UL Procyon AI Computer Vision Benchmark 則是針對多款神經網路模型進行測試,並可選擇 Integer、Float16/32 等不同測試精準度。測試分別比較 MobileNet V3、ResNet 50、Inception V4、DeepLab V3、YOLO V3 與 Real-ESRGAN 等模型的平均推論時間與總推論計數等資訊計算總分。
測試時 Intel CPU 採用 OpenVINO 引擎,而 AMD 則是使用 Windows ML,推論精度都選擇 INT。
285K 獲得 445 分的成績、265K 447 分、245K 360 分,只不過這成績與上一代相比差異不大,至於跟採用 Windows ML 引擎的 Ryzen 相比則有著明顯的差距。
換句話說,在 AI 推論這新興的領域中,若能針對自家硬體優化各大 AI 模型的引擎(例如 Intel OpenVINO、NVIDIA TensorRT)加持,即可獲得相當不錯的效能提升。
↑ UL Procyon AI Computer Vision CPU,分數越高越好。
同樣採用 UL Procyon AI Computer Vision 測試,只是這次改為使用 NPU 進行運算。在同樣 OpenVINO 引擎、INT 精度下,NPU 相比 CPU 普遍可達到 60% 的效能提升。而 Intel 也提到這三顆 Core Ultra K 處理器都搭載同樣的 NPU 核心,因此測試結果三者相當。
↑ UL Procyon AI Computer Vision NPU,分數越高越好。
Geekbench AI 支援各種 AI 框架、引擎與硬體的跨平台測試工具,囊括各種 AI 應用情境 Image Classification、Image Segmentation、Object Detection、Face Detection、Pose Estimation、Depth Estimation、Image Super Resolution 與 Style Transfer 等進行測試,並提供單精度、半精度的成績與量化 Quantized 分數。
Procyon Office 生產力測試,基於微軟 Word、Excel、PowerPoint 與 Outlook 等文輸工具,分別測試 Word 文字編輯、圖像、搜尋取代;Excel 載入儲存、自動計算、插入資料、排序、資料透視;PowerPoint 載入文件、新增複製圖像和文字、預覽動畫、匯出 PDF 影片;Outlook 電子郵件的搜尋、儲存等日常工作任務。