华为mate10麒麟970芯片深度评测 (华为m10配置参数详情)

自去年谷歌DeepMind的AlphaGo在围棋大战中击败人类顶级高手后，“人工智能”这个计算机学科的概念仿佛一夜之间就普及到了大众认知的层面，这股AI潮流随之不断发酵。显然，人工智能正在成为科技行业的最大风口，也被认为是继互联网之后的另一场生产力革命，大有颠覆全行业的实力。

智能手机作为移动互联网的最普遍的终端设备，在经历近年来的同质化加剧后，也开始越来越频繁地融合AI，产业链上下游涉及AI的方案不断涌现。也就是在今年，华为和苹果这两家排名前三的手机厂商不约而同地将加速AI神经网络算法的专有计算单元内嵌到了移动SoC芯片上，推出了融合专有AI算力的移动SoC新架构。

华为全新的麒麟970芯片内置了针对AI神经网络计算的NPU（Neural-network Processing Unit），同时因为麒麟970已经在华为Mate 10系列以及荣耀V10等旗舰新机得到商用，因此麒麟970被认为是业界首款商用的移动AI芯片。

麒麟970能够提供专有的移动AI算力，而 AI芯片的手机到底要强在哪里？接下来我们通过对华为Mate 10的麒麟970专项评测一探究竟。

架构参数：

首先来看参数，麒麟970的CPU单元仍然是八核心的Cortex-A73x4+ Cortex-A53x4；GPU则首发了ARM最新Mali G72 MP12，因为台积电10nm制程工艺的加持，挂了12颗核心。

以往的手机芯片普遍是以CPU（中央处理器）/GPU（图形处理器）/DSP（数字信号处理）为核心的传统计算架构，但这种架构难以支持越来越普遍的神经网络计算。为此，麒麟970中单设了一个专门的AI硬件处理单元，为CPU、GPU等单元减负。

麒麟970融合AI的架构是其最大亮点，华为称其为HiAI移动计算架构，首次在移动SoC上集成了NPU专用硬件处理单元，这颗NPU其AI运算能力高达FP16 1.92 TFLOP，该性能约为麒麟960处理器的三倍（麒麟960处理器约为0.6 TFLOPs FP16），高通的骁龙835同样指标在1以内。AI运算力可以大幅提升手机在图像识别、语音交互、智能拍照等方面的能力。

框架方面麒麟970支持Caffe和TensorFlow等主流AI平台，将应用到图像识别处理、语音识别以及自然语言处理等方面。

麒麟970凭借华为通信技术背书，在基带配置上再次领先，支持目前全球LTE最高的通信规格LTE Cat.18下行/Cat.13上行，实现了业界最高的1.2Gbps峰值下载速率。

麒麟970用台积电最新的10nm制程工艺，在约1平方厘米的面积上集成了55亿颗晶体管。

详细参数：

10nm TSMC

55亿晶体管

八核心64位CPU (Cortex-A73 x4+ Cortex-A53x4)

十二核心 ARM Mali-G72 GPU

华为自主双核ISP

HDR10，4K@60fps解码，以及4K@30fp编码。

华为自主4.5G LTE Modem：LTE Cat.18(1.2Gpbs)/Cat.13；双VoLTE

NPU神经网络计算单元

i7协同处理器

AI性能测试：

说到手机的性能测试，一般都绕不开跑分。虽然跑分不能代表手机的全部体验，但跑分成绩能够直观地在一定程度内用数据来量化大部分体验上可能存在的差异，也是形成个体差别对比的方法。

AI的神经网络计算相比传统的CPU逻辑等运算来讲，是通过模拟生物的大脑神经元，人工神经网络由众多的神经元可调的连接权值连接而成，随时需要大规模并行处理、分布式信息存储、和自组织自学习等方面的计算要求。

对于手机平台来说，目前的各类跑分测试软件主要是针对CPU性能、GPU性能和存储等方面，衡量其神经网络计算能力的工具很少，毕竟AI算力才刚刚在手机上获得专属的硬件计算单元，是个非常新的指标。

AI的神经网络计算最常见的就是计算机视觉技术，所谓计算机视觉是利用输入装置如摄像头/传感器等代替人眼对目标进行识别、跟踪和测量等机器视觉，试图建立能够从图像或者多维数据中获取信息的人工智能技术。简单来说的目的就是让机器学会通过视觉认识分析物体，人脸识别、条码/文字识别、AR应用就是一些常见的计算机视觉场景。华为Mate 10发布会上演示的强大的识图能力就是计算机视觉技术的应用场景。

目前，著名的跑分平台PCMark已经推出了针对Android的AI性能测试项目-计算机视觉跑分，PCMark的计算机视觉测试包括基于TensorFlow神经网络的物体识别模型、ZXing条码/QR码识别处理库、Tesseract光学字符识别库。

因为麒麟970的HiAI架构是一种全新的移动平台架构，跑分应用能直接调用NPU单元？可以直接反映出麒麟970的AI性能吗？

我们在华为HiAI API的开发说明文档里发现有这样一句提示：“常用的人工智能应用功能基础库，都可以在HiAI移动设备上高效运行”，同时结合麒麟970原生支持包括Caffe、TensorFlow等主流平台神经网络算法加速特性，说明绝大多数包含终端侧神经网络计算的应用在麒麟970的HiAI架构上都可以得到加速。其中TensorFlow是谷歌推出的开源机器学习平台，是目前最流行的AI开发平台，非常具有代表性。

我们通过华为Mate 10、搭载骁龙835的三星Note 8以及搭载骁龙660的OPPO R11s进行了PCMark的“计算机视觉”专项测试。在测试中，明显感受到华为Mate 10比另外两款骁龙机型要快。同时发现测试过程中，在第一项TensorFlow的模型库识别里，三者识别的精度和结果几乎没有太大差距。而在第二项的ZXing测试里，三星Note 8以及OPPO R11s均未能识别出难度较大标记为“5/11”二维码，但华为Mate 10能够成功识别出结果来，除此之外，其他条码/QR码识别结果三者均相同。

最终的跑分成绩显示出了明显差异，华为Mate 10得到了4940的超高分，比华为Mate 10市场售价贵了近一倍的三星Note 8得分仅为3853分，而搭载骁龙660的OPPO R11s得分为2990分。同时我们在PCMark平台的成绩数据库里也可以看到，其他骁龙835机型的平均得分结果基本维持在3800以内。

另外完成速度上，多次测试下来，华为Mate10每轮平均用时3分15秒，三星Note 8每轮平均用时3分25秒，OPPO R11s每轮平均用时3分钟33秒。华为Mate 10速度在意料之中领先。

随着手机融入AI的特征越来越明显，跨平台跑分应用鲁大师在最新版里也与时俱进地更新加入了“AI性能评测”的跑分项目，鲁大师的“AI性能评测”项目使用了谷歌的“Inception-V3”、微软的“Resnet-34”以及经典的“VGG16”三种常见的神经网络模型进行识别分类等AI计算。

由于鲁大师的这项“AI性能评测”是跨平台的，因此这次对比测试中，我们加入了搭载苹果A11 Bionic芯片的iPhone 8，A11 Bionic芯片内嵌双核的神经网络计算单元，和麒麟970的NPU属性类似，都能够为AI的神经网络计算加速。

测试中，华为Mate 10完成地非常快，最终成绩达到了236的超高分。而同样内嵌AI专有计算单元的iPhone 8只得到了180分，单纯的成绩得分算下来华为Mate 10要比iPhone 8快了30%以上。而搭载骁龙835的三星Note 8 成绩仅为145分，搭载骁龙660的OPPO R11s得分仅为76。

在测试时间上，华为Mate 10的优势就更明显了，仅用时21秒，iPhone 8用时52秒，三星Note 8用时1分21秒，OPPO R11s用时则长达2分钟50秒。

鲁大师放出的“AI性能排行榜”上可以看出，搭载麒麟970芯片的华为Mate 10/Mate 10 Pro、荣耀V10机型测试的平均成绩已经霸占了榜单前几位，均在232以上。接下来的排序就直接跌落到了180分左右，就是同样内嵌神经网络计算单元的iPhone X/8系列得分。而其他包括三星Note 8/S8在内骁龙835等旗舰平均得分仅为150以内。

这两个跑分测试能够直观地看到麒麟970的HiAI架构的在神经网络计算上的性能优势。另外，麒麟970集成NPU的HiAI架构对于AI算力的效能提升有多大呢？官方称能够以极低的功耗带来强大的AI算力。

我们的一个直观地感受是，在上面的多轮跑分测试中，华为Mate 10在测试中始终没有出现太明显发热迹象，三星Note 8和OPPO R11s均出现了能够明显感知的温度升高。

为了进一步验证麒麟970这种HiAI架构的能效优势，我们在网上的开源社区找到了一个能够运行于Android的TensorFlow demo，虽然这个demo只包含了TensorFlow一组基础的图像识别模型库，但已经够用，我们主要用这个demo来让手机运行神经网络算法，可以用来做功耗对比测试。

我们同样使用了华为Mate 10、三星Note 8以及OPPO R11s，为这三部手机均安装了这套TensorFlow demo。打开TensorFlow demo对常见静态物体，以及动态的车辆等场景进行识别时，发现三者的速度几乎没有太大差别，毕竟这只是一套基础的图像识别模型。

随着时间推移，三星Note 8和OPPO R11s的机身开始明显发热，通过CPU温度监控，可以看到三星Note 8的CPU温度接近70摄氏度，CPU核心动不动就满负荷，与之形成鲜明对比的是华为Mate 10的CPU最高温度在40摄氏度左右。

我们进一步测试了这个TensorFlow demo神经网络计算的耗电量对比：将三个机器均调至离线的飞行模式，亮度均调为50%，打开CPU监控程序，启动TensorFlow demo，让三部机器均在相似的角度和位置对准一台大屏电视，依次“观看”电视上播放的同一集电视剧。因为电视剧的画面不断地在切换镜头，所以手机上的TensorFlow demo也在不断识别计算，因此手机会不断地进行神经网络计算。

和之前的测试一样，随着时间推移，三星Note 8和OPPO R11s发热越来越严重，而经过一集约45分钟的电视剧后，华为Mate 10掉电15%，搭载骁龙835的三星Note 8掉电28%，虽然OPPO R11s搭载了以“省电神U”著称的骁龙660，但其掉电幅度也是达到了25%！可见麒麟970的HiAI架构相比骁龙移动计算平台效能优势同样很明显。

对于AI领域的计算机视觉技术，也很有必要展望一下麒麟970能够带来的AR性能，我们预计麒麟970的HiAI架构对于依赖于计算机视觉的AR计算场景也能够带来明显加速。毕竟谷歌的ARCore平台最主要的三大特性是运动跟踪、环境理解和光线预测。

不过目前的Andriod的AR生态还比较弱，相比苹果的ARKit，因为Android生态的碎片化，谷歌后发ARCore在应用生态上还处于较为落后的阶段，我们目前在国内应用市场或者互联网上很难找到能够和苹果ARKit生态体验相当的ARCore应用。

通过对华为Mate 10的AI性能测试，可以看出麒麟970能够在AI算力的性能上完胜苹果的A11 Bionic芯片，而且在性能和效能上，对传统架构的高通骁龙835芯片进行了“双碾压”。其实话说回来，高通对于骁龙芯片在神经网络的算力加速上也是有相应配置优化的，只不过骁龙芯片的AI加速主要是在DSP上实现的，高通从骁龙820开始，就引入了Hexagon 680 DSP，我们测试的OPPO R11s内的骁龙660芯片也是配备同样的Hexagon 680。这颗Hexagon 680 DSP当中集成了Hexagon向量扩展核心(HVX，Vector eXtensions)，可以代替CPU完成图片、视频、虚拟显示和计算机视觉等处理任务。

到了骁龙835高通再次对神经处理引擎软件框架进行了全新升级，除了支持Caff、Coffe2，还包含了对Google TensorFlow等神经网络和模型框架的支持，以及对具有Hexagon向量扩展（HVX）特性的Hexagon DSP的增强。

但从我们进行的多轮的包括TensorFlow等神经网络计算的测试结果来看，即便是骁龙835芯片对AI引擎框架做了优化升级，还是被麒麟970的HiAI架构的AI算力从性能/效能双维度大幅度完秒。

所以高通移动计算平台的AI性能这下子得要看最新的骁龙845了，骁龙845也是刚发布不久，根据高通公布的信息显示，骁龙845仍然没有引入专有的神经网络计算单元，继续通过现有的CPU/GPU/DSP来加强对于人工智能的支持。

据悉，骁龙845此次则采用了高通第三代的骁龙神经处理引擎，增加了更多神经网络计算框架和数据类型的支持。此外，骁龙845其Kryo架构的ARM真身-Cortex-A75/55内核是基于ARM最新的DynamIQ技术，加入了针对人工智能的指令集和优化库，ARM V8.2版本的指令集将支持神经网络卷积运算，可以极大的提升人工智能和机器学习的效率。

据ARM官方信息显示，针对人工智能和机器学习的全新处理器指令集在采用DynamIQ技术的Cortex-A75处理器在优化应用后，可实现比基于现有的Cortex-A73的设备高50倍的人工智能性能，并最多可提升10倍CPU与SoC上指定硬件加速器之间的反应速度。

这意味着骁龙845的 CPU单元在AI算力上将会有明显改善，但骁龙845的这些提升是否能够强过麒麟970的HiAI呢?我们还是非常期待的这个PK结果的。可见移动计算平台的新一轮“核战”已经在AI计算领域爆发，测试下来目前麒麟970在所有商用的移动平台上，AI算力应该最强的，但我们也非常期待着高通阵营的骁龙845机型的尽快上市，届时可以一睹骁龙845带来的AI算力是否能够叫板麒麟970。不过预计搭载骁龙845的机型最快要到2018年2月以后才能上市，也欢迎大家持续关注我们，届时我们也将带来对骁龙845机型的AI性能评测。

为什么AI算力越来越重要？

这得从神经网络计算的发展说起，神经网络已经提出好几十年了，最近才火起来的一个重要原因就是算力、数据和算法的极大发展，其实早前神经网络各种受限，比如数据采集较繁琐，实现的效果并不比非深度学习算法好，比如SVM。直到2006年之后，通过GPU为AI计算加速带来了算力的明显改善，而且随着大数据的逐渐爆发，行业应用的密集出现，AI计算的优势越来越明显，AI完成了很多以前难以实现的计算任务，因而才真正发展起来，目前达到了一个非常火热的程度。

实际上在服务器端的AI架构商用已经开始变得很普遍，Nvidia 的Tesla P100以及谷歌的TPU等都是为AI算力打造的专有芯片。而提升手机终端的AI算力也将是大势所趋，麒麟970的HiAI架构意义非凡。

麒麟970的HiAI架构能为华为手机带来哪些体验提升？

麒麟970的HiAI架构对于手机终端上的神经网络计算的不管是性能还是效能都拥有极大优势，那么到底能够为手机带来哪些体验上的改变？

其实手机上实现的AI应用也非常多，除了越来越多的人脸识别外，一些以图搜图，语音识别，甚至淘宝上的拍立淘都是融合AI的特性。不过由于现阶段手机硬件上的AI算力参差不齐，各家厂商为了统一良好体验，现阶段绝大多数应用的AI计算被放在云端，一离线就用不了了，比如说三星的Bixby，苹果的Siri等。

手机端运行AI算法是大势所趋，华为对于手机端AI算力加速的应用包括很多方面，首先是体现对拍照场景的识别和算法优化上。搭载麒麟970的华为Mate 10系列能够极快的速度识别所拍摄场景或物体，做出相应的参数调整策略，改善拍照成像质量。苹果今年也在通过A11 Bionic的本地化AI算力加速，为最新的iPhone X/8系列手机拍照上引入了AI算法以改善成像质量。

首先来看看华为Mate 10的镜头规格：华为Mate 10系列搭载全新的徕卡SUMMILUX-H双镜头，拥有业内最高的双f/1.6大光圈，支持OIS光学防抖、2倍双摄变焦、4合1混合对焦（相位对焦、激光对焦、深度对焦及对比度对焦）。可以看到华为Mate 10系列的镜头参数也是处在行业顶级水准，特别是双f/1.6的大光圈是业界首款。

凭借麒麟970全新自研双摄ISP，华为Mate 10能够从拍照处理的响应时间、对焦、运动检测、曝光策略等拍照的全流程进行了深入的优化，据官方数据显示华为Mate 10系列的拍照综合响应处理时间缩短15%。实际上我们拿到华为Mate 10的最明显感受就是它的拍照时间很快，完全感受不到对焦的时间，取景对焦拍照到成像的体验快地不可思议。

由于麒麟970的HiAI架构，华为Mate 10利用终端侧的强大AI算力，带来了强大的场景识别新特性。华为称之为“AI 慧眼技术”。

据悉，华为为手机拍照带来的这套AI场景识别模型经过上亿张照片训练，使华为mate10系列在拍摄过程中能够对拍摄对象进行实时分析，智能识别13种场景和物体（包括：蓝天、花朵、绿植、海滩、日出/日落、舞台、食物、文字、夜景、雪景、猫、狗、人像）。

我们在室内外进行了多种场景测试，在拍照取景时，这些场景识别的AI算法的确能够快速准确地识别出结果。

识别的速度如何，我们使用了电视大屏作为背景，以非常快的速度切换一些典型场景照片，华为Mate 10也是能够同时识别出场景结果，几乎感觉不到任何延迟。而且识别的准确度还不错，比如像对食物的识别，不管是哪国食物、哪类均能快速识别出结果。

华为Mate 10会自动根据对象的特点和属性自动调节合适的参数设置，帮助用户在不同场景下拍摄出最优质的照片，让每一次拍照都能获得专业的优化效果。这种调整相比常见的美颜等“简单粗暴”的优化要完全不同，其实更相当于实现了专业相机的手动调整的过程。

我们来测试几组样张，首先看AI算法识别出的夜景场景能有什么提升，华为Mate 10能够根据识别到的特定场景的复杂状况实时优化，比如抑制夜景里灯光亮部过曝等，我们可以明显感觉到华为Mate10的夜景拍照不仅变得更快，在成像素质上达到了手机圈里的上佳水准。我们测试的夜景样张表现，达到了目前旗舰级别的高水准，我们看到这组和三星Note 8的对比，华为Mate 10的表现，特别是亮部控制，动态范围的确很出色，略强于三星Note 8。

另外，麒麟970的AI算力也为高倍数码变焦带来了优化， 华为Mate 10系列虽然支持2倍无损变焦，但是对于2倍以上的高倍变焦场景仍然是和其他旗舰一样，得依靠类似放大的算法来完成。但是和其他有很大不同的是，经过神经网络识图训练的华为Mate 10能够在变焦的过程通过AI实时图像计算，对放大后的像素马赛克识别判断进行大幅优化，可将远处的细节拍得更加清楚，更大限度的还原画面细节。

我们继续和三星Note 8的高倍对焦进行多轮对比，华为Mate 10的效果呈现地要更好，比如这组对比中可以明显看出，华为Mate 10的噪点较少，细节更丰富，而三星Note 8与之相比，锐化和涂抹感较重。

这是我们对华为Mate 10进行了较为苛刻的夜景灯箱场景9-10倍的放大测试样张：

麒麟970的AI加速能力还用在了抓拍性能上，这仍然用到了计算机视觉技术。华为Mate 10能够识别动态场景，结合其智能运动场景检测技术，能够对运动物体的状态进行预估，设置更合适的曝光参数，显著提升了抓拍能力，特别适合抓拍儿童奔跑和其他运动场景，做到所见即所得。

这是我们测试一组白天汽车飞驰对比场景，华为Mate 10拍摄到的画面里汽车上的字迹比三星Note 8清晰。

这张面对运动场上的奔跑，华为Mate 10在移动快速的脚部位并没有带来太明显的拖影。

手机产品一直以来因为体积等方面因素，无法塞入更大的传感器，因此多年来无法在传感器尺寸这一关键指标上有较大的突破。但手机行业早就另辟蹊径，通过一些其他途径来提升成像质量，比如采用“双摄”方案等。如今，随着AI算法和移动AI算力的提升，为手机拍照引入AI算法，用来提升成像质量也将成为行业发展的重要方向，目前行业里华为和苹果目前成为了领跑者。

近日，全球权威相机/镜头评测机构DxOMark针对亮光环境、暗光环境、变焦及视频拍摄对华为mate10 pro进行了全方位的拍照能力评测，评测结果显示为华为Mate10 Pro的拍摄综合得分97分，其中静态拍照的单项得分高达100分，。

DxOMark的评测结论认为：华为Mate 10 Pro拍照上的主要优点是极佳的曝光，尤其是室内条件下。可能这与大光圈密不可分，营造出一种温和有吸引力的散景效果。

这次华为Mate 10系列的拍照综合素质的明显提升，的确让人感到非常惊艳，相比上代的徕卡双摄旗舰Mate 9系列和P10系列，进步很明显，达到了目前手机圈里顶级的水准，这其中麒麟970带来的AI特性功不可没。

其他样张：

人像

建筑物夜景

不规则背景虚化

室内复杂光线

夜景

除了拍照上的改善之外，AI算力对于手机端的离线翻译这种场景的体验提升非常直接，因为AI发展的重要方向就包括语音识别和自然语言理解。通过AI算法，让机器通过神经网络来不断深度学习和训练，达到接近真人翻译的语境。

微软、谷歌和百度已经大规模使用NMT（神经机器翻译），推出了基于神经网络计算的主流翻译语种，华为Mate 10 自带了微软翻译，除了支持支持超过50语种图文和语音翻译外，微软翻译的支持离线翻译。在麒麟970强大AI算力支持下，即使手机没有网络、无法从云端数据库获得对照，华为Mate 10也能很快给出非常不错的翻译结果。

华为把AI算力还用在了手机的降噪上，麒麟970通过神经网络计算对大量噪音数据深度学习训练，能有效抑制非稳态噪音，增强语音信号，提升手机语音识别在恶劣环境下的识别率。

对此我们也进行了简单测试，在最常见的地铁、饭馆和行车中通过最常见的微信语音、语音输入法等方式，相比iPhone8等其他机型，华为Mate 10的确拥有更清晰的语音质量以及更高的语音识别正确率，噪音抑制的效果还是非常明显的，可以大大改善用户使用体验。

另外，华为Mate 10系列的语音助手可以离线使用很多本地化功能，这也是利用了本地化的神经网络进行语音识别和语义分析。通过神经网络算法带来的语义分析，华为Mate 10系列听懂用户的指令的成功率大增，不仅仅回答用户的提问，可执行多项语音指令。手机能更好的理解和习惯人类的语言习惯，主动判断用户需求，并给予解决方案。比如用户不必非说“清理手机后台”，而是对手机说“手机有点卡”，手机便可以自动清理后台。说“屏幕太亮了”，可以自动调小亮度。

当然除了麒麟970的神经网络计算加速之外，华为Mate 10系列在基于Android8.0的EMUI8.0上也带来了一些智能化的新特性，比如类似于锤子“大爆炸”的智慧识屏、通过场景化卡片智能呈现更多实时有用信息的智能助手等等。

通信能力：

麒麟970的HiAI架构是个最大亮点外，凭借着华为强大的通信基因，麒麟970的通信能力也走在了业界前沿，麒麟970内置了全新华为自主4.5G LTE Modem，业内首次支持LTE Cat.18下行(1.2Gpbs)/Cat.13上行；首次实现双卡双VoLTE。

麒麟970使用4X4MIMO、5CC CA以及256QAM等多种先进技术，将碎片化的频谱聚合成为最大带宽。对于LTE Cat.18网络，能够让LTE达到1.2Gbps的千兆级超高速下行速率，被称为4.5G网络。高通骁龙835支持Cat.16，直到最新的骁龙845才追上麒麟970的步伐，开始支持Cat.18。

不过目前国内商用的LTE网络基本还维持在Cat.12-Cat.13之间，还没有商用的Cat.18 LTE网络，我们普通用户还无法体验到Cat.18的1.2Gbps超高速网络。

同时，根据麒麟970参数介绍，据称能够在全球范围内实现各运营商的最高速率组合，支持更全的全球主流3G/4G频段，可以在世界的217个国家和地区更快的网络链接，可见网络信号更好。

我们在一个同一运营商信号极差的地下停车场进行了简单的网络和通话测试，这时华为Mate 10的4G的网络信号衰减至-118dBm，而iPhone 8的信号已经回落到了2G网络。用华为Mate 10进行3分钟以上的通话体验，通话质量并未出现明显异常，但测试网速的确有大幅回落。而同样的场景iPhone8已经回落到了2G网络，通话质量明显变差，数据网络已经无法连接了。

对于支持双卡双VoLTE的特点，不过双卡VoLTE需要运营商网络的支持，目前只有中国移动支持这样的业务，我也使用了两张中国移动的手机卡进行了测试，切换着和其他中国移动开启VoLTE的手机通话，主副卡无论如何切换都可以保证高清通话以及数据连接，做到了无缝体验。

谈到通信能力，不得不说一下华为解决高铁通话的进展，我国已经建成了世界上最大规模的高铁网，并且持续扩大，高铁中的移动网络通信需求越来越重要。本次麒麟970再次对高铁模式进行了优化，据官方信息显示麒麟970为了优化高铁模式，在中国、德国、日本三个高铁最发达的国家里，进行了超过40万公里的实测和优化，最大限度地保证在300km/h以上的高速行驶中，让用户“打得出、接得通、不掉话”。

评测总结：

人工智能掀起的潮流正在席卷各行各业，而手机产业也因为AI迎来变革，手机融合AI似乎成了整个行业的必然走向，手机终端形成可观的AI算力也是大势所趋。华为麒麟970突破性地内置NPU造就了全新的HiAI架构，可谓非常具有前瞻性，能够代表未来手机的发展方向。

麒麟970的HiAI架构在我们的评测里，不管是单纯的AI算力/效能，还是对手机终端的应用场景提供神经网络计算效果，都显示出了极为出色的优势。

特别是华为Mate 10系列在AI的加持下，成就了国产手机拍照素质首次达到的最高水准，这个进步也是国产手机行业的骄傲。华为再次用实力证明了自己超快的中国速度，同时也对苹果、高通和三星等传统巨头造成巨大压力。

这次关于麒麟970的评测就到这里，也欢迎关注我们后续对骁龙845旗舰的AI评测。