天天看點

聯發科天玑9300釋出,首發全大核架構,130億參數大模型本地跑

聯發科天玑9300釋出,首發全大核架構,130億參數大模型本地跑

聯發科天玑9300釋出,首發全大核架構,130億參數大模型本地跑

智東西

作者 |  佳慧

編輯 |  雲鵬

智東西11月6日報道,今晚七點,聯發科技的天玑旗艦晶片新品釋出會準時開始。

在釋出會上,聯發科正式釋出了新一代旗艦5G生成式AI移動晶片天玑9300。并且據聯發科官方介紹,此款晶片是全球首款全大核架構智能手機晶片。

據介紹,天玑9300是4個超大核+4個大核架構,CPU包含4個Cortex-X4超大核,以及4個主頻為2.0GHz的Cortex-A720大核,采用台積電新一代4nm工藝,有227億半導體,有8MB三級緩存和10MB系統緩存。與天玑9200相比,天玑9300的峰值性能提升40%,同性能下能耗下降33%。

在GPU上,天玑9300采用12核Immortalis-G720 MC12 1300MHz,與天玑9200相比,性能提升同能耗下46%,同性能下能耗下降40%。

一、內建第七代AI處理器,内置生成式AI引擎

天玑9300內建聯發科技第七代AI處理器APU 790。APU 790内置生成式AI引擎,與Transformer模型适配進行算子加速,處理速度是天玑9200的8倍,可以實作1秒内生成圖檔。

結合記憶體硬體壓縮技術NeuroPilot Compression來減少AI大模型對終端記憶體的占用,天玑9300支援在終端運作10億、70億、130億參數的AI大模型。據聯發科技官方稱,天玑9300成功運作了330億參數的AI大模型。

聯發科天玑9300釋出,首發全大核架構,130億參數大模型本地跑

APU 790還支援生成式AI模型端側“技能擴充”技術NeuroPilot Fusion,可以基于基礎大模型持續在端側進行低秩自适應(LoRA,Low-Rank Adaptation)融合,擴充基礎大模型的能力。

聯發科的AI開發平台NeuroPilot支援Android、Meta Llama 2、百度文心一言大模型、百川智能百川大模型等主流AI大模型,可以讓開發者在端側部署多模态生成式AI應用,實作文字、圖像、音樂等方面的終端側生成式AI創新。

二、AI語義分割視訊引擎,逐幀優化、光學防抖

天玑9300的ISP影像處理器是Imagiq 990,支援AI語義分割視訊引擎,可以進行16層圖像語意分割,對捕捉到的畫面色彩、紋理、噪點以及亮度進行實時逐幀優化,視訊錄制的畫面明亮感、銳利度和細節豐富程度得到提升。

天玑9300還支援景深和光斑雙引擎、OIS光學防抖專核、全像素對焦疊加2倍無損變焦,在防抖運算速度和成片率、光影效果上有不同程度提升。

三、動态收音噪聲分離,AI景深畫質引擎,視聽更新

在移動顯示上,天玑9300內建聯發科技MiraVision 990移動顯示處理器,支援180Hz WQHD和120Hz 4K顯示,以及折疊屏形态的終端裝置雙屏顯示。搭載AI景深畫質引擎,實作了實時偵測主要物體和背景圖像。

同時,天玑9300搭載聯發科技第二代硬體光線追蹤引擎,支援60FPS高流暢度的光線追蹤,全局光照特效實作遊戲主機級别。聯發科的MAGT遊戲自适應調控技術也更新成為“星速引擎”。

在音頻降噪上,天玑9300支援3個麥克風高動态錄音降噪,具有動态收音能力,運用噪聲分離技術過濾風噪等環境噪音。

除此之外,在網絡通信和資料安全上,天玑9300與天玑9200也有不同。

網絡通信上,天玑9300內建5G數據機,支援Sub-6GHz四載波聚合(4CC-CA)和多制式雙卡雙通,搭載聯發科5G UltraSave 3.0+省電技術,降低 5G 通信功耗。并與AI融合支援情境感覺功能。

資料安全上,天玑9300配備了新的安全啟動晶片、隔離的安全計算環境和Armv9的記憶體标記擴充,可以幫助開發人員避免記憶體漏洞利用,實作安全的使用者使用環境和開發環境。

結語:AI晶片混戰,提升性能、優化使用者體驗是關鍵

随着人工智能技術的不斷發展,越來越多的企業開始涉足AI晶片領域,AI晶片市場在不斷發展與創新,新的晶片架構和技術也在不斷湧現,形成了一場激烈的“AI晶片混戰”。

從此次聯發科釋出的新旗艦晶片來看,天玑9300采用全大核架構設計,無論是開發平台支援多種主流大模型,還是支援AI語義分割視訊引擎、AI景深畫質引擎,天玑9300的各方面優化都離不開AI,也都離不開AI功能帶來的使用者體驗更新。

可見,一個優秀的晶片不僅需要具備高性能,還需要讓使用者感到操作簡單、使用友善,并且在日常使用的多種場景中感受到性能提升帶來的體驗變化。在AI晶片的競争中,提升性能和優化使用者體驗是關鍵。

聯發科天玑9300釋出,首發全大核架構,130億參數大模型本地跑

繼續閱讀