而随着联发科MPE（MEMS-sensor Positioning Engine）融合技术的发展，结合传感器（陀螺仪、加速度计等）+全球卫星导航系统的导航技术也将应用到手机上，极大增加室内定位和弱信号区域的导航精度。

例如针对蓝天的优化，基于色彩增强算法让天色看起来更明亮；针对建筑物的优化，则主要在对比度和锐利度上，如结合超分辨率等算法，让建筑物的窗户等细节看起来更清晰……

虽说随着自动驾驶和V2X等技术发展火热，如今车道级导航已经是车机标配。

这究竟是怎么做到的？

事实上，这也并非联发科第一次针对手机AI技术进行布局了。

这其中涉及大量算法的优化，尤其是拍摄多张照片并进行处理的速度，当年Helio P70针对多帧降噪算法进行优化后提升了约20%的性能。

最后，还能基于语义分割算法降低视频的算力，实现精确对焦。

针对这几点，联发科对应地研发了几种算法，来“配合”语义分割算法打出组合拳。

从联发科在技术沟通会上透露的情况来看，芯片厂商针对手机游戏性能提升的侧重点仍然在移动光追上。

— 完 —

其中，新双通指在手机双卡双待的情况下，让双卡的信号彻底不互相影响的能力，即使用流量卡打游戏时，主卡接电话也丝毫不受到影响。

最早从2018年Helio P90强调提升AI算力速度、同时推出包含剪枝在内一系列优化算法的AI计算平台NeuroPilot v2.0，到2020年的天玑1000+的MiraVision画质引擎和APU3.0；

电视技术移至到手机上带来了两点好处，一方面，画质品质更高了；另一方面，用到手机拍照甚至拍视频上，可以节省算力进一步提升能效。

从2018年开始，联发科开始将计算摄影作为手机芯片算法的研发重点。

这种情况下，手机究竟还有哪些可待提升的功能空间？

要知道在智能电视市场，联发科智能电视芯片至今已助力累计超过20亿台电视产品在全球各地上市，是这一领域的领导厂商，画质增强技术更是早有积淀。

将照片分割成前景和不同区域的背景后，AI会针对每个区域的物体特性，分析并选取最合适的优化算法，“拆分式”地优化照片不同区域的效果。

如果仔细观察这几年芯片技术发展趋势的话，会发现确实还有不少。

首先，结合场景识别优化语义分割算法，使得AI不仅能区分前景（如人像、动物等）和背景，还能进一步识别不同种类的背景，如建筑、天空、绿地、植物和水池等。

具体来说，通过AI来进行画质增强的技术又可以被分为几类技术，包括AI图像语义分割技术、景深估计技术和智能优化技术等。

要知道，这可是各大头部电视厂商都在用的画质技术，有几家才刚安排到新产品上。

同时，联发科也针对AI算法在硬件处理上进行了对应的优化，包括提升APU的能效等，进一步降低AI景深画质增强技术在手机上消耗的算力。

而从整体研究范围来看，联发科这几年也一直在提升对于AI的重视程度，包括进行贝叶斯优化、元学习相关的机器学习研究，相关论文发表在NeurIPS、ICLR等顶会上。

具体来说，CycleNet借鉴了“神经元会和处理相同图像中具有相同特征物体的神经元产生联系”等一系列生物神经元处理信息的特点，来设计整体的框架逻辑，提升AI在处理较小较模糊的目标时整体的识别准确率。

另一方面则是不断改进AI算法的性能。

再到2021年至今强调的“每瓦有效算力”指标，即APU长时间运行的功率大致在1W左右，联发科在这方面强调的始终是“开源节流”，优化AI的能耗。

这其中就有与影像处理相关的研究，例如提出了一个名为CycleNet的框架，旨在提升AI识别拍摄场景中较深物体（即相对镜头的距离较远）的能力。

同理还有移动GPU增效方案，也在与移动光追同步进行，目的是在增加图像刷新率、分辨率和渲染复杂度的同时，保持芯片能效的优化，以实现软硬件同步跟进的效果。

△例如像素4标签路人，像素3标签蓝天

萧箫 发自 凹非寺

但用在手机智能拍照上，又有至少三大考验：

现在居家看电影，大伙儿还是更愿意用电视。

然而，在计算摄影研发过程中，团队在计算机视觉方面遇到了一些算法优化极限。