尽管英特尔宣称没有人会在具有14英寸小屏幕的3磅笔记本电脑上进行3D渲染，但核心数量优势也扩展到了其他领域。我们没有使用芯片的集成视频引擎进行高级编码，但是我们确实使用旧版的HandBrake进行了文件转换。您可以将HandBrake设置为在新芯片中使用视频引擎，也可以使用内核。许多较旧的应用程序仍使用内核。

结果不足为奇：虽然Tiger Lake轻松击败了其兄弟姐妹，但Ryzen再次将其粉碎，将我们的1080p文件转换所需的时间减少了约34%。基本摘要是，如果您需要核心人数，Ryzen每次都会获胜。

第11代AI性能

英特尔会说，关于AI的新世界非常勇敢，它可以用来对图像进行升采样，或为您整理几TB的照片。多年前，当英特尔首次开始谈论基于台式机和笔记本电脑的AI时，找不到使用它的实际应用程序。但是今天，我们的状况要好得多。就像AMD迷们想要放弃AI性能一样，将其视为与多核性能一样有效。

对于我们的测试，我们使用了市场上已有的三个消费者应用程序。首先是Nero AI Photo Tagger。它目前是一个免费应用程序，并使用英特尔的开源OpenVINO在支持它的芯片上实现深度学习增强。为了测试它，我们用数码单反相机和照相手机拍摄了4,200张照片，并委托AI Photo Tagger对它们进行分类并识别照片中的内容。

完成后，AI Photo Tagger会吐出两个数字：完成这项工作所花费的总时间，以及每次识别每张图像所花费的AI时间的总量。总时间包括加载图像，执行预览以及其他家政任务。总的来说，第11代Tiger Lake所花的时间比Ryzen 7 4800U通过动态调整设置为28瓦时少。给虎湖一点力量，它的领先优势可提高约20%。

但是正如我们所说，该应用程序还可以分解每个CPU识别照片所花费的时间。实际上，第11代Tiger Lake比Ryzen 7 4800U节省了40%的时间，比14nm，6核第10代Comet Lake U节省了57%的时间。

第二项AI任务是Topaz的Gigapixel AI。该应用程序使用AI以通常优于照片应用程序中使用的简单算法的方式来放大图像。对于此测试，我们为在EOS 1D Mk IIn DSLR上拍摄的P-38战斗机拍摄了一张照片。该相机是古老的，并在其8.2MP传感器中显示。为了模拟现实世界中的任务，我们命令Gigapixel AI使用AI将图像放大6倍。结果是第11代Tiger Lake取得了又一个重大胜利，与Ryzen 7 4700U芯片相比，时间缩短了82%。

我们应该注意，第10代Ice Lake的性能应该会更好，但是我们无法在其上启动OpenVINO。同时，第10代彗星U湖确实允许我们启用OpenVINO，但差异不大。

为了完全公开，有两种运行Gigapixel AI的方法。一种是将CPU与OpenVINO一起使用，另一种是使其也启用“离散图形”，我们被告知实际上将其切换到OpenGL模式。我们以这种模式运行了所有笔记本电脑，这实际上使Ryzen的Radeon核心发挥了优势。结果是最有意义的，因为Xe做得不错，而较旧的Iris Plus则落后很多。Comet Lake U芯片中的英特尔高清显卡位于隔壁的停车场，甚至不在现场。

我们的最终AI测试使用Topaz Video Enhance AI将Top Kodak FLIP式摄像机拍摄的720p视频转换为4K分辨率。对于测试，我们使用Theia模型对图像进行AI放大。

我们的想法是，拥有旧家庭视频的SD卡和4K电视的人可能希望看到这些视频达到现代标准。您可以阅读Joel Hruska对使用Topaz Video Enhance AI创建他自己的复刻版《星际迷航：深空九号》的痴迷，并了解基于AI的超酷扩展效果如何。

第11代Tiger Lake需要花费不到两个小时的时间来AI放大我们的视频，而Ryzen 7 4800U则需要五个多小时才能完成任务。第10代Ice Lake无法在Topaz Gigapixel AI中运行Open VIno，但似乎可以在这里工作，花费了三个多小时。但是，第六核的第十代彗星湖U吗?是的，AI放大图像花了11个多小时。