如今，手機廠商釋出新品，跑分環節一定是少不了的。就連拍照這種很難量化的名額，也要整出一個DxOMark得分，分出高下。我們對數字是如此迷戀，以至于《小王子》裡面就有這樣一段話：
如果你對大人們說：“我看到一幢用玫瑰色的磚蓋成的漂亮的房子，它的窗戶上有天竺葵，屋頂上還有鴿子……”他們怎麼也想象不出這種房子有多麼好。必須對他們說：“我看見了一幢價值十萬法郎的房子。”那麼他們就驚叫道：“多麼漂亮的房子啊！”
不知你是否裝機後幹的第一件事情就是裝上魯大師跑個分，買來新手機第一件事情就是裝上安兔兔跑個分？反正我知道很多程式員朋友就這麼幹。
在過去幾年中，智能手機和平闆電腦等移動裝置的計算能力急劇增長，很多高端手機的性能達到了幾年前台式計算機的水準。以至于有人驚呼，手機性能嚴重過剩，真的如此嗎？
随着人工智能越來越多的進入我們的生活，智能手機迎來了新的挑戰：運作人工智能算法。考慮到移動終端有着天然的人工智能使用場景，可以預見不久的未來，人工智能将在移動端迎來爆炸性增長。但由于手機的硬體限制，大多數AI算法要麼無法在智能手機上使用，要麼在遠端伺服器上執行。
這個時候，你還會懷疑手機性能過剩嗎？
好消息是，越來越多的廠商開始緻力于移動端的人工智能領域發展，将單獨的算法或整個機器學習庫移植到具有使用GPU或DSP的附加硬體加速（HA）的移動平台。2016年，高通公司推出了Snapdragon神經處理引擎（SNPE），以加速其GPU和DSP的神經網絡的執行。2017年，海思半導體釋出了在麒麟NPU上運作神經網絡的HiAI平台。緊接着，聯發科推出了可以在GPU或APU上運作深度學習模型的NeuroPilot SDK。
在如此熱門的領域，怎麼少得了巨頭Google呢？從Android 8.1開始內建Android Neural Networks API (NNAPI)，解決了各晶片廠商各自為戰的混亂場面。因為各廠商的SDK都隻針對相應的晶片組開發，即依賴HiAI的應用程式無法在Qualcomm SoC上運作，反之亦然，這樣開發人員需要為每個平台開發多個版本的應用程式。NNAPI基本上是進階機器學習架構和裝置的硬體加速資源之間的中間層，負責它們的通信以及在最合适的硬體上排程任務的執行。
Android NNAPI架構
有了NNAPI，廠商可以專注于提供和優化NN驅動，應用程式開發人員無需為不同平台開發不同的版本，簡化了整個生态系統。
那麼問題來了，手機AI哪家強？以後手機廠商釋出新品時，會不會出現吊打友商AI的環節？
要比拼AI性能，最簡單粗暴的方法就是跑個分，拿資料說話。現在很多測評軟體也推出了AI測試包，比如安兔兔。下面介紹的是來自蘇黎世聯邦理工學院的 AI Benchmark 應用，用于測試不同安卓裝置和晶片的深度學習性能。目前還未釋出IOS版，是以國内廠商暫時少了吊打蘋果的樂趣。
該基準測試由智能手機上運作的神經網絡執行的21個計算機視覺和AI測試組成。它測量了超過50個不同方面的AI性能，包括速度、準确性、初始化時間等。考慮到神經網絡包含全面的架構，可以評估用于解決不同AI任務的各種方法的性能和限制。
目前該應用隻在Google Play上架，對國内使用者太不友好了。還好我的華為手機支援Google Play，通路外國網站之後就可以下載下傳。如果你們想嘗鮮，也可以前往：https://www.apkmirror.com/apk/ignatov-andrey/ai-benchmark/ 下載下傳，這裡儲存了AI Benchmark的多個版本，不像在Google Play上，隻能安裝最新的3.0版本。下面是我的華為Mate 20 pro的得分：
與網站上給出的得分似乎存在一些差距：
你的手機能在兵器譜排行第幾，也來試試吧！
參考文獻
- http://ai-benchmark.com/index.html
- AI Benchmark: Running Deep Neural Networks on Android Smartphones
- Neural Networks API