联发科撕掉低性能的标签:AI进入多核时代,魅族或成受益者!
2018/11/19 11:11AI云资讯11196
自从英特尔公司联合创始人戈登·摩尔在上个世纪60年代提出“摩尔定律”以后,这个定律目前已经被推断可适用于所有技术,就以智能手机为例,目前业界普遍相信技术进步的速度应该每两年提高一倍,而实际上这一定律也确实得到了广泛验证,但是出于物理规律的制约,所有的处理器性能都不可能出现无尽的大幅度提升,这是不科学的。

目前ARM公版架构的性能提升也已经逐渐触顶,而基于公版架构进行IC芯片设计的各大上游企业也一样要面临着摩尔定律的困局。所以从去年开始,IC巨头已经锁定了全新的AI新时代,不再迷思过去10年间所追求的性能提升,目前“核多为王”已经不是主流的声音,提升终端产品的整体体验,并且利用AI来辅助性能已近天花板的CPU工作成为了业界接下来锁定的的发展方向。

其实目前主流的IC设计厂商都有推出具备AI智能的手机芯片,但如果说专注在AI板块,甚至推出专门AI核心的产品,就不得不提联发科P60,你别看这款处理器定位中端,但是它却凭借AI专核受到厂商高度认可,包括OPPO R15、vivo X21i、诺基亚、Realme等产品和品牌都先后采用该平台

当年联发科HelioX20率先打出10核可谓是震惊业界,但我觉得它的最主要亮点反到不是在十核方面,而是提出了三(多)丛集的概念。联发科X20通过MCSI互联总线把这个十核进行连接,形成三丛集的核心群,CorePilot3.0的技术文档中有一个Square的排前算法,简单来说就是这个算法会考虑到应用的类别,对应用的特性有一个实时的学习,从而知道这个应用对性能的需求程度,再调用相对应的核心去进行运算,在这个调用的过程中,不同丛集的核心是可以搭配互相使用。

联发科此前被吐槽为“一核有难,多核围观”, 所以这一点上我们依旧来看看联发科的做法。以联发科之前最热的Helio P60来说,不仅处理器运算性能上早已经可以实现八核全开,破除了“多核围观”的迷思,而且最关键的是联发科已经开始朝着分工协作的思路演进,例如P60就集成了双核APU(AI处理单元),一开始就让AI处理器进入了多核的时代。当然这确实是出彩的一部分,联发科思路更正确的则是持续演进其NeuroPilot AI技术,让手机芯片和AI的结合更近一步。

一旦联发科在AI这方面站稳了脚跟,就魅族以往跟联发科的关系来看,魅族可能会成为最大的赢家。
相关文章
- 高通第六代骁龙8至尊版Pro定价过高恐失高端市场,联发科2nm廉价方案有望截胡
- X Fold6 折叠旗舰正式发布,vivo与联发科联手革新大屏AI生产力体验
- 谷歌携手联发科打造下一代TPUv9芯片,将CPU与计算晶粒合封于一体,助力AI智能体发展
- 阔步入局云端AI计算,联发科手握AI基础设施王牌
- COMPUTEX 2026双奖加冕,联发科实力领跑Wi-Fi 8新时代
- 元太科技与联发科技深化合作生成式 AI SoC整合彩色电子纸技术升级阅读体验 锁定彩色教育与阅读市场
- 移动光追进入架构革新时代,联发科再次走在前面
- AMD的苏姿丰悄然受益于智能手机行业的寒冬期,联发科与高通相继空出台积电4纳米及5纳米产线
- 汽车业务出货3500万颗!联发科北京车展公布最新市场进展!
- 一加与联发科技启动「满帧枪神专项」,打造射击游戏满帧体验标杆
- 苹果MacBook Neo弃用博通网络芯片,转投联发科
- MWC 2026 | 广和通联合联发科技发布WiFi 8旗舰级CPE方案
- 引领下一代连接体验:移远通信携手联发科技发布5G-A+Wi-Fi 8智能CPE方案,闪耀亮相MWC 2026
- 联发科2025年第四季度智能手机芯片收入占比达59%,将通过多元化布局谋篇未来
- 苹果、高通、联发科重点改进架构、扩展内存缓存,布局2纳米芯片,而先进制程已难引起消费者关注
- 联发科即将推出天玑9600芯片,预计采用LPDDR6内存和台积电N2P制程工艺
AI企业
更多>>AI硬件
更多>>AI产业
更多>>AI技术
更多>>- 阶跃这次够狠:AA 全球开源前二,价格打到 Claude 的 1/8
- 科大讯飞发布Spark-Audio-1.0-Preview,全国产语音基座大模型实现从“听清”到“听懂”
- 全球最强开源模型 Kimi K3 发布,参数规模 3 万亿,真的是强!
- 范式变革!东软发布AI原生软件工程白皮书,重构软件产业底层逻辑
- KAT-Coder-Pro V2.5正式发布:从“写代码”迈向“做工程”,Agentic能力全面升级
- 自变量机器人王昊:训练世界模型需付出“时间税”,解决模态对齐是当务之急
- 腾讯发布CodeBuddy Security,用AI Agent实现更高效的代码审计
- Twinkle x昇腾,率先实现Deepseek-V4系列模型高效训练









