Порівняльний тест Snapdragon 8 Gen 2: визначення очікувань для флагманських смартфонів у 2023 році

Минулого тижня було оголошено про Qualcomm Snapdragon 8 Gen 2 на технологічному саміті компанії на Гаваях. Останній чіпсет Qualcomm містить оновлені специфікації та виробничий процес TSMC, який, якщо 8 Plus Gen 1 є чимось схожим, має призвести до деякого підвищення ефективності. Крім того, поки компанія не наважувалася надати детальні технічні деталі щодо деяких аспектів (зокрема, нехтуючи якщо згадати назву версії Adreno або Kryo), ми все одно можемо запустити низку популярних тестів на еталоні Snapdragon 8 Gen 2 пристрій. Ці контрольні показники допомагають визначити базову лінію очікуваної продуктивності для майбутніх флагманів у 2023 році, що дає нам на що сподіватися.

Про цю статтю: Qualcomm спонсорувала мого колегу, Річ Вудс, щоб відвідати Snapdragon Tech Summit в Мауї, Гаваї. Компанія оплатила йому переліт і готель. Однак Qualcomm не надав жодних коментарів щодо змісту цієї статті.

Як ми тестували Snapdragon 8 Gen 2

На еталонному пристрої Snapdragon 8 Gen 2 від Qualcomm ми провели один цілісний тест (AnTuTu), тест, орієнтований на ЦП (Geekbench), тест, орієнтований на GPU (GFXBench), і тести MLPerf. Кожен тест проводився тричі, і ми взяли середнє значення трьох результатів. Qualcomm за замовчуванням увімкнув опцію «UI Perf Mode», яку ми залишили ввімкненою. Він фактично намагається змусити програми порівняльного аналізу працювати на ядрах Prime, щоб отримати трохи вищий бал у певних тестах, тому майте це на увазі, переглядаючи ці результати. Варто також зазначити, що як тільки ми отримаємо комерційний пристрій із Qualcomm Snapdragon 8 Gen 2, ми повторно запустимо ці тести.

Компанія Qualcomm надала нам набір очікуваних результатів тестування на основі власного тестування. Ми використовували це лише для довідки, і внизу цієї статті доступна таблиця, яка містить порівняльні результати, яких Qualcomm очікувала отримати від еталонного пристрою.

Огляд тестів Snapdragon 8 Gen 2

• AnTuTu: це цілісний еталон. AnTuTu тестує процесор, графічний процесор і продуктивність пам’яті, включаючи як абстрактні тести, так і останнім часом відносне моделювання взаємодії з користувачем (наприклад, підтест, який передбачає прокручування a ListView). Остаточна оцінка зважується відповідно до міркувань дизайнера.
• GeekBench: це тест, орієнтований на ЦП, який використовує кілька обчислювальних навантажень, включаючи шифрування, стиснення (тексту та зображень), візуалізація, фізичне моделювання, комп’ютерне бачення, трасування променів, розпізнавання мови та згорточна нейронна мережа зображення. Розбивка балів дає конкретні показники. Остаточна оцінка зважується відповідно до міркувань розробника, при цьому великий акцент робиться на цілочисельній продуктивності (65%), потім на продуктивності з плаваючою точкою (30%) і, нарешті, на криптографії (5%).
• GFXBench: спрямований на імітацію рендерингу графіки відеоігор за допомогою найновіших API, що включає багато екранних ефектів і високоякісні текстури. Новіші тести використовують Vulkan, тоді як застарілі тести використовують OpenGL ES 3.1. Вихідними є кадри під час тестування та кадрів за секунду (інше число, поділене на довжину тесту, по суті) замість зваженої оцінки.
  • Руїни ацтеків: ці тести є найбільш обчислювально важкими, які пропонує GFXBench. Наразі найпопулярніші мобільні чіпсети не можуть підтримувати 30 FPS. Зокрема, тест пропонує дійсно велику кількість полігонів, апаратну мозаїку, текстури високої роздільної здатності, глобальне освітлення та велика кількість карт тіней, рясні ефекти частинок, а також розфарбування та глибина різкості ефекти. Більшість із цих методів наголошують на шейдерних обчислювальних можливостях процесора.
  • Manhattan ES 3.0/3.1: цей тест залишається актуальним, враховуючи, що сучасні ігри вже досягли запропонованої точності графіки та використовують ті самі методи. Він має складну геометрію з використанням кількох цілей візуалізації, відображень (кубічних карт), сітчастого рендерингу, багатьох відкладених джерел освітлення, а також забарвлення та глибину різкості під час постобробки.
• MLPerf Mobile: MLPerf Mobile — це тест з відкритим вихідним кодом для тестування продуктивності мобільного ШІ. Це було створено MLCommons, некомерційний відкритий інженерний консорціум, щоб «забезпечити прозорість і рівні умови для порівняння систем машинного навчання, програмного забезпечення та рішення». Перша ітерація MLPerf Mobile забезпечує порівняльний тест продуктивності комп’ютерного зору та природної мови. опрацювання завдань. Для отримання додаткової інформації див цей папір під назвою «Порівняльний тест MLPerf Mobile Inference: чому порівняльний аналіз мобільного штучного інтелекту є складним і що з цим робити».
  • Класифікація зображення: Цей тест передбачає визначення мітки для застосування до вхідного зображення. Типові випадки використання включають пошук фотографій або вилучення тексту. Використана еталонна модель MobileNetEdgeTPU з параметрами 4M, набір даних ImageNet 2012 (224×224), цільова якість – 98% FP32 (76,19% Top-1).
  • Сегментація зображення: Цей тест передбачає поділ вхідного зображення на позначені об’єкти. Типові випадки використання включають автономне керування або дистанційне зондування. Використаною еталонною моделлю є DeepLab v3+ із 2 млн параметрів, набором даних є ADE20K (512 × 512), а цільовою якістю є 93% від FP32 (0,244 mAP).
  • Виявлення об'єктів: Цей тест передбачає малювання обмежувальних рамок навколо об’єктів і надання міток для цих об’єктів. Типові випадки використання включають введення з камери, наприклад для виявлення небезпеки або аналізу дорожнього руху під час водіння. Еталонною моделлю є SSD-MobileNet v2 із 17 млн ​​параметрів, набором даних є COCO 2017 (300×300), а цільовою якістю є 97% від FP32 (54,8% mIoU).
  • Обробка мови: Цей тест передбачає розмовну відповідь на запитання. Типові випадки використання включають онлайн-пошукові системи. Еталонною моделлю є MobileBERT із 25 млн параметрів, набором даних є mini Squad (Stanford Question Answering Dataset) v1.1 dev, а цільова якість – 93% від FP32 (93,98% F1).

Результати порівняльного аналізу

Antutu

Як і в попередні роки, ми бачимо приблизно 10% покращення результатів AnTuTu з цьогорічним Snapdragon 8 Gen 2. Це достатньо значне вдосконалення, яке вже з самого початку свідчить про те, що Snapdragon 8 Gen 2 є потужнішим чіпсетом, ніж будь-який інший чіп Qualcomm. Це не зовсім відповідає 35% вищій продуктивності процесора, але, оскільки AnTuTu є цілісним тестом, це не обов’язково означає, що він повністю відображатиме будь-які переваги ЦП.

Geekbench 5

Geekbench, однак, є метрика продуктивності, орієнтована на ЦП. Ми бачимо майже 30% приріст багатоядерної продуктивності, що, здається, відповідає 35% покращенню, яке рекламує Qualcomm. Порівняльні показники не завжди відображатимуть ці досягнення, які вимірює Qualcomm, але це через різницю в вимірюванні. Кожен інструмент використовує різні способи для підрахунку результатів і тестування чіпсетів, і спосіб Geekbench не обов’язково показує ті вдосконалення, які зробить Qualcomm. Поліпшення на 30%, яке відображається в річному покращенні, все ще вражає.

GFXBench

Qualcomm не розкриває багато інформації про графічний процесор Adreno в Snapdragon 8 Gen 2, тому ми мало що можемо сказати про графічний процесор, крім його збільшення продуктивності. Ми не знаємо кількості ядер, ми не знаємо частоти і навіть не маємо номера версії. Це зміна, яка відбулася з Snapdragon 8 Gen 1, і це засмучує порівняння GPU. Це дуже багато простіше пояснити відмінності в контексті номерів версій, а не називати кожну мікросхему окремо час.

Тим не менш, результати демонструють загальне покращення продуктивності графіки, як не дивно, окрім тесту GFXBench T-Rex. Цей тест є тестом низької інтенсивності, тому я б не ставив у нього багато уваги, окрім того, що він має нижчу частоту кадрів. Цілком може бути так, що це просто оптимізація, а інші, більш інтенсивні тести мають набагато кращі результати. У тесті GFXBench на Манхеттені, який використовує API OpenGL ES 3.1 і рендерить сцену 1080p поза екраном, Snapdragon 8 Gen 1 мав середню частоту кадрів 179 FPS. Навпаки, Snapdragon 8 Gen 2 досяг 222 FPS.

У тесті GFXBench Aztec Ruins, який використовує графічний API Vulkan і рендерить сцену 1080p поза екраном, Snapdragon 8 Gen 1 мав середню частоту кадрів 49 кадрів в секунду. Для порівняння, Snapdragon 8 Gen 2 показав 65 FPS. Зрозуміло, що продуктивність графіки покращилася, і деякі з них є великими досягненнями. Це на 44% покращення в тесті Aztec Ruins Vulkan і на 24% у тесті Manhattan.

Тільки деякі чудові ігри для Android вимагають значної потужності GPU, але покращена продуктивність GPU корисна не лише для ігор.

MLPerf

Qualcomm була особливо хитрою щодо особливостей удосконалення штучного інтелекту, і це завжди було так. Ми не маємо жодних цифр щодо TOPS (трильйон операцій за секунду), хоча компанія надала нам інформацію про деякі відчутні покращення, як-от збільшення продуктивності штучного інтелекту на 435% і підвищення продуктивності на 65% ват. Наведені вище результати показують, як працює Snapdragon 8 Gen 2 у AI, і ви можете порівняти його з іншими пристроями які були перевірені MLCommons.

Висновок і очікувані бали

Нижче наведена таблиця, яку Qualcomm надала нам із очікуваними показниками тестів, які, як ви бачите, здебільшого відповідають результатам, яких ми досягли вище.

Qualcomm каже, що перші пристрої на базі Snapdragon 8 Gen 2 з’являться до кінця 2022 року. Ми будемо стежити за тим, як працює Snapdragon 8 Gen 2 у порівнянні з подібними до MediaTek Dimensity 9200. Якщо ви оновлюєте пристрій, який принаймні на два роки старший, то покращення, швидше за все, будуть помітні, хоча величезне підвищення продуктивності штучного інтелекту, швидше за все, залишиться непоміченим для більшості. Компанії рідко використовують весь потенціал штучного інтелекту, коли справа доходить до чіпсетів Qualcomm, і цілком ймовірно, що тут буде те саме.

Qualcomm підтвердила, що наступні компанії будуть випускати пристрої на базі Snapdragon 8 Gen 2: Redmagic, Honor, ZTE, Xiaomi, Meizu, Vivo, Sony, Redmi, OPPO, nubia, Motorola, OnePlus, Sharp, Asus, і iQOO. Ми з нетерпінням чекаємо можливості випробувати цей чіпсет у більш контрольованих умовах у комерційних пристроях у майбутньому.