我要评论
一、ai测试
首先是鲁大师的ai评测，测试结果如下图所示：
- 超分辨率分数为28582
- 人脸识别分数为78220
- 物体识别分数为40150
- 阅读理解分数为145354
- 背景虚化分数为14329
其次是代表ai出图性能的stable diffusion，需要注意的是针对intel ultra平台，sd有两个渲染方式：
- 第一是纯cpu处理，效率较低。
- 第二是gpu+npu处理，效率较高。
在部署sd环境的时候就能选，pytorch版本一定得是ipex版本。
使用normal标准跑stable diffusion benchmark，测试结果如下图所示：
- cpu处理的分数为0.2 / 0.21 / 0.2
- npu+gpu处理的分数为0.73 / 0.71 / 错误
通过测试可以看到，虽然ultra系列跑ai出图比cpu还强，但复杂任务可能会报错，如果ai出图的效率对你很重要，还是买拓展坞上独立显卡吧。
测试了几次多关键词出图，效率还是不错的，三个词差不多三十多秒能出来，也没出现报错，普通用用没啥问题。
最后，零刻gti ultra预装亲影这个ai相册管理工具，由于是intel给各开发者ai图标识别的工具包（基于openvino），各家nas都用上好久了，所以效果不会差，直接用吧。
二、生产力测试
首先是代表cpu和内存性能的7zip benchmark，使用默认的10次循环，测试结果如下图所示：
- 综合平均分数为98.410
其次是代表综合性能的blender benchmark，测试结果如下图所示：
- （cpu）monster分数为108.63
- （cpu）junkshop分数为71.11
- （cpu）classroom分数为52.57
- （显卡）monster分数为190.77
- （显卡）junkshop分数为79.71
- （显卡）classroom分数为101.21
可以看到，blender现在已经完美支持ultra系列的npu+arc核显，对建模用户来说是个性价比非常高的选择。
三、游戏测试
arc核显比较适合常规网游，案例选择cs2（dx12），画质选择1080p分辨率+全高，测试结果如下图所示：
- 平均帧数为75.7，p1为58.4。
玩肯定是能玩的，单说游戏不如radeon 780m就是了，对游戏有需求建议上r7-8845hs平台的零刻ser8。
发表评论