Benchmarking av Snapdragon 8 Gen 2: Sätter förväntningar på flaggskeppssmartphones 2023

Bara förra veckan tillkännagavs Qualcomm Snapdragon 8 Gen 2 vid företagets tekniska toppmöte på Hawaii. Qualcomms senaste chipset innehåller uppgraderade specifikationer och på TSMC-tillverkningsprocessen, som, om 8 Plus Gen 1 är något att gå efter, borde ge några effektivitetsvinster. Utöver det, medan företaget var tveksamt till att tillhandahålla djupgående tekniska detaljer i vissa aspekter (inklusive att försumma att nämner ett Adreno- eller Kryo-versionsnamn), kan vi fortfarande köra en mängd populära riktmärken på Snapdragon 8 Gen 2-referensen enhet. Dessa riktmärken hjälper till att fastställa baslinjen för prestandaförväntningar för kommande flaggskepp 2023, vilket ger oss något att se fram emot.

Om den här artikeln: Qualcomm sponsrade min kollega, Rich Woods, för att delta i Snapdragon Tech Summit i Maui, Hawaii. Företaget betalade för hans flyg och hotell. Qualcomm hade dock ingen input angående innehållet i denna artikel.

Hur vi jämförde Snapdragon 8 Gen 2

På referensenheten Snapdragon 8 Gen 2 från Qualcomm körde vi ett holistiskt riktmärke (AnTuTu), ett CPU-centrerat riktmärke (Geekbench), ett GPU-centrerat riktmärke (GFXBench) och MLPerf-riktmärken. Varje benchmark kördes tre gånger, och vi tog medelvärdet av de tre resultaten. Qualcomm hade aktiverat ett "UI Perf Mode"-alternativ som standard som vi lämnade aktiverat. Den försöker effektivt tvinga benchmarking-apparna att köra på Prime-kärnor för att få en något högre poäng i vissa benchmarks, så tänk på detta när du tittar på dessa resultat. Det är också värt att notera att när vi väl fått tag i en kommersiell enhet med Qualcomm Snapdragon 8 Gen 2 kommer vi att köra om dessa riktmärken.

Qualcomm försåg oss med en uppsättning förväntade benchmarkpoäng baserade på sina egna tester. Vi använde detta endast som referens, och en tabell är tillgänglig längst ner i den här artikeln som innehåller de riktmärken som Qualcomm förväntade sig att referensenheten skulle uppnå.

Översikt över Snapdragon 8 Gen 2 benchmarks

• AnTuTu: Detta är ett holistiskt riktmärke. AnTuTu testar CPU-, GPU- och minnesprestanda, samtidigt som den inkluderar både abstrakta tester och, som på senare tid, relaterbara simuleringar av användarupplevelse (till exempel deltestet som involverar rullning genom en Listvy). Slutpoängen viktas enligt designerns överväganden.
• GeekBench: Detta är ett CPU-centrerat test som använder flera beräkningsmässiga arbetsbelastningar, inklusive kryptering, komprimering (text och bilder), rendering, fysiksimuleringar, datorseende, strålspårning, taligenkänning och konvolutionell neurala nätverksslutning om bilder. Poängfördelningen ger specifika mätvärden. Slutpoängen viktas enligt designerns överväganden, med stor tonvikt på heltalsprestanda (65 %), sedan flytande prestanda (30 %) och slutligen kryptografi (5 %).
• GFXBench: Syftar till att simulera rendering av videospelsgrafik med de senaste API: erna, som inkluderar många effekter på skärmen och högkvalitativa texturer. Nyare tester använder Vulkan, medan äldre tester använder OpenGL ES 3.1. Utgångarna är ramar under testet och bildrutor per sekund (det andra talet dividerat med testlängden, i huvudsak) istället för en viktad poäng.
  • Aztekiska ruiner: Dessa test är de mest beräkningstunga som erbjuds av GFXBench. För närvarande kan inte de bästa mobila chipset upprätthålla 30 FPS. Specifikt erbjuder testet riktigt hög polygonantal geometri, hårdvara tessellation, högupplösta texturer, global belysning och massor av skuggkartering, rikliga partikeleffekter, såväl som blomning och skärpedjup effekter. De flesta av dessa tekniker kommer att betona processorns skuggberäkningskapacitet.
  • Manhattan ES 3.0/3.1: Det här testet är fortfarande relevant med tanke på att moderna spel redan har nått sin föreslagna grafiska trohet och implementerar samma typer av tekniker. Den har komplex geometri som använder flera renderingsmål, reflektioner (kubiska kartor), mesh-rendering, många fördröjda ljuskällor, såväl som blomning och skärpedjup i ett efterbearbetningspass.
• MLPerf Mobile: MLPerf Mobile är ett benchmark med öppen källkod för att testa mobil AI-prestanda. Det var skapad av MLCommons, ett icke-vinstdrivande, öppet ingenjörskonsortium, för att "leverera transparens och lika villkor för att jämföra ML-system, programvara och lösningar.” MLPerf Mobiles första iteration ger ett riktmärke för slutledningsprestanda för en handfull datorseende och naturligt språk bearbetningsuppgifter. För mer information, se detta papper med titeln "MLPerf Mobile Inference Benchmark: Why Mobile AI Benchmarking Is Hard and What to Do About It."
  • Bildklassificering: Detta test innebär att man drar slutsatsen att en etikett ska appliceras på en ingångsbild. Typiska användningsfall inkluderar fotosökningar eller textextraktion. Referensmodellen som används är MobileNetEdgeTPU med 4M parametrar, datasetet är ImageNet 2012 (224×224), och kvalitetsmålet är 98 % av FP32 (76,19 % Top-1).
  • Bildsegmentering: Detta test involverar partitionering av en ingångsbild i märkta objekt. Typiska användningsfall inkluderar självkörning eller fjärranalys. Referensmodellen som används är DeepLab v3+ med 2M parametrar, datasetet är ADE20K (512×512), och kvalitetsmålet är 93 % av FP32 (0,244 mAP).
  • Objektidentifiering: Detta test involverar att rita avgränsningsrutor runt objekt och tillhandahålla en etikett för dessa objekt. Typiska användningsfall involverar kamerainmatning som för att upptäcka faror eller trafikanalys under körning. Referensmodellen är SSD-MobileNet v2 med 17 miljoner parametrar, datasetet är COCO 2017 (300×300), och kvalitetsmålet är 97 % av FP32 (54,8 % mIoU).
  • Språkbehandling: Detta test innebär att svara på frågor i vardagsspråk. Typiska användningsfall inkluderar sökmotorer online. Referensmodellen är MobileBERT med 25 miljoner parametrar, datasetet är mini Squad (Stanford Question Answering Dataset) v1.1 dev, och kvalitetsmålet är 93 % av FP32 (93,98 % F1).

Benchmark resultat

Antutu

Precis som tidigare år ser vi en 10% förbättring av AnTuTu-poängen med årets Snapdragon 8 Gen 2. Detta är en tillräckligt stor förbättring som redan från början tyder på att Snapdragon 8 Gen 2 är ett kraftfullare chipset än alla andra Qualcomm-chips hittills. Det är inte helt i linje med den 35 % snabbare CPU-prestandan, men med AnTuTu som ett holistiskt riktmärke, betyder det inte nödvändigtvis att det helt kommer att återspegla alla CPU-vinster.

Geekbench 5

Geekbench däremot, är ett CPU-centrerat prestandamått. Vi ser nästan 30% vinster i multi-core prestanda, vilket verkar vara på rätt spår för den 35% förbättring som Qualcomm annonserar. Benchmarks kommer inte alltid att återspegla dessa vinster som Qualcomm mäter, men det beror på skillnaden i mätning. Varje verktyg har ett annat sätt att använda när de beräknar poäng och testar chipset, och Geekbenchs sätt kan inte nödvändigtvis avslöja de förbättringar som Qualcomm kommer att ha gjort. En förbättring på 30 % som återspeglas i en förbättring från år till år är fortfarande imponerande.

GFXBench

Qualcomm har inte avslöjat mycket om Adreno GPU i Snapdragon 8 Gen 2, så vi har lite att säga om GPU: n förutom dess prestandavinster. Vi vet inte kärnantalet, vi vet inte frekvensen och vi har inte ens ett versionsnummer. Detta är en förändring som kom med Snapdragon 8 Gen 1, och det är frustrerande när man jämför GPU: er. Det är mycket lättare att förklara skillnader i sammanhanget med versionsnummer snarare än att namnge det specifika chipet vart och ett tid.

Ändå visar resultaten en övergripande förbättring av grafikprestanda, konstigt nog bortsett från GFXBenchs T-Rex-test. Det här testet är ett lågintensivt test, så jag skulle inte lägga mycket lager i det förutom det faktum att det har en lägre bildfrekvens. Det kan mycket väl vara så att det helt enkelt är en optimering, och de andra, mer intensiva testerna ger mycket bättre resultat. I GFXBenchs Manhattan-test, som använder OpenGL ES 3.1 API och renderar en 1080p-scen utanför skärmen, hade Snapdragon 8 Gen 1 en genomsnittlig bildhastighet på 179 FPS. Däremot nådde Snapdragon 8 Gen 2 222 FPS.

I GFXBenchs Aztec Ruins-test, som använder Vulkans grafik-API och renderar en 1080p-scen utanför skärmen, hade Snapdragon 8 Gen 1 en genomsnittlig bildhastighet på 49 fps. I jämförelse drog Snapdragon 8 Gen 2 ut 65 FPS. Det är tydligt att grafikprestandan har förbättrats, och några av dessa är stora vinster. Det är en förbättring på 44 % i Aztec Ruins Vulkan-testet och en 24 % förbättring i Manhattan-testet.

Bara vissa bra Android-spel kräver mycket GPU-hästkrafter, men förbättrad GPU-prestanda är användbar för mer än bara spel.

MLPerf

Qualcomm har varit särskilt försiktig när det gäller detaljer kring förbättringar av artificiell intelligens, och det har alltid varit fallet. Vi har inga siffror för TOPS (Trillion Operations Per Second), även om företaget har gett oss information om några påtagliga förbättringar, som en 435% ökning av artificiell intelligens prestanda och 65% bättre prestanda per watt. Resultaten ovan visar hur Snapdragon 8 Gen 2 presterar i AI, och du kan jämföra den med andra enheter som har testats av MLCommons.

Slutsats och förväntade poäng

Tabellen som Qualcomm försåg oss med förväntade benchmarkpoäng är nedan, vilket du kan se faller mestadels i linje med de resultat som vi uppnådde ovan.

Qualcomm säger att de första enheterna som drivs av Snapdragon 8 Gen 2 kommer att vara här i slutet av 2022. Vi kommer att hålla ett öga på hur Snapdragon 8 Gen 2 presterar jämfört med sådana som MediaTek Dimensity 9200. Om du uppgraderar från en enhet som är minst två år äldre kommer förbättringarna sannolikt att märkas, även om de enorma vinsterna i AI-prestanda förmodligen kommer att gå obemärkt förbi av de flesta. Företag utnyttjar sällan den fulla potentialen hos AI när det kommer till Qualcomms styrkretsar, och det är troligt att det blir samma sak igen här.

Qualcomm bekräftade att följande företag kommer att lansera Snapdragon 8 Gen 2-drivna enheter: Redmagic, Honor, ZTE, Xiaomi, Meizu, Vivo, Sony, Redmi, OPPO, nubia, Motorola, OnePlus, Sharp, Asus, och iQOO. Vi ser fram emot att prova denna styrkrets i en mer kontrollerad miljö i kommersiella enheter i framtiden.