Ponga un tigre en su estanque: las CPU móviles de próxima generación de Intel son muy efectivas

CPU móvil Tiger Lake en una placa pequeña

Jim Salter

Ayer, en CES 2020, Intel presentó una vista previa de su línea de CPU móviles de próxima generación, con el nombre en código Tiger Lake, en varios factores de forma nuevos mientras ejecutaba un software nuevo (e impresionante) diseñado con la plataforma en mente.

Este ultraligero rojo es uno de los nuevos modelos de Chromebook compatibles con Athena Project anunciados en CES 2020.

Jim Salter

Tiger Lake trabaja en el programa Project Athena en curso de Intel, que tiene como objetivo brindar un estándar de rendimiento y usabilidad con métricas concretas y comprobables para la informática móvil, que incluye al menos nueve horas de duración de la batería con la pantalla de 250 nits. Brillo, listo para usar configuración de pantalla y sistema, además de múltiples pestañas y aplicaciones en ejecución. El Proyecto Athena ahora se ha ampliado para cubrir algunos modelos nuevos de Chromebook, así como las PC tradicionales con Windows.

Durante la presentación se anunciaron varios diseños plegables nuevos, desde un Dell relativamente convencional con bisagras dos en uno hasta diseños mucho más atrevidos, como el X1 Fold de Lenovo, presentado en el escenario por el presidente de Lenovo, Christian Teismann, y un prototipo del diseño conceptual de Intel llamado Horseshoe. Curva. Tanto el X1 Fold como el Horseshoe Bend le resultarán familiares de inmediato a cualquiera que siga la cobertura de Ron Amadeo sobre los teléfonos inteligentes plegables Samsung y Motorola; en cada proyecto, el lienzo se dobla por la mitad.

Las demostraciones de software, presentadas por el «Evangelista líder mundial» de Adobe, Jason Levine, fueron con mucho la parte más convincente de la presentación móvil de Intel. Levine realizó tres demostraciones separadas de trabajo basado en inteligencia artificial utilizando Adobe Sensei, con toda la energía frenética de Vince Offer vendiéndote un Slap Chop. Dejando de lado las payasadas de Levine, las demostraciones fueron impresionantes: una selección automática de bordes de un pájaro en el primer plano de una foto compleja, otra de una rosa con una flor de luz significativa que difumina sus bordes y, finalmente, una conversión automática de video de paisaje para retrato. por un clip corto de un esquiador extremo. La selección automática del pájaro y la rosa no fue instantánea, pero tomó alrededor de cinco segundos cada una, mucho menos de lo que tomaría incluso el artista humano más hábil para trazar manualmente los bordes de las fotos, y parecían de una calidad extremadamente alta. Levine colocó las imágenes recortadas en otras escenas rápidamente después de seleccionarlas, con excelentes resultados visuales.

También mostró a la audiencia un clip de un esquiador extremo caminando de un lado a otro por el campo en un video de paisaje. Al comentar cuántas plataformas de redes sociales se diseñaron para imágenes de retratos, luego activó una conversión automática en Adobe Sensei, que reconoció automáticamente al esquiador como el «primer plano» del clip y automáticamente giró el marco del retrato hacia adelante y hacia atrás según fuera necesario para mantenerlo en centro de la conversión.

Después de que se completó todo el conjunto de demostraciones, descubrimos que Levine las había presentado en vivo utilizando un portátil ultraligero de 13 pulgadas equipado con Tiger-Lake. Todo el trabajo de selección automática, recorte y panorámica que se muestra utiliza el marco de IA OpenVINO de Intel y se acelera en gran medida por sus extensiones de conjunto de instrucciones DLB x86, por lo que, si bien las mismas tareas deben realizarse en hardware que no es de Intel (y / o no es compatible) con DLB) Además, probablemente funcionarán varias veces más lento.

Cuando Ars probó el impacto de Deep Learning Boost comparando el i9-10980XE con el AMD Threadripper 3970x mucho más potente, vimos que el i9-10980XE equipado con DLB realizaba casi el doble de tareas de clasificación de imágenes para cuadriplicar la tasa de cualquier Threadripper o i9 -9980XE no está equipado con el propio DLB de Intel. A medida que las tareas basadas en IA se vuelven cada vez más comunes en aplicaciones que van desde Office a Photoshop, esperamos que la capacidad de realizar un trabajo rápido en cargas de trabajo de inferencia sea casi tan importante como el rendimiento general de la CPU de inferencia.