15tops算力

㈠ 打不过麒麟9000骁龙888的AI性能到底有多强

毫无疑问，AI正在成为判断手机SoC体验好坏的重要指标，因为系统运行的流畅度、拍照成像算法的优化以及很多交互功能都需要人工智能辅助，因此我们有必要了解时下主流SoC的AI性能强弱排行。

在AI Benchmark官网可以查看详细的排行榜单

安兔兔和鲁大师等跑分软件都提供了AI性能测试的专属环节，但就专业和认可度而言，来自苏黎世联邦理工学院推出AI Benchmark才是当前最具说服力的基准测试工具，该APP会使用MobileNet -V1、InceptionV3、Resnet - V1等在内的9种神经网络模型进行测试，项目包含2个物体识别分类、2个超分辨率，其余是人脸识别、图像去模糊、语义图像分割、图片增强和内存极限测试。

需要注意的是，SoC厂商官方公布的AI单元理论性能，与AI Benchmark实际的跑分成绩可能并不成正比。以骁龙865为例，其采用的由CPU+GPU+DSP构成的第五代AI Engine引擎理论AI算力高达15TOPS，但在AI Benchmark中却只能跑出最高93左右的分数，远低于联发科天玑1000+的139分，仅与天玑800相当。要知道，天玑1000+集成NPU3.0的理论AI算力只有4.5TOPS。

这个问题的背后，可能是AI Benchmark的评测机制无法发挥AI Engine引擎的真正实力，也可能是CPU+GPU+DSP组合方案的效率真的不如专用的AI单元。

作为高通新一代旗舰级SoC，高通骁龙888延续了家族前辈通过CPU+GPU+DSP等模块携手进行端侧AI运算的设计，只是这一次新添了名为Sensing Hub传感器的部分，一同构成了第六代AI Engine引擎，其算力高达26TOPS。

不过，从首发骁龙888的小米11手机在AI Benchmark上的跑分成绩来看，139的分数虽然大幅领先上代前辈骁龙865，但也只是追平了天玑1000+，距离集成2+1达芬奇架构2.0架构NPU的麒麟9000还有相当大的距离。

虽然AI Benchmark的评测并不能保证100%公允，但至少说明高通骁龙在AI方面还大有优化空间可挖。

㈡ 芯片算力tops是什么意思

TOPS，处理器运算能力单位。TOPS是Tera Operations Per Second的缩写，1TOPS代表处理器每秒钟可进行一万亿次（10^12）操作。

㈢ 芯片算力tops是什么意思

芯片算力tops就是处理器运算能力。tops是TeraOperationsPerSecond的缩写，1tops代表处理器每秒钟可进行一万亿次（10^12）操作。

集成电路或称微电路（microcircuit）、微芯片（microchip）、晶片/芯片（chip）在电子学中是一种将电路（主要包括半导体设备，也包括被动组件等）小型化的方式，并时常制造在半导体晶圆表面上。

集成电路对于离散晶体管有两个主要优势：成本和性能。成本低是由于芯片把所有的组件通过照相平版技术，作为一个单位印刷，而不是在一个时间只制作一个晶体管。性能高是由于组件快速开关，消耗更低能量，因为组件很小且彼此靠近。2006年，芯片面积从几平方毫米到350 mm²，每mm²可以达到一百万个晶体管。

㈣ Tops 科普

        目前各大媒体都在争相报道华为汽车的各种指标，里面有一个参数叫Tops，每秒万亿次，目前华为公布是400+，意思就是每秒可以进行400万亿次的运算（供16 路视频信号，12 路 CAN 信号和 8 条以太网传输的信号，能够满足自动驾驶高并发、高算力、多传感器信号融合计算的需求）；同样的在高性能计算技术盛会NVIDIA GTC如期而至，公布自动驾驶汽车芯片组——DRIVE Atlan，单颗芯片的算力能够达到1000TOPS，将应用于L4及L5级别自动驾驶（预计2024年上市使用）。

        Tops的全称是（Tera Operations Per Second）的缩写，1TOPS代表处理器每秒钟可进行一万亿次（10^12）操作），由于自动驾驶需要多个sensor的融合，使用综合最优计算给出精确判断，所以对于这个指标特别敏感；据报道要能够实现完全L4以上级别，一般都说是需要1000Tops以上的算力；【意思到2024年后，大街上很多汽车都是自动驾驶】

        高TOPS是运算单元（PE）的理论值，而非整体系统的真实值，会受内部的SRAM、外部DRAM、指令集、算法、模型优程度影响，往往100TOPS真正能够达到10Tops就非常高了。还有自动驾驶主要是需要确定的算法，目前深度学习还只是一种非确定性的算法，要实现完全自动驾驶还是需要一定的时日与努力的科研，让他的标定系统更加准确，更加快速。

参考：https://www.sohu.com/a/397739421_391994

㈤ rk3588相当于高通

rk3588相当于高通QCS8250，两者只是性能接近、市场定位一致
瑞芯微RK3588和高通QCS8250都是面向AIoT应用的通用型SoC，二者市场定位一致，性能接近，也是目前AIoT领域性能最强的芯片。总的来讲RK3588和QCS8250都是ARM架构的处理器，二者主要性能基本一致，不过高通历来都是榨干处理器的潜力，因此性能偏高，而瑞芯微深耕行业定制多年，有着更丰富的拓展接口。
RK3588跟QCS820都是采用ARM的混合架构，CPU主要性能基本一致。QCS8250脱胎于骁龙865，虽然骁龙865处理器主频高达2.8GHz，但是高频状态下的产品寿命极短，并不适合行业应用，QCS8250作为一颗面向AIoT行业应用的通用型SoC，CPU控制在主流的2.4GHz，采用2.4GA77+1.8GHzA55的组合架构，而RK3588采用2.4GHzA76+2.0GHzA55的架构，二者CPU性能基本一致。但是QCS8250的GPU部分性能更强，高通在移动市场称霸多年，其图形处理器一直以高性能著称，虽然RK3588采用了最新的G610GPU，但是高通QCS8250的GPU性能要比RK3588强不少，如果需要高性能GPU做一些图形处理，QCS8250将会是更好的选择。
QCS8250跟RK3588都内置了独立的NPU，不过高通的AI算力构成比较复杂，有内置独立NPU，也有AIDSP，还有GPU，官方给出的综合算力是15TOPS，在通用型SoC中这算是比较高的了。RK3588也内置了自研的第三代三核NPU处理器，可提供6TPOS算力支持，这个算力也基本可以满足大多数终端的边缘计算需求。此外RK3588还支持PCIE3.0*4拓展，可通过外挂加速卡来实现算力拓展，目前国内1000TOPS级别的AI芯片也已经开始落地，就AI算力而言，只要业务场景需要，总有合适的解决方案。QCS8250跟RK3588在AI方面表现也基本持平，虽然QCS8250的算力更强，但是算力拓展能力不足，再加上瑞芯微的ROCK-XSDK已经推出多年，AI生态相对成熟，在业务落地方面会更有优势。大家可根据自己的业务场景选择合适的芯片。在产品落地方面，RK3588性价比优势十分突出，不单是跟高通QCS8250相比，在目前所有上市的8K通用型SoC中，RK3588的性价比都是最能打的那一个。从核心板SOM来比较，QCS8250的落地价格大概是RK3588的2~3倍。当然，如此大的差距并不完全是芯片差价造成的，单从芯片考虑，差距不会这么明显，但是高通的授权费用很高，研发成本也比较高，这部分投入摊到产品里，推高了产品的售价。相对而言，瑞芯微在研发方面是比较开放的，不会设立很高的门槛，一切以出货为主，比较务实，因此项目落地成本会低一些。
没有一个产品是完美的，虽然RK3588跟QCS8250是两颗定位比较接近的芯片，不过通过对比我们发现二者特点还是很明显的，在实际的项目应用中，不需要纠结。简单来说，如果需要算力强的，且对价格不敏感的，QCS8250是一个比较好的选择。这种产品一般以边缘计算主机为主，只需要网口和简单串口就可以满足需求。如果需要8K输出，无疑RK3588是更好的选择。如果产品需要大规模部署，RK3588的价格优势也十分明显。软件生态方面，高通留给开发者的空间并不大，需要基于官方SDK的框架进行，相对而言RK3588更加开放，甚至后续有可能开源。目前基于QCS8250和RK3588的产品都已经上市，大家可根据自己的需求选择合适的平台进行开发。

㈥ 骁龙870算力多少tops

骁龙870的AI算力为15TOPS。
在游戏测试中，骁龙870的成绩是平均帧率28.8FPS，平均功耗6.2W，骁龙870的AI算力为15TOPS。
高通骁龙870能够实现15TOPSAI运算性能。

㈦ 16tops算力相当于

GTX1080ti。根据查询相关公开消息显示，为AI芯片升腾310，12nm制程，算力为16TOPS这算力，相当于GTX1080ti。GTX1080Ti采用了和TitanXPascal相同的GP102核心，包含3584个流处理蔽局器，神笑核心最高频率1.6GHz，352bit位宽11GBGDDR5X显游并含存。