和参与式的用户体验。该异构软件框架可支持Caffe/Caffe2TensorFlow,从而可根据具体想要实现的功能特性的性能以及功耗需求,更容易地选择具体的骁龙内核,如CPUGPUDSP/HVX,来运行神经网络。

骁龙660/630具有相同的调制解调器和摄像头架构,彼此管脚兼容、软件兼容,使OEM厂商能更简单轻松地打造、测试并调校终端。两款平台都使用了14纳米,提供4K视频拍摄与播放功能,并支持最大8GB内存和Vulkan API。此外,骁龙660移动平台最高支持QHD2K)分辨率显示屏,而骁龙630支持FHD/QXGA1080p)。

迄今为止,已有超过1000款基于骁龙600系列的设计已经发布或正在开发中。骁龙660现已出货,骁龙630移动平台将于本月底开始出货。

高通骁龙高端系列又迎来两款新品660/630 性能却在向顶级系列靠拢

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-