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 徕卡滤镜、通知推荐、健康分析、防偷窥 骁龙8提供的AI体验太多了

徕卡滤镜、通知推荐、健康分析、防偷窥 骁龙8提供的AI体验太多了

2021-12-22 12:26
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2021-12-22 12:26 业界供稿

人工智能,即AI,被认为是一场全新的技术革命,其对人们工作和生活的影响不会低于互联网。AI正在潜移默化且持续地推动智能手机、PC、汽车等21世纪核心“终端”的最新技术进步。

历经数年,手机上的AI性能也在快速升级,以骁龙8为例,在前代已经实现高达26TOPS(每秒26万亿次)算力的基础上,其集成的第7AI引擎进一步实现了4倍的性能提升,这在骁龙移动平台的更迭历史上同样前所未有。

徕卡滤镜、通知推荐、健康分析、防偷窥 骁龙8提供的AI体验太多了

从硬件指标上来看,根据高通官方信息,第7代高通AI引擎包括具备超高性能、超高能效的高通Hexagon处理器,与前代相比,张量加速器速度和共享内存均提升至前代平台的2倍。

徕卡滤镜、通知推荐、健康分析、防偷窥 骁龙8提供的AI体验太多了

与此同时,AI能效还实现了1.7倍的提升。性能更强,功耗更低,令人赞叹。

近日,小米也通过官方渠道公布了其对搭载骁龙8的小米12系列新旗舰的测试信息,包括AI能力,结果显示在Inceptionv3、Mobilent_v2、Resnet50 和 VDSR 测试中,骁龙8在AI性能上均实现了两倍以上的提升,最高甚至超过四倍。

徕卡滤镜、通知推荐、健康分析、防偷窥 骁龙8提供的AI体验太多了

这还仅仅是浮于表面的“性能”指标层面。在更深层次上,骁龙8更是提前深入到各类AI应用当中,不仅让AI为手机游戏、拍摄、连接等方面提供支持,更凭借与各类厂商合作,打造了更多实际可见的AI功能,比如与徕卡合作实现的徕卡Leitz风格滤镜,与Hugging Face合作实现的、可帮用户分析通知并提供优先处理建议的个人助手,与Sonde Health合作实现的、凭借用户声音进行的健康隐患分析功能等等。

此外,骁龙8集成的第3代高通传感器中枢能够以极低功耗利用AI处理更多数据信息,这是一套始终运行的低功耗AI方案。硬件指标上,其相比前代平台性能提升75 %,功耗降低50%。其更多用于处理包括语音、音频、传感器和连接的情境数据流,比如语音助理、活动检测和环境理解等。

这其中包括一个全新低功耗ISP,能够与外部摄像头连接,让相机实现始终开启;与前置摄像头结合可为用户带来更多隐私安全特性,比如来新消息通知时,旁边有人偷窥就会立刻隐藏敏感信息等。

徕卡滤镜、通知推荐、健康分析、防偷窥 骁龙8提供的AI体验太多了

骁龙8的AI能力已经深入到各个方面,比如根据小米公布的信息,新一代 Spectra ISP 这次也融合了更多的AI能力,AI人脸识别能力由骁龙888 的115点升级为300点,识别速度也由24ms下降到 6ms,提升高达300%。

显然,这些都会帮助厂商为用户打造更多实际的AI应用,在各个方面为用户工作和生活提供极大的便利。这是骁龙8在更被人关注的性能指标之外提供的更多贴心服务,重要程度不亚于单纯的性能参数,却极易被忽略。

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。

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