手机玩游戏大作难在哪？硬件性能要加码，高能效AI同样关键

十三 2021-10-31 15:17:53 来源：量子位

萧箫 发自 凹非寺

量子位 报道 | 公众号 QbitAI

在手机上就能“云”玩游戏大作，相信不少玩家听了都会心动。

然而，虽然5G已来，但云游戏这些年的落地效果并不让人满意。

确实已经有平台能直接做到云玩游戏（不用下载），但画质低、传输延迟高一直很影响游戏玩家的体验。

这是因为，即使传输速度上去了，如果图像和视频处理技术跟不上，仍然会给游戏应用带来很大的延迟。所以，想玩好游戏，答案要从AI里找。

AI技术的发展确实给手游玩家们带来了新的希望。

例如，借助本地AI超分辨率技术，可以使GPU与APU协同计算，能够带来画质的提升，从而提升本地游戏和云游戏体验，并且实现了性能和功耗的平衡。

△在游戏中采用AI超分辨率算法（示意图）

问题来了，像移动端游戏超分这类和AI有关的技术都是现阶段应用就可以实现的，然而目前真正落地的还非常少。

其中的难点究竟在哪？

移动端AI游戏技术落地，难在哪？

难在硬件对AI模型的运算效率上。

以云游戏为例，如果在本地使用AI技术实现游戏超分的同时，又遇到了其他应用也调用AI计算，势必会给APU等硬件带来巨大的负荷。

应用AI技术确实能给游戏玩家带来更好的体验，但得是在手机硬件能同时运行这么多AI模型，且不影响手机使用体验的前提下。

面对这种情况，联发科给出了自己的答案。我们可以清晰的看到，在AI这一步棋上，作为手机核心提供者的芯片厂商是怎么走的。

近期，联发科对天玑旗舰技术做了一系列分享，透露了领先AI技术优势背后的关键要点——高能效AI。

相比于不少芯片在AI性能上强调的峰值AI算力，联发科的高能效AI更强调处理器的每瓦有效AI性能，这也是联发科在设计架构和优化上的关键指标。

如何理解每瓦有效AI性能？

例如，处理器每秒能运算这样4个单位的AI任务，然而实际的4个单位AI任务其实长这样：

处理器要想像俄罗斯方块一样灵活地分配AI性能，就必须要有良好的任务排程，充分运用好每一个计算单元发挥有效算力，这就是“每瓦有效AI性能”强调的AI处理能力。

除了能提升AI本身的处理能力以外，“高能效AI”还满足了移动端用户的另一核心需求：

用户在使用手机时，耗电量和应用体验往往需要“兼得”。

像超分辨率等技术采用的AI模型，即使效果再好，如果在运行时给用户带来耗电量大幅增加、或是其他性能急剧下降的问题，就会极大地影响手机等移动设备的使用体验。联发科的高能效AI则可以很好地解决这个问题，为用户带来体验上的提升。

那么芯片厂商如何提升每瓦有效AI性能？

如何实现高能效AI？

我们主要从硬件和软件两个方面来看。

硬件上，针对每瓦有效AI性能这一指标，联发科在对自家APU架构进行评测时，会加入比模型运算（速度、准确率）更多的具体指标，以提升硬件同时处理多个模型的能力。

目前的大多AI Benchmark，基本都是针对单个模型在处理器上的运算速度、或是准确率，像语义分割、目标检测、语音识别等CV和NLP任务。

然而现实场景中，无论是游戏超分、还是更复杂的其他手机功能，在处理器上运行的AI模型都不止一个。

单方面追求某一个模型的速度和准确率，在实际进行AI模型运算时，处理器就容易翻跟头，出现处理时间延长、发烫或是掉帧等情况，用户体验大打折扣。

为了保证用户的优质体验，联发科提出了用AI Burnout应用程序来对APU等处理器进行多AI模型处理性能测试。

具体来说，AI Burnout会像模拟真实场景一样，让处理器重复进行大量运算直至停止，来测试处理器在同时运行多个AI模型时，是否会出现急剧发热、或是急剧降低的情况，并据此进行优化，展现了真实的AI性能和功耗。

据联发科介绍，通过这种方式，他们确实将APU的功耗限制在了1w左右，运算多个AI模型时也不会导致明显的发烫发热现象。

在Al Burnout测试中，搭载第三代APU的天玑1200获得了接近450帧/秒的成绩，同时温度一直保持在40℃以下（用于做对比分析的竞品不足250帧/秒，最高温度突破45℃），成绩亮眼，对联发科高能效AI在功耗和性能方面的优秀表现做出了佐证。

当然，除了APU自身表现以外，还需要在架构设计时考虑APU与各处理器之间的协同效率，进一步优化AI模型的处理速度。

软件上，硬件厂商也需要设计对应的处理平台，让AI算法“更快地”适应硬件架构。

联发科推出的NeuroPilot人工智能平台，就针对AI模型做出了更好的优化。

一方面，该平台支持目前所有的AI主流框架，同时针对模型多任务处理进行软件层上的优化，使得采用不同框架编写的AI模型，也能共同高效运行；

另一方面，该平台可提供Platform-aware工具链，使得移动厂商在开发APP初期，就可以针对平台特性进行对应的算法优化，进一步提升AI模型的运算效率。

△联发科MediaTek NeuroPilot

通过联发科NeuroPilot人工智能平台与其AI处理器APU的配搭，二者结合可实现高能效AI表现，也进一步给移动端提供了更丰富的想象空间。

比如在超分辨率技术的基础上，结合其他AI技术提升传输效率的同时，功耗还不发生明显增加。同时，为直播、特效拍照、实时光追提供了更高的技术上限；

在5G传输时，AI算法能针对5G耗电大的情况进行智能优化，同时结合VR等AI技术，在手机上实现智能视频通话、虚拟3D应用也并非完全不可能；

在面对夜景拍摄这种需要AI模型大幅提升画质的场景时，高能效AI技术使得手机拍摄也不会出现明显快速掉电现象，同时将功率稳定控制在一定范围内……

△AI摄影应用（示意图）

从游戏、5G到拍照等多媒体场景，联发科带来的高能效AI实现，又进一步拓宽了我们对手机AI应用的想象。

未来手机AI的新浪潮

事实上，智能手机对AI应用的依赖程度，可能比我们想象得要更高。

就在前段时间，谷歌发布了最新的手机芯片Tensor。

相比于芯片性能和参数，谷歌在Tensor中加入了大量的AI技术支持。

例如之前的智能通话、语音实时翻译、照片去模糊、智能擦除等AI技术，谷歌都将之直接集成到了手机芯片中，并以此作为芯片的核心亮点。

虽然Tensor芯片更多是被搭载在谷歌自身的Pixel 6和Pixel 6 Pro手机上，但它所透露出来的信号不言而喻。

很明显，AI技术正在智能手机中占据着越来越重要的地位。

在硬件性能提升的同时，如何让手机尽可能搭载更多AI模型、如何合理对AI模型进行融合来实现更多功能，正在成为智能厂商追逐的趋势之一。

反过来看，更丰富的AI技术，势必又会对智能硬件本身提出更高的要求。

随着AI愈发成为手机中势不可挡的技术趋势，手机硬件也不应当只通过提升算力这一条路径去提升优化空间，而应该聚焦于实际体验，开辟如联发科“高能效AI”这样的更新思路。

换而言之，硬件不仅要去“适应”AI技术本身，而是更应当理解AI背后的逻辑，并以此“延伸”AI技术背后的技术脉络。

从发展路线来看，联发科在“高能效AI”上，已经进行了相当长时间的技术储备，这一布局相比于一味提升峰值AI算力，更具实用价值：

包括天玑1000+在内的多款天玑移动平台先后登顶苏黎世AI-Benchmark的移动芯片排行榜，同时在硬件架构和软件设计上，联发科针对高能效这一方向进行了不少自研技术优化……

如今联发科的下一代天玑旗舰处理器将要发布，随着AI技术的演进，又会有怎么样的颠覆性创新和升级？我们拭目以待。