「系统底层绘制层仅能看到渲染指令 ， 无法看到渲染逻辑 ， 如何仅仅通过渲染指令识别出各个渲染阶段对我们是一大难点 ， 比如 3D 场景渲染阶段、特效绘制阶段、UI 绘制阶段的识别等 ， 而 HyperBoost 图形异构技术 ， 实现了指令批量提交 ， 剔除重复指令 ， 提高连续内存池增加拷贝效率 ， 降低带宽等 。 来实现提升 GPU 计算效率 ， 降低系统功耗 ， 持久稳帧的表现 。 」鞠怀伟告诉极客公园 。
要教 HyperBoost 学会分辨重要和非重要元素 ， 这需要大量的 AI 训练 。 最开始 ， ColorOS 的研发团队是人工去一毫秒一毫秒地微调不同场景下 CPU/GPU 的主频、用户行为、设备温度、场上局势以及整体功耗等变量和参数 ， 就像跟阿尔法狗下围棋一样 ， 每天都在跟自己下棋 ， 整个工作枯燥且效率不高 。
但在经过大量特训之后 ， 如今的 HyperBoost 已经成为游戏中的预言家 ， 可以提前预知用户未来所有可能遇到的游戏场景 ， 并基于玩家的打法、风格 ， 以及场上的局势 ， 预判可能会出现的卡顿 ， 提前应对 。 可以想象一下 ， 在打团战的时候 ， 用户不是一个人在战斗 ， 而是在他的手机里有一个小黑屋 ， 里边有众多 AI 军师在疯狂地给他做参谋 ， 绕开一个又一个卡顿「路坑」 ， 等于先天立于不败之地 。

文章图片

ColorOS 将这项技术命名为 GPA 稳帧技术（GPA 是「General Performance Adjustor」的缩写 ， 直译为通用性能调节器 ， 寓意该技术是跨平台全量游戏覆盖技术） ， 其可以利用设备侧多维度强化学习 AI 算法 ， 通过控制游戏帧的生产和消费节奏 ， 步调一致保证系统资源合理分配；当检测到游戏掉帧风险时 ， 迅速提频 ， 最大化资源供给 ， 性能优先 ， 实现「刚刚好」的系统资源最佳分配 。 ColorOS 将这项技术命名为 GPA 稳帧技术（GPA 是「General Performance Adjustor」的缩写 ， 直译为通用性能调节器 ， 寓意该技术是跨平台全量游戏覆盖技术） ， 其可以利用设备侧多维度强化学习 AI 算法 ， 通过控制游戏帧的生产和消费节奏 ， 步调一致保证系统资源合理分配；当检测到游戏掉帧风险时 ， 迅速提频 ， 最大化资源供给 ， 性能优先 ， 实现「刚刚好」的系统资源最佳分配 。
实际上 ， 早在 Reno5 上 ， ColorOS 就发布了 GPA 1.0 ， 而如今 GPA 技术已经迭代了 2 代 ， 进入 3.0 阶段 ， 其目的已不仅仅是利用 AI 调整频率 ， 结合图形异构技术 ， GPA 技术也进行了升级 。
「AI 内核有很多输入 ， 也有很多输出 ， 输入我们采集的所有设备侧 ， 包括游戏场景、CPU、GPU 的负载、设备的温度、游戏的帧率是多少等等 ， 这些输入拿到后 ， 我们通过大的 AI 内核做了一些事情 ， 包括系统资源的调整 ， 快速的变频 ， 每分钟可以决策 1200 次 ， 同时还会做关键线程的绑定和识别、稳态温度、稳态帧率的预测 ， 以及 CPU/GPU 频率的变频控制等等 ， 这些都是我们系统资源的调整 ， 对系统调频调度也有了一些影响 ， 是整体资源上的 AI 化控制 。 」
正因如此 ， 在一加 10 Pro 上运行英雄联盟手游时才可以做到从满电到关机 ， 平均帧率 87.9 帧 ， 最高温度 43.3 度 ， 这都是 HyperBoost 全链路游戏稳帧技术中 GPA 稳帧的功劳 。 一加产品线总裁刘丰硕对此有更直观的解释：「比如当我们游戏进入到团战的时候 ， 往往是卡顿高发的场景 ， 你可能觉得是人多动效多 ， 所以卡顿了 。 但是我们可以更精准地知道到底是什么元素导致的卡顿 ， 是英雄？还是大招动效？甚至是花草树木？通过精细化拆解 ， 我们可以进行手术级别的优化 ， 区分渲染的优先级 ， 从而极大地降低负载 。 」