AI手机到底强在哪？华为Mate 10之麒麟970芯片深度评测（4）

• 华为
• 麒麟970
• AI
• 评测
• 三星

由于鲁大师的这项“AI性能评测”是跨平台的，因此这次对比测试中，我们加入了搭载苹果A11 Bionic芯片的iPhone 8，A11 Bionic芯片内嵌双核的神经网络计算单元，和麒麟970的NPU属性类似，都能够为AI的神经网络计算加速。

测试中，华为Mate 10完成地非常快，最终成绩达到了236的超高分。而同样内嵌AI专有计算单元的iPhone 8只得到了180分，单纯的成绩得分算下来华为Mate 10要比iPhone 8快了30%以上。而搭载骁龙835的三星Note 8 成绩仅为145分，搭载骁龙660的OPPO R11s得分仅为76。

在测试时间上，华为Mate 10的优势就更明显了，仅用时21秒，iPhone 8用时52秒，三星Note 8用时1分21秒，OPPO R11s用时则长达2分钟50秒。

鲁大师放出的“AI性能排行榜”上可以看出，搭载麒麟970芯片的华为Mate 10/Mate 10 Pro、荣耀V10机型测试的平均成绩已经霸占了榜单前几位，均在232以上。接下来的排序就直接跌落到了180分左右，就是同样内嵌神经网络计算单元的iPhone X/8系列得分。而其他包括三星Note 8/S8在内骁龙835等旗舰平均得分仅为150以内。

这两个跑分测试能够直观地看到麒麟970的HiAI架构的在神经网络计算上的性能优势。另外，麒麟970集成NPU的HiAI架构对于AI算力的效能提升有多大呢？官方称能够以极低的功耗带来强大的AI算力。

我们的一个直观地感受是，在上面的多轮跑分测试中，华为Mate 10在测试中始终没有出现太明显发热迹象，三星Note 8和OPPO R11s均出现了能够明显感知的温度升高。

为了进一步验证麒麟970这种HiAI架构的能效优势，我们在网上的开源社区找到了一个能够运行于Android的TensorFlow demo，虽然这个demo只包含了TensorFlow一组基础的图像识别模型库，但已经够用，我们主要用这个demo来让手机运行神经网络算法，可以用来做功耗对比测试。

我们同样使用了华为Mate 10、三星Note 8以及OPPO R11s，为这三部手机均安装了这套TensorFlow demo。打开TensorFlow demo对常见静态物体，以及动态的车辆等场景进行识别时，发现三者的速度几乎没有太大差别，毕竟这只是一套基础的图像识别模型。