不服？来跑个分！

如今，手机厂商发布新品，跑分环节一定是少不了的。就连拍照这种很难量化的指标，也要整出一个DxOMark得分，分出高下。我们对数字是如此迷恋，以至于《小王子》里面就有这样一段话：

如果你对大人们说：“我看到一幢用玫瑰色的砖盖成的漂亮的房子，它的窗户上有天竺葵，屋顶上还有鸽子……”他们怎么也想象不出这种房子有多么好。必须对他们说：“我看见了一幢价值十万法郎的房子。”那么他们就惊叫道：“多么漂亮的房子啊！”

不知你是否装机后干的第一件事情就是装上鲁大师跑个分，买来新手机第一件事情就是装上安兔兔跑个分？反正我知道很多 程序员 朋友就这么干。

在过去几年中，智能手机和平板电脑等移动设备的计算能力急剧增长，很多高端手机的性能达到了几年前台式计算机的水平。以至于有人惊呼，手机性能严重过剩，真的如此吗？

随着人工智能越来越多的进入我们的生活，智能手机迎来了新的挑战：运行人工智能算法。考虑到移动终端有着天然的人工智能使用场景，可以预见不久的未来，人工智能将在移动端迎来爆炸性增长。但由于手机的硬件限制，大多数AI算法要么无法在智能手机上使用，要么在远程服务器上执行。

这个时候，你还会怀疑手机性能过剩吗？

好消息是，越来越多的厂商开始致力于移动端的人工智能领域发展，将单独的算法或整个机器学习库移植到具有使用GPU或DSP的附加硬件加速（HA）的移动平台。2016年，高通公司推出了Snapdragon神经处理引擎（SNPE），以加速其GPU和DSP的神经网络的执行。2017年，海思半导体发布了在麒麟NPU上运行神经网络的HiAI平台。紧接着，联发科推出了可以在GPU或APU上运行深度学习模型的NeuroPilot SDK。

在如此热门的领域，怎么少得了巨头Google呢？从Android 8.1开始集成Android Neural Networks API (NNAPI)，解决了各芯片厂商各自为战的混乱场面。因为各厂商的SDK都只针对相应的芯片组开发，即依赖HiAI的应用程序无法在Qualcomm SoC上运行，反之亦然，这样开发人员需要为每个平台开发多个版本的应用程序。NNAPI基本上是高级机器学习框架和设备的硬件加速资源之间的中间层，负责它们的通信以及在最合适的硬件上调度任务的执行。

Android NNAPI架构

有了NNAPI，厂商可以专注于提供和优化NN驱动，应用程序开发人员无需为不同平台开发不同的版本，简化了整个生态系统。

那么问题来了，手机AI哪家强？以后手机厂商发布新品时，会不会出现吊打友商AI的环节？

要比拼AI性能，最简单粗暴的方法就是跑个分，拿数据说话。现在很多测评软件也推出了AI测试包，比如安兔兔。下面介绍的是来自苏黎世联邦理工学院的 AI Benchmark 应用，用于测试不同安卓设备和芯片的深度学习性能。目前还未发布IOS版，所以国内厂商暂时少了吊打苹果的乐趣。

该基准测试由智能手机上运行的神经网络执行的21个计算机视觉和AI测试组成。它测量了超过50个不同方面的AI性能，包括速度、准确性、初始化时间等。考虑到神经网络包含全面的架构，可以评估用于解决不同AI任务的各种方法的性能和限制。

目前该应用只在Google Play上架，对国内用户太不友好了。还好我的华为手机支持Google Play，翻墙之后就可以下载。如果你们想尝鲜，也可以前往：https://www.apkmirror.com/apk/ignatov-andrey/ai-benchmark/ 下载，这里保存了AI Benchmark的多个版本，不像在Google Play上，只能安装最新的3.0版本。下面是我的华为Mate 20 pro的得分：

与网站上给出的得分似乎存在一些差距：

你的手机能在兵器谱排行第几，也来试试吧！

参考文献

1. http://ai-benchmark.com/index.html

2. AI Benchmark: Running Deep Neural Networks on Android Smartphones

3. Neural Networks API