国产手机芯二代标杆：vivo自研芯片V2出炉，将随X90月底发布

会员服务 ·

国产手机芯二代标杆：vivo自研芯片V2出炉，将随X90月底发布

2022 年 11 月 10 日 机器之心

机器之心报道

机器之心编辑部

vivo 完成了对于自研 AI 芯片的重要迭代。

对于旗舰手机来说，最好的芯片、屏幕和拍照能力缺一不可，各家厂商都要在此基础上不断开发独门技术。在国内第二代自研芯片手机厂商的行列中，vivo 处于引领潮流的位置。

11 月 10 日，在双芯影像技术沟通会上，vivo 向我们揭幕了下一代自研芯片 V2，并介绍了与联发科在天玑 9200 上联合研发的进展。

「当人们在影像、性能等场景提出更高要求时，vivo 希望把这些场景做好，并做到行业领先。vivo 自研芯片就是我们的底气，」vivo 产品副总裁黄韬说道。

不论从速度还是能效上来看，V2 芯片都实现了大幅度的进步，更值得注意的是，在其之上 vivo 实现了 AI 芯片与 SoC 的高度协同，让不同芯片第一次实现了完美配合，vivo 也让天玑 9200 也发挥了超出常规的性能。即将搭载两块芯片的 X90 系列，或许将成为史上最强旗舰机。

自研芯片 V2，不仅升级，更是「真迭代」

给手机加上一块 AI 芯片，能够实现怎样的改变？从技术角度看，独立芯片由于「专精程度高」，将高需求算法硬件化封装，可以实现高速、低时延、低能耗的效果，完成超越体量的任务。

vivo 的独立芯片对我们来说并不陌生：去年 9 月，vivo 推出的自研芯片 V1 开创了手机外挂 AI 芯片的技术形态，自研芯片被运用在影像领域，实现了顶尖的拍照效果。在今年 4 月随热卖机型 X80 系列推出的 V1 + 上，自研芯片的应用范围从计算摄影延伸到游戏与视觉能力等方面，加装独立自研芯片的做法很快成为了旗舰手机的「标配」。

在即将发布的新一代旗舰机上，vivo 的领先幅度并没有被缩小，看起来反而还在继续拉大。今天发布的自研芯片 V2 又为我们带来了一系列黑科技。

与前两代专注影像能力的设计不同，V2 是一颗从场景事件出发，针对高密度 AI 算法算力需求量身定制的「低功耗 AI 加速芯片」。在这块芯片中，vivo 在底层技术上对片上内存、AI 计算、图像处理三大单元进行了大幅升级，实现了全新的架构。

首先，在异构多芯片计算方向上，vivo 实现了重要突破。

AI 应用是手机上新兴的算力需求大户，独立的 AI 芯片可以让专用的算力去解决机器学习运算，但这是一种缺乏灵活性方式，而手机 SoC 上的 AI 算力部署较为灵活，却难以满足大密度运算的算力需求。vivo 系统架构师和工程师设计了 FIT（Frame Info Tunneling）双芯互联技术，将两者的优点互补，实现了 1+1>2 的效果。

具体来说，vivo 工程师将体量较大、复杂的算法模块拆分，把算力密度小、网络结构复杂的小模型通过软件部署在平台 NPU 上，算力密度大、数据吞吐密集的大模型部署在 V2 芯片上，让不同硬件处理各自擅长的部分。

要想实现理想中的状况并不容易：V2 芯片与平台 SoC 说着不同的「语言」——芯片架构和指令集完全不同。在拍摄任务中，vivo 工程师需要通过 FIT 互联技术让平台 NPU 对传感器和每帧画面进行预处理和运动感知分析，V2 芯片则将 NPU 分析结果和高精度 Timecode 嵌入到每帧画面中。在 vivo 双芯处理任务的过程中，时延被降低到了百分之一秒内，实现了软硬结合的高速协同计算。

其次，面对 AI 计算长久以来的瓶颈，vivo 也探索了新的方向。

在端侧设备处理 AI 任务时，数据的吞吐量需求极高。vivo 在 V2 的设计中加入了近存 DLA，其可以通过全硬化 MAC 设计和大容量专用片上 SRAM，强化算力密度和数据密度，以释放平台的算力容量潜力。得益于全硬化 MAC 设计，V2 的近存 DLA 在实际 AI 运算中能达到 100% 的 MAC 利用率。相比在平台 SoC 软件部署 AI 运算，8bit 算力密度提升了两到三倍。

此外，vivo 还针对专业视频的 10bit 处理需求，在自研芯片 V2 中专门硬化了 10bit 的 MAC 单元——相比平台 SoC 软件部署所采用的合并运算方式，10bit 算力密度提升了 4-6 倍。

AI 计算还受到传统架构冯诺依曼瓶颈（内存墙）的制约——过去 20 年中，硬件的峰值计算能力增加了 9 万倍，但是内存 / 硬件互连带宽却仅提高了 30 倍，越新越复杂的算法，面临的瓶颈就越严重。

V2 芯片借鉴近存计算思想，压缩了计算单元和存储单元间的距离，在近存 DLA 内配套设计了专用片上 SRAM，速度高达 1.3 万亿 bit/s，让 V2 的片上 SRAM 容量较 V1 提升了 40%，达到等效 45MB。

近存 DLA 的设计大幅减少了数据寻址和搬运的功耗，与通常 NPU 采用的 DDR 外存设计相比，SRAM 数据吞吐功耗理论最大可以减少 99.2%。

算力和数据密度的双重提升，以及多项低功耗电路设计方法的加持，让自研芯片 V2 的性能在同等芯片制程条件下的表现远超竞品——内核每瓦算力在运行 8bit MAC 和 10bit MAC 时，分别达到了 16.3TOPS/W 和 10.4TOPS/W，实际工作中在部署相同算法时，V2 相比传统 NPU 能效比提升了 200%。

DLA 作为一个整体，实现了最合理的 AI 算法处理架构。在芯片底层技术能力革新之后，vivo 自研芯片 V2 将传统的 ISP 架构升级成为 AI-ISP 架构，带来了全新的双芯影像体验。

「魔改」天玑 9200，剑指苹果 A16

自研芯片的同时，vivo 还与芯片厂商对手机 SoC 平台进行了联合研发。

过去人们常说发哥芯片性能强，可惜没人调，但今年的 vivo X80 系列让联发科冲高端获得了成功。

就在本周二，联发科发布了下一代旗舰芯片天玑 9200，它是首款基于台积电二代 4nm 制程工艺打造的 SoC，在性能和能效方面都提升到了前所未有的水平，vivo 也在活动中官宣即将成为该芯片的首发品牌。

天玑 9200 使用 1+3+4 的三丛集 CPU，CPU 性能提升超过 10%，同时大幅优化了能效，在微信、游戏、录像等高频使用场景下功耗降低 15-20%。其 GPU 提升更加可观，首发搭载了 Immortalis-G715，配置升级到 11 核，性能提升 32%，功耗优化 41%，另外还实现了硬件光追能力，带来了更完美的游戏体验。

横向对比来看，天玑 9200 的 GPU 性能要比高通骁龙 8gen2 稍强，两者的 GPU 都超越了苹果的 A16。这一代，安卓旗舰机终于在部分性能指标上处于领先位置了。

为了充分发挥硬件能力，vivo 与联发科展开了密切合作，从使用场景出发将产品需求前置到芯片的规划阶段，在硬件层面上实现定制化，让新款旗舰机在实际使用中达到了性能和功耗的完美平衡。

vivo 产品经理韩伯啸表示，vivo 首发机型（据信为 X90）的跑分是 128 万，比联发科官宣的 126 万还要高一些。

基于天玑开放架构，vivo 和联发科深度合作研发了五大功能：MCQ 多循环队列、王者荣耀自适应画质模式、芯片护眼、APU 框架融合和 AI 机场模式。

在国民手游王者荣耀上，vivo 推出了王者荣耀自适应画质模式，利用游戏自适应调控技术 MAGT 和 vivo 平台服务与游戏应用间的即时信息交换，可针对游戏的内容实现即时逐帧调控，进而达到自适应闭循环。

该技术实现了 FPS 救帧、Thermal 降载、Power 降载、冷却等模式，开启后可在极高画质设定下增加手机续航时间并控制温度。经过实测，自适应调控下的王者荣耀 120 帧模式，能稳定运行超过一个小时。

天玑 9200 也提升了 AI 能力，其第六代 APU690 算力达到 30TOPS，能效比相较上代提升 40%。基于新技术，vivo 实现了相机超清文档、实况文本、离线语音输入法等应用。

vivo 在业内首次实现了语音转换算法 NPU 优化落地，支持全离线语音输入，可以确保数据本地处理，保护了用户隐私。对比目前通用的 CPU 方案，功耗优化 36%，性能提升了 76%。

最近一段时间，用 AI 加强手机信号的方法成为了新方向，vivo 提出的 AI 机场模式让手机通过感知 AI 引擎知晓用户进入机场与飞机的起飞降落，再通过搜网 AI 引擎来准确识别目的地，并智能调控搜网策略。开启飞行模式时，手机平均节能 30%，再次打开信号后，捕获网络的速度从 7.41 秒优化至 1.52 秒，时间缩短了 79%。

计算摄影新标杆：同样的光学器件，更强的体验

vivo 希望通过自研芯片与天玑 9200 的深度协同，把 X90 系列打造成全新一代影像标杆。从 V2 到蔡司 T* 镀膜、VCS 仿生光谱技术再到自研的算法矩阵，vivo 手机的整个计算摄影光路已进行了一次全面升级。

拍摄远处景物一直是手机摄影的痛点，配合「超清画质引擎」上的蔡司光学超分算法，vivo 能根据不同手机型号上的拍摄模组特性做建模分析，通过逆运算动态调整，补偿光学信息，突破镜头工艺的上限。在算法加持下让 5 倍以上的焦段，拍摄解析力最高提升 35%。

在长焦拍摄的过程中，变焦的倍率越大，抖动也会被放大，Ultra Zoom EIS 技术可以消除抖动对拍摄的影响。它包含了 IMU（惯性测量单元）、OIS 光学防抖与 EIS 电子防抖三大模块：IMU 检测抖动，OIS/EIS 抵消抖动，软硬协同防抖。这使得 vivo 能在 20X 以上的倍率上实现抖动抵消，让被摄主体在画面中趋于平稳不晃动。

在运动检测过程中，vivo 提出了更强大的运动检测算法，可实现肢体运动强度检测和跟踪，准确率提升 10%，通过深度学习算法让手机能够思考、预判画面中任务运动的趋势，并及时锁定画面，在拍摄时自动帮助你抓住精彩瞬间。

在抓拍时，手机的快门延迟一般在 170-300ms，这意味着在同一时刻按下快门，专业相机出片完成后，手机可能仍未开始曝光。vivo 全面优化了拍照的图像处理管线，提升了相机启动的速度，快门延迟被降低到了 30ms，达到专业相机水平，让你按下快门就能迅速成片，所见即所得。

如果画面中的可用信息不够多，AI 也可以帮你合成。vivo 的自适应多帧融合技术在一次按下快门时会生成多帧运动画面，叠加自研的 RawEnhance2.0 算法，可以把每一帧有用信息叠加在一起，让暗光运动的照片也没有拖影。