除旧迎新！鲁大师AImark 2.0重磅升级，这些手机分数大变！
值此新春佳节、除旧迎新之计，鲁大师AImark迎来重大更新。
本次更新升级主要在测试算法的升级换代。随着手机AI的运用不断丰富，AI优化已经成为手机厂商重要打磨对象，与此同时，鲁大师AImark 2.0针对AI性能的评测算法更新升级，让AI跑分得以更加精确全面。
AImark让手机AI性能更直观
从麒麟970开始，手机SOC就将AI模块安排上了。苹果A12、麒麟980、骁龙855均将AI作为重中之重。
以苹果A12为例，它是鲁大师2018年度AI芯片榜的冠军。首次采用了8核架构的“神经网络处理单元”，运算的峰值达到5万亿次每秒，运行速度比A11提高了9倍。
中高端芯片的AI布局也来势汹汹，AI已经不再是旗舰的专属。骁龙710、骁龙670AIE、骁龙660AIE就是典型的中高端芯片，深受用户和手机厂商喜爱。
从“先拍照后对焦”到“3D面部建模捏脸”，从“语音助手”到“智能识图”，AI在手机上的应用已经越来越多。对于消费者来说，要想辨别市面上各色手机的AI性能，仅仅依靠使用体验来判断是远远不够的，而且目前很多AI运用都基于算法底层，很难直接感受到。这时候，让AI性能“有分可查”显得很重要。
作为行业内第一款AI性能跑分软件，AImark广受业内认可好评，已经成为评判AI性能的重要工具。现在，AImark 2.0进行重磅升级，用全新的体系和算法，对手机AI进行更加全面的评测。
AImark评测算法改进升级
鲁大师AI评测与ARM，高通，海思、联发科、三星等AI核心SOC产品供应商进行了测试与调整。在本次升级中，AImark 2.0评测算法发生了重大改变。
全新的AImark沿用成熟的 Inception V3、ResNet34神经网络模型，原本VGG16取消，新增SSD、DEEPLABV3+测试项。具体来说，全新AImark主要通过4个神经网络模型来全方位评测AI性能：
ResNet 34（残差网络）
微软的残差网络（ResNet）与传统的顺序网络架构（如AlexNet、OverFeat和VGG）不同，其加入了y=x层(恒等映射层),可以让网络在深度增加情况下却不退化。ResNet架构已经成为一项有意义的模型，其可以通过使用残差模块和常规SGD来训练非常深的网络。
Inception V3
Inception V3是Google开发的一个开源神经网络模型。Keras库中的Inception V3架构提出了对Inception模块的更新，进一步提高了ImageNet分类效果。用了Inception之后整个网络结构的宽度和深度都可扩大，能够带来2-3倍的性能提升。
MobilenetSSD
MobilenetSSD算法是一种是一种流形的目标检测算法，使用mobilenetv2作为骨干网路时具有速度快，精度高的特点。这种模型目前在手机AI中有广泛的应用，如图像中的前景目标提取检测等。SSD直接反映在AI运用中对于目标的检测能力， 反应手机处理核心对GroupConv等常用Op的支持情况。
DEEPLABV3+
deeplabV3+是目前DeepLab中最新的、执行效果最好的语义图像分割模型，用于细化分割结果，主要确定手机处理核心对atrousConv的支持情况，这类Op在图像分割，语音处理等领域有广泛的使用。DEEPLABV3+加入评测体系之后，给图形图像的分割划分带来更全面的判断，通俗来讲，可以理解为AI“抠图”能力的判断。
需要注意的是，AI芯片是与CPU、GPU是一样单独并立的模组，因此CPU性能的高低，对AI芯片造成的影响有限。一个芯片的AI能力，取决于这个芯片有没有对AI模块进行优化，如果没有，即使CPU性能强悍，AI表现也会差强人意。
AImark分数体系提升
为了提供更具数据支撑和参考意义的AI评测，AImark将不断改善升级，适用发展潮流，让手机AI性能的强弱更直接、更精准的呈现在用户面前。
此外，由于升级更换了全新的算法，体量变大，AImark 2.0 的评测分数体系也相应发生了改变。旧版的AI性能跑分普遍在1000-2000分，已经不能做为评判标准。在全新的AImark 2.0 中，旗舰机型的AI性能跑分普遍在10000-20000分。
AImark 2.0 新上线不久，测试数据还未达到榜单基数标准，当前排行榜不稳定，后面将会推出基于数据的全新AI性能榜单，想知道你的手机AI性能有多少分？升级或直接下载最新版AImark就能体验！
