Robert Triggs / Android Authority Kto nie lubi dobrych, szalonych plotek, zwłaszcza gdy łączą one wysokiej klasy telefony, takie jak Samsung Galaxy S25, z gorącymi tematami, takimi jak sztuczna inteligencja? Według najnowsze szepty, kolejny flagowy telefon Samsunga będzie napędzany nowym flagowym procesorem Exynos 2500 (oprócz niezapowiedzianego jeszcze Qualcomm Snapdragon 8 Gen 4). Raport wymaga sporej dawki soli, ale soczyste spekulacje są takie, że chip będzie wyposażony w dedykowany akcelerator AI zbudowany przez Google, podobny do TPU Google zastosowanego w procesorze Tensor G3 w Pixelu 8. Przez ostatnie dwie generacje Samsung rozwijał własny akcelerator AI dla Exynos, składający się z dużych i małych rdzeni zorientowanych na sztuczną inteligencję (NPU) oraz bardziej tradycyjnego cyfrowego procesora sygnałowego (DSP) przetwarzającego liczby. Wprowadzenie opracowanej przez Google części procesora byłoby milczącym przyznaniem, że krzem AI firmy Samsung pozostaje w tyle za konkurencją, zarówno pod względem wydajności, jak i narzędzi programistycznych. Zwykle powiedzielibyśmy, że absolutnie nie, ale nie jest to nieprawdopodobny rozwój. Google i Samsung ściśle współpracowały nad serią chipów Tensor i oprogramowaniem AI, takim jak Galaxy AI. Licencjonowanie dodatkowej technologii między nimi byłoby normalne. ASUS korzysta już z procesorów Google TPU w swojej platformie Coral IoT, więc dlaczego nie Samsung?
Korzyścią byłyby prawdopodobnie większe możliwości przetwarzania liczb przez sztuczną inteligencję w serii Galaxy S25. Niezależnie od tego, czy plotka okaże się prawdziwa (nadal daleko nam do przekonania), zwróciła ona moją uwagę na kluczowy punkt zwrotny w obecnym wyścigu zbrojeń mobilnej sztucznej inteligencji, w który warto się zagłębić.
Ktoś w pewnym momencie wygra wyścig AI
W ciągu ostatniego roku krajobraz sztucznej inteligencji bardzo się zmienił, podobnie jak wymagania sprzętowe umożliwiające uruchamianie najnowszych modeli i narzędzi. „Podstawowe” narzędzia do wczesnego wnioskowania i narzędzia oparte na chmurze szybko ustąpiły miejsca modelom generatywnym, które mogą generować fragmenty tekstu, obrazów, a nawet wideo na urządzeniu, ale wymagają do tego znacznie większej specjalistycznej mocy obliczeniowej. Aby dotrzymać kroku projektanci procesorów mobilnych, inwestują coraz więcej tranzystorów w części przetwarzające NPU, a Google, Samsung, Qualcomm, MediaTek i Apple stosują nieco inne podejścia. Jeśli pogłoski okażą się prawdziwe, Exynos i Tensor mogą być bliżej siebie niż kiedykolwiek. W innowacyjnej dziedzinie zawsze są zwycięzcy i przegrani, a przewidywanie kierunków rozwoju krzemu z tak dużym wyprzedzeniem wymaga elementu szczęścia. Częścią problemu jest to, że obciążenia AI są tak bardzo zróżnicowane, że ustalenie, które instrukcje i głębia bitowa mają być obsługiwane przez sprzęt, jest trudne, gdy stan aplikacji pozostaje zmienny. Zmieniający się krajobraz może sprawić, że koszty rozwoju będą zaporowe, zwłaszcza jeśli nie sprzedajesz swoich rozwiązań daleko i szeroko. Przewaga Google polega na tym, że Google ma swój udział zarówno w rozwoju oprogramowania AI, jak i sprzętu, być może dzięki temu, że jej rozwój TPU będzie nieco bardziej dostosowany do zmieniającego się rozwoju niż jacyś inni. W końcu korzystanie ze sprzętu AI tej samej firmy, wprowadzającego modele Gemini Nano do różnych smartfonów, z pewnością przyniesie korzyści.
Robert Triggs / Android Authority Patrząc nieco dalej w przyszłość, przyszłość aplikacji AI nie będzie ograniczać się do kilku zastrzeżonych aplikacji OEM dostarczanych z telefonem (przepraszam, Galaxy AI). Konsumenci będą chcieli przenosić swoje aplikacje AI na różne urządzenia i platformy, tak jak inne aplikacje, co będzie wymagało dostępu zewnętrznych programistów do sprzętu akcelerującego sztuczną inteligencję. Jednakże przetestowałem wskaźniki wydajności AI serii Exynos i Snapdragon Samsung Galaxy S24 za pomocą GeekBench ML (co prawda wciąż w fazie rozwoju). ) i odkrył, że aplikacja nie może uzyskać dostępu do dodatkowej wydajności NPU za pośrednictwem interfejsu API Android NN. Działanie bezpośrednio na procesorze i karcie graficznej było szybsze, co nie powinno mieć miejsca. Być może jest to problem ze sterownikiem lub wydaje się, że niektóre z najlepszych telefonów ze sztuczną inteligencją na rynku nie zapewniają programistom zewnętrznym łatwego dostępu do wykorzystania inteligencji sztucznej inteligencji za pośrednictwem podstawowego interfejsu API systemu Android.
Przeprowadziłem ten sam test na Google Pixel 8 Pro i odkryłem zauważalny wzrost niektórych obciążeń podczas korzystania z Androida NN (z wyjątkiem 32-bitowych testów zmiennoprzecinkowych, które nie przynoszą żadnych korzyści). Innymi słowy, programiści mogą uruchamiać obciążenia AI TensorFlow na TPU Pixela, aby uzyskać znaczny wzrost wydajności. Uruchamianie testu AI Ignatova Andreya (wyniki poniżej) wykazało bardzo podobny trend. Interfejs API Android NN zasadniczo nie wykazał żadnego wzrostu w porównaniu z rdzeniami procesora, a także uzyskał wyniki znacznie poniżej frameworków QNN firmy Qualcomm na Galaxy S24 Ultra. Co ciekawe, QNN na S24 Ultra faktycznie zdeklasował najlepszy wynik Pixela 8 z dużym marginesem, podkreślając moc obliczeniową AI Qualcomma. Ponadto Qualcomm udostępnia narzędzia AI Hub umożliwiające programistom dostęp do własnych modeli sztucznej inteligencji na urządzeniach. Niepokojące jest to, że opcja ENN firmy Samsung nie działała na Exynos Galaxy S24, przez co urządzenie utkwiło w fatalnym wyniku opartym na Androidzie NN.
Nie ma to wpływu na wydajność sztucznej inteligencji w Galaxy S24; wyraźnie działa wystarczająco dobrze dla Galaxy AI. Rzecz w tym, że programiści nie będą chcieli wdrażać trzech lub czterech różnych frameworków, aby zapewnić każdemu najlepszą wydajność aplikacji AI. Jest to szerszy problem. Mamy nadzieję, że powyższe pomogło uwydatnić dwie połowy wyzwania związanego z krzemem AI: najpierw opracowanie sprzętu, a następnie kodowanie bibliotek i narzędzi w celu otwarcia tego sprzętu w sposób, na którym programiści mogą i chcą budować. To ogromna inwestycja, tym bardziej, że krzem zmienia się tak szybko. Krzem AI ostatecznie połączy się wokół najbardziej praktycznego modelu i nie stawiałbym przeciwko Google. Jeśli Google wykonał już prace związane z API ze swoimi TPU, jak wydaje się mieć to miejsce, być może jest to wystarczający powód, aby Samsung rozważył rozwiązanie Google zamiast wewnętrznej opcji dla przyszłych chipsetów Exynos, zwłaszcza jeśli wierzy w przyszłość rynek aplikacji AI innych firm. Dzisiejszy krajobraz mobilnej sztucznej inteligencji to Dziki Zachód, a marki w mgnieniu oka gonią za własnymi, unikalnymi kombinacjami sprzętu i oprogramowania, aby wyprzedzić konkurencję. Ostatecznie rynek zadowoli się najbardziej praktycznymi, choć niekoniecznie najpotężniejszymi pomysłami i prawie na pewno zaobserwujemy znacznie większą homogeniczność pomiędzy urządzeniami. Nie stawiałbym tutaj przeciwko Google, nawet jeśli ta niepewna plotka o krzemowej sztucznej inteligencji nie okaże się prawdziwa w przypadku serii Samsung Galaxy S25. Uwagi