每年蘋果或高通端出新的晶片，都會吹一下比去年提升了多少效能，通常cpu的能耗有比去
年高個20%就已經很厲害了，gpu了不起也只有30%。但是ai處理器動不動就是100多趴，為什
麼會差這麼多呢
因為之前的很爛啊...而且ai計算跟gpu差不多，其實沒有很必要額外做一個
作者:
emptie ([ ])
2023-01-07 17:17:00沒有太實際的應用場景根本就隨便吹
感知不強是軟體跟不上，開發者不夠積極，不過最強大還是照相錄影上
看手機計算攝影跟傳統相機對比就知道ai很重要，其它運用好像比較無感
作者:
ktan (赤貧)
2023-01-07 17:35:00相機是所見即所得,真實的,手機相機期望是所見即所思,修的
作者: square4 (卡哇伊) 2023-01-07 17:49:00
降低精度跟功耗，蒜粒翻倍
作者: astrofluket6 2023-01-07 17:55:00
1到100 和 100到10000 都是一百倍 哪個比較難?
前面有個NVIDIA玩AI玩很久了從0~100這部分N家搞了很久。
作者:
p40403 (石頭)
2023-01-07 18:13:00什麼時候手機用上DLSS
怎麼會有人覺得軟體跟不上...現在軟體跑到硬體都看不到車尾燈了= =拍照疊圖疊到卡頓發熱的一卡車
作者: Ereinion9895 (k kyle) 2023-01-07 19:08:00
沒有深度整合高一千倍都沒有用。重點是有多少功能能把ai算力發揮好。
作者:
Porops (豬排)
2023-01-07 22:59:00只有拍照一個應用的話做到1000%也不會成為殺手應用的
作者:
z83420123 (VoLTsRiNe)
2023-01-07 23:58:00不只拍照啊 你日常使用效能調度也有影響所以前幾循環通常都比較耗電
就功能單一的問題啊 你會發現效能換代漲幅是NPU>GPU>CPU 運算通用性是反過來的 NPU處理的資料型別固定 功能固定 就更好優化
因為AI推算可以低精度 佔的面積很小一般CPU/GPU核心佔面積太大 很難多塞翻倍佔2-5mm2的小東西 容易翻倍佔20-50mm2的大東西 不易翻倍因為晶片面積關係成本 不能大幅度變化像當初a11到a12號稱npu塞3倍其實只是不到2mm2變成5mm2多仍只是CPU/GPU/記憶體的小零頭
可以低精度不代表他只設計給低精度 data path width都是比照單精度下去設計的 是否支援低精度實質上和面積沒什麼關係
作者: ehai0725 (繪) 2023-01-08 23:45:00
你賺一千提升十倍很容易，你賺十萬提升十分之一就不錯了，基數不同直接比倍率，你數學體育老師教的？