标签: 手机

我一直都觉得三星 Exynos 还是挺有趣的 SoC：我记得之前翻译 AnandTech 的苹果 A12 和三星 Exynos 9810 评测文章的时候，有句话我印象特别深刻：“采用 M3 核心的三星 Exynos 9810，能耗达到苹果 A11 的两倍，性能却落后了 55%（注意，是 A11）！” 尔后，AnandTech 通过魔改 Exynos 9810 系统层面调度机制的方案，达成了系统性能相较原版的一个显著提升。这些其实都表明，三星在移动 SoC 设计和制造上都可以认为是整体掉队的。所以也不难理解，三星为什么决定放弃自研 CPU 架构。Exynos 990 是三星最后一款采用自研架构的 SoC。 想必很多同学也已经听说了，这次 Exynos 990 相比竞争对手依然有差距的事实。这里我将 AnandTech 的一些评论和测试做了综合，分享给各位。本文的绝大部分数据和内容均来自 AnandTech，若需查看英文原文，可拉至本文末尾。我觉得这篇文章能够非常到位地阐释，为什么三星放弃了自研架构，因为无论从哪个层面来看，其自研架构不仅问题极多，而且还远远及不上 Arm 的架构。 请注意，注意区分本文的几个词汇：能耗 energy，是指跑测试消耗的能量，单位焦耳；功耗（或功率）power，是指单位时间内消耗的能量，单位瓦特；功效 power efficiency，一般是指每瓦性能；能效 energy efficiency，这里特别指每焦耳的性能——这个性能可以是跑的分值，也可以是游戏帧率。 这里需要强调一点，我们日常所说的“能效比”，或者“效率”指的其实是这里的 power efficiency。本文的能效，严格意义上都不是用的这个通俗的意义。 综述 三星 LSI 的这颗旗舰 SoC 是在去年 10 月份宣布推出的：它在 CPU 大核心上采用了三星新一代的 M5 架构；中型规模的核心则升级到了 Cortex-A76；采用新的 Mali-G77 GPU。Exynos 990 采用 7nm LPP 制造，即芯片的某些部分采用 EUV 光刻。 Exynos 9820 这里看一下上一代的 Exynos 9820,，也就是 Galaxy S10 采用的 SoC。以此可了解 Exynos 990 做了怎样的提升和变化。 Exynos 9820 的大核心簇是三星定制的 M4 架构，它跟 Arm 公版架构的差异还是比较大的：从互联到缓存一致性，都采用三星的 Coherent Interconnect。Andrei Frumusanu（AnandTech 著名博士编辑）对这种结构有做核心到核心的延迟测试，起码它比 Arm 公版架构的延迟是要大出很多，当然也比骁龙 865 明显更糟糕。 Exynos 990 Exynos 990 相较 Exynos 9820 的改进其实还是比较多的。首先三星这次终于在小核心上，将 A55 的 L2 cache 推升到了 64KB。要知道 Exynos 9810 和 9820 在这方面就差一截，所以这两款 SoC 相比以前的骁龙 SoC，在效率上就有差距。不过 64KB L2 cache，这个容量仍然只有骁龙 865 的一半（128KB），三星在 Arm 核的 cache 配置上还是比较保守。 中核心从先前的 Arm Cortex-A75 升级到了 A76，频率也有提升，从 2.3GHz 提到了 2.5GHz，基于负载不同性能提升可达 38%-50%，也是 Exynos 990 大部分工作的主要动力来源。中核心的 L2 cache 仍然是每个核心 256KB，共享的 L3 cache 也是比较保守的 1MB。 大核心部分，早前代号为 Cheetah（猎豹）的 M4 这次升级到了代号为 Lion（狮子）的 M5——也就是三星的自研架构。其最高频率仍然是 2.73GHz，三星宣称会有 20% 的提升，应该主要是来自 IPC 提升。 外部可以观察到的最大变化，在于 M5 大核心不再享有各自的 L2 cache，而是 2MB 的核心共享 L2 cache。现如今，这样的微架构设计变化还是比较少见的。这一变化，从核心到核心的延迟降低能看得出来，毕竟这次的缓存一致性是在更低的 cache 层级发生的，和 CPU 也靠的近。 Exynos 990 采用三星 7LPP 工艺制造，部分采用了 EUV 光刻。TechInsights 提到，Exynos 990 是首个采用完整 7LPP PDK（Process Design Kit）设计的芯片，这一点和先前的 Exynos 9825 还是有不同的）。 三星宣称，7LPP 工艺相比之前的 8LPP 有 7% 的性能提升，应该也意味着同频功耗的降低。实际是个什么情况呢？我把 AnandTech 的内容做个概括： 一 Exynos 990 的 binning（可以理解为根据不同的芯片体质，对芯片进行等级分组）看起来是比较糟糕的，而且绝大部分芯片都位列相对较差的体质分组，甚至可能更糟，这表明这颗芯片的良率可能很不理想。 二 M5 的核心电压不是很乐观，不仅在同频下相比上一代 M4（8LPP）没有提升，而且随频率升高还表现更差了。M5 需要更高的电压，才能达到先前相同的频率：同样 2.75GHz 最高频率，M5 的峰值电压为 1118mV，而先前的 M4 为 1068mV。 三 从功耗与效率曲线来看，纵观性能变化周期内，M5 核心显然在效率上弱于 Cortex-A76（同一个 Exynos 990 SoC 上的）；Exynos 990 A55 小核心的效率比先前的 Exynos 9820 要理想很多； 四 Exynos 9820 时期，三星引入了一种更为复杂的 scheduler，基于应用跑的 ISA（指令集结构）选择不同的功耗模型。这种机制会分别追踪 32bit 和 64bit app，然后根据不同 CPU 在不同执行模式下的微架构性能和功耗特性，做出调度决策。三星宣称这种机制能够提升效率，更多的工作可能会分派给 Arm 中核心——因为 A76 在 32bit 执行效率上会更好。 从 SPECint2006 的综合成绩来看，其实很难看出这种执行模式有什么大差别。但某些个别的测试子项，比如说 456.hmmer——这是个偏向执行能力的测试，就能看出 A76 核心的优势——A76 核在这个项目的成绩上的确领先于 M5 核。从这个角度来看，三星的调度策略是合理的。 另一个例子是，400.perbench 在 32bit 模式下，A76 核心同样优于 M5 核心，所用功耗还低了超过一半。不过更偏存储性能的负载，M5 在跑分上还是有优势的，这可能与两者的 cache size 差异有关。 AnandTech 在文章中提到，这是 AnandTech 首次针对 AArch32 和 AArch64 两种执行模式，分别公布跑分成绩。 五 在存储延迟测试方面，Exynos 990 相比 Exynos 9820 还是有提升的，但和骁龙 865 比起来却有差距。 下面这几张图是 Exynos 990 M5（大核心）、Exynos 990 A76（中核心）、Exynos 9820 M4，以及骁龙 865 A77（大核心）的存储子系统延迟对比。很显然，相比 Exynos 9820，可以看到 Exynos 990 的 L2 cache 在尺寸上变大。M5 核心当然还是会有一些优势，比如说 3 周期的 L1 延迟设计，Arm 核心都是 4 周期。 去年的 M4 核心其实就存在 TLB 问题（Translation Lookaside Buffer，一种页表的 cache，是一个内存管理单元，用于提升虚拟地址到物理地址转换速度），今年的 M5 这个问题并未得到合理解决。 这会导致一些比较无语的问题，比如说随机访问超过 2MB 的区块，可能还比 1MB 尺寸内的速度更快。相比 L2 cache 区域，L3 的 cache line 访问，TLB 未命中惩罚的访问延迟还更低…（这也可能是 16-64MB 区块内，Exynos 990 弱于 9820 的原因）。 而 A76 核心部分显然就比较符合预期了。A76 的 prefetcher 原本就有比较大的提升，在 Exynos 990 之上也有体现，两个 A76 中核心在某些数据访问模式上是优于 M5 核心的。实际上，三星自 M3 设计以来，在存储子系统方面就有比较大的问题，到 M5 也依旧未能解决。 六 从 SPECint2006 的测试结果来看，Galaxy S20 的两个不同 SoC 版本，骁龙 865 相比 Exynos 990，各方面都有优势。 主要表现在骁龙 865 显然在能效/功效方面有着比较大的提升。 早前 Arm 曾表示，A77 核心相比 A76 会在性能上有进步，但两者的功效（energy efficiency）其实是差不多的——也就意味着 A77 需要以功耗换性能。但骁龙 865 则显然超出了 Arm 的预期，不仅使用更少能耗（energy），而且功耗（power）也更低。 这可能和骁龙 865 相比上一代改用台积电 N7P 工艺有关，这或许表明 N7P 工艺相比 N7 的确有显著提升。 Exynos 990 相比上一代当然也有性能提升，但肯定比不上骁龙的步子。其中有一些成绩比较诡异，比如说 403.gcc 的成绩还不如上一代。更悲伤的是功耗（power）和能耗（energy）。Exynos 990 的能耗其实跟 Exynos 9820 很相近，有时略好，有时又略差。但在有性能提升的情况下，功耗却也明显发生了飙升。 其实功耗高，有时问题也不算大，只要能换得所需的性能即可，苹果即是个中翘楚——至少能效比是不错的，而峰值性能对于提升体验也是有帮助的。但这并不适用于 Exynos 990，因为 Exynos 990 显然性能也并不怎么样。 SPECfp2006 测试情况类似，虽然 Exynos 990 的性能有提升，但却是以高很多的功耗换来的——这个代价其实是得不偿失的。某些测试，比如 447.dealII 和 470.lbm，在能效（energy efficiency）方面甚至还有 30-40% 的倒退。也有好的一面，433.milc 这个子项，M5 的成绩比 M4 提升超过一倍，但功耗也就提升 50%。 在整数测试的综合成绩中，Exynos 990 相比 Exynos 9820 有 17% 的性能提升；浮点测试综合成绩，则有 36% 的提升。但 Exynos 990 相较骁龙 865，在这两个大项上仍然分别落后了 11% 和 3%。 绝对性能可能还不是什么大问题，悲剧的其实主要是能耗（energy）问题。 Exynos 990 付出了双倍的能耗，性能却还略弱于骁龙 865！ 六 很多同学可能会想，三星的 7LPP 工艺是不是严重不给力。有个对比对象，高通骁龙 765G 用的就是三星 7LPP 工艺。骁龙 765G 的 A76 核心频率 2.4GHz，而 Exynos 990 中核心的 A76 频率是 2.5GHz。这两者的性能和能耗非常相近，都明显弱于台积电造的 A76 SoC（尤其是 Kirin 990）。 可见三星 7LPP 的确不如台积电的 N7/N7P/N7+ 工艺，AnandTech 给的数据是，在功耗表现上差距可能达到了 20%-30%。 七 不过就算把 7LPP 的差距算上，三星 M5 核心依然被 A77 核心远远甩在身后。Frumusanu 说，虽然没有看到骁龙 865 和 Exynos 990 的 die shot，不过他认为 M5 核心在面积上至少比 A77 大了 3 倍。 综合来说，Exynos 990 相比骁龙 865，效率差 2 倍，性能差 10%，PPA 总体就差了 6-7 倍。 八 在 AI 方面，三星宣称 Exynos 990 的 AI 性能为 10 TOPS，综合了 NPU 和 DSP。理论上，Mali G77 应该也是可以参与 AI 运算的。这其实一直也不是三星的长项。不过 Exynos 990 相比前代在 AI 算力上的提升很大。 从 AnandTech 的测试结果来看，NNAPI 的 INT8 测试，骁龙 865 更强。不过这一点其实仍有待商榷，因为它和软件层面关联很大，Frumusanu 也认为三星很有可能面向 NNAPI 时只给了 GPU 资源。在 NNAPI FP16 这样的测试里，Mali G77 就有优势；FP32 测试，Exynos 990 也表现很好。总体上，AI 性能这部分，Exynos 990 表现是十分出色的。 九 GPU 部分，这个其实也是我个人一直想要去仔细看一看的。Exynos 990 应该是首款采用 Mali G77 GPU 的 SoC（也可能是天玑？），而且也是首款采用 Valhall 架构的 GPU。去年我写移动 GPU 对比的时候有提到，Mali G77 很可能会在性能上实现对 Adreno 阵营的反超。 Exynos 990 在 GPU 方面选择了 11 个核心的 Mali G77，频率提升到 800MHz，电压也随之提高了。由于 Exynos 990 也支持了 LPDDR5，图形计算面对 3D 渲染这类带宽要求比较高的工作时，理论上会有更高的效率。 十 GPU 性能测试，除了骁龙 865 版 Galaxy S20 Ultra 在 3DMark Sling Shot 3.1 Extreme Unlimited - Graphics 的测试中，有作弊的嫌疑，这里就不放出具体成绩了。后续测试则极大程度免除了作弊问题，所以我们着重看一些图形测试的子项。 峰值性能上，Exynos 990 和骁龙 865 比较接近，但持续性能前者就会明显比较弱了。这里面不知道有没有系统散热设计的锅，但这是基于同一个散热设计。Basemark GPU 1.2 测试里，Galaxy S20 Ultra 骁龙 865 版的图形性能，持续状态也只损失了峰值性能的 22%。而 Galaxy S20+ 的 Exynos 990 版则在持续性能上还比不过上一代的 Galaxy S10+。 但这里面的温控机制其实也很迷，Galaxy S20 Ultra 的 Exynos 990 在持续性能上表现最糟糕——还比不上 S20+，可能应该从其他层面来找问题根源。 GFXBench 图形测试绝对性能的情况也类似，骁龙 865 和 Exynos 990 的图形计算峰值性能差不多，而 Exynos 990 显然没办法持续稳定，很快因为温控而产生性能较大程度的滑坡，其实这个滑坡幅度比 Exynos 9820 还要大。 而这项测试的功效（power efficiency）表现，也是今年高通 Adreno 被盛赞的一个点，即 Adreno 650 的效率跨越甚大，虽然绝对性能比不上苹果，但效率已经追上苹果 A13 了。至于 Exynos 990，情况就比较悲剧——尤其跟进步这么大的 Adreno 比起来，实在是有点拿不出手。我觉得光从每瓦帧率来看，情况还算不上太糟，Aztec Ruins - Normal - Offscreen 测试，骁龙 865 比 Exynos 990 有 35% 的效率优势。 Manhattan 3.1 与 T-Rex 测试也比较类似， Exynos 990 的 Mali G77 都可以用悲惨来形容，持续性能都只有峰值性能的一半，而且功耗还很高，甚至要高于上一代。 整体来说，Exynos 990 的图形性能似乎和上一代 Exynos 9820 一个水平。三星可能是有意抬高 Mali GPU 的频率，令峰值性能可与高通的 Adreno 差不多，但代价就是高得多的功耗和悲惨的持续性能。其实上面的表格中有出现联发科的天玑 1000L，都是 Mali G77，它的表现是好于 Exynos 990 的。 十一 续航测试部分，其实也没什么意外吧。Exynos 990 与骁龙 865 版本续航的差距大约在 10-13%，是大于三星、高通上一代的差距的。 这里我没有加入 AnandTech 的系统性能测试，有兴趣的可以去看一看 AnandTech 测试全文。不过我觉得，涉及到堆了很多软件的整个系统，则三星肯定会有意削弱两者的这种差距（虽然续航的差距还是无法避免）。 其实从上面的很多点滴都不难发现，三星不存在任何继续自研 CPU 架构的必要性（尤其传说 M6 还支持超线程），因为问题太多了。而且在某些决策上，三星 LSI 自己都没有对于 M5 核心的信心，比如针对 32 位、64 位不同 app 的 scheduler 机制；以及缓存方面的决策。 但我觉得，放弃自研核心，就爱好者的角度，仍然是件值得惋惜的事情。这样一来，移动 SoC 主战场上，自研 CPU 架构，也就剩苹果一人了。 阅读原文： The Samsung Galaxy S20+, S20 Ultra Exynos & Snapdragon Review: Megalomania Devices - AnandTech Samsung Galaxy S20+ & Ultra (Snapdragon & Exynos) Battery Life Preview - AnandTech

我觉得中国用户的手机偏好，是被国产手机厂商养刁的，比如对千元机、百元机的配置基本要求，都十分不凡。如今的国产千元机配置，恨不得能够得着旗舰，这好像也是中国特有的一个情况。 这就带来一个十分诡异的事情：高通骁龙的产品线划分，本质上对中国用户是失效的。比如对中国用户而言，骁龙 400 系列、200 系列好像是不存在的；最低配的手机都至少得用上骁龙 600 系列——这在高通原本的定位中，起码也是次旗舰。 这一点其实基本决定了 Android Go 这样的系统，完全不可能在中国市场有什么发展余地：因为这个系统，或者说这个生态面向的是低端入门机型。我国似乎很大程度上是彻底消灭了“真”低端入门智能手机的。真正的入门，不应该是功能机吗？ 谷歌 2018 年的 I/O 开发者大会有专门的篇章去谈 Android Go：2017 年，从智能手机的 RAM 来看，全球范围内出货的设备中，约有 25% 仅有 1GB RAM 甚至更少 。按照 Android 设备年度出货量来看，也就是当年 3 个亿的 Android 移动设备 RAM ≤ 1GB。说起来中国国内在售的主流智能手机还有 1GB RAM 的配置吗？ 不过实际上，真正让 Android Go 系统无法在中国生根的原因，并不在系统本身。因为所谓的 Android 系统 Go 版，它在操作系统层面和普通版的 Android 好像并没有太多本质性的差别。起码我没有从谷歌的官方介绍中，看出 Android 10 Go edition 与普通 Android 10 有什么大差别，充其量就是去掉了一些 feature，并对资源调用做了更多限制。 Android Go 的本质，用媒体们特别流行的话来说，是一个生态系统。我觉得一般的消费用户其实并不能真正领会，什么东西称得上是个生态。因为在消费用户眼里，生态不就是有一个操作系统，以及一个应用商店吗？应用商店的应用很多，那就是生态很好；应用很少，那就是生态很差。这似乎是个比较暴力的归纳，对开发者而言，应用商店中应用数量的多少，关乎的问题其实非常多样。 恰好前不久收到一台诺基亚 NOKIA 1.3，这是一台采用高通 215 芯片（1.3GHz 四核 Cortex-A53，28nm 工艺，Adreno 308，带骁龙 X5 LTE modem），1GB RAM，16GB eMMC 存储，720p 分辨率 5.7'' 屏幕，可换电池的手机。比较重要的是，它搭载的是 Android 10（Go edition）操作系统。我觉得正好借此机会，来谈谈 Android Go 究竟为什么是个“生态”？以及“生态”就手机这个层面来说，究竟是什么东西？当然了我们只谈手机中更偏应用端的软件生态，不涉及更多扩展，或者上游的软硬件生态。（毕竟我以前一直觉得，说生态，就是骗子） 有关高通 215 与 1GB RAM 开篇还是有必要提一提高通 215 的，注意在命名上是高通 215，而不是骁龙 215（猜测是高通觉得，这种配置不能算是条龙...）。高通 2 系列起码也是用的 64 位 CPU，而且支持双摄。具体到骁龙 215，CPU 配置的是四核 Arm Cortex-A53 核心，最高频率 1.3GHz。 Cortex-A53 在手机用户眼里，应该称作“效率核心”或者“低功耗核心”。现在智能音箱、智能家居的 MCU 上面其实用的还比较多。在 Arm 的定位中，Cortex-A53 是 Arm 的首款 Armv8-A 架构处理器，的确在 64 位数据处理上面向的是“效率”。这种小核心全然为顺序管线，另外 A53 总算也是超标量结构，前端双发射。 Adreno 308 GPU 稍稍提一下，从 NoteBookCheck 的说法来看，这颗 GPU 应该包含 24 个 ALU（作为对比，骁龙 855 的 Adreno 650 的 ALU 数量应该有 384 个 ）；它的同系列参照对象应该是 2013 年的 Adreno 330（骁龙 800/801 时期的一颗 GPU，与苹果 A7 图形性能类似），不过 Adreno 308 的推出时间应该是 2016 年底。 NoteBookCheck 的测试结果是：Adreno 330 的性能平均是 Adreno 308 的 2.86 倍 。感觉以 Android 的系统图形渲染效率，NOKIA 1.3 过渡动画的掉帧，其实也都仍然存在，但日常系统 app 之类的操作也算是基本流畅的。 更多的其实没什么好说的，用顺序核 + 1GB RAM 在中国跑普通版的 Android 应用，其实是十分吃力的。要知道国人日常所用的微信、淘宝之类 app 是怎样的内存占用规模；以及国内那些 app 能够怎样地疯狂相互唤醒，并快速吃完内存资源。 我自己的感受，在 NOKIA 1.3 上，基本不装什么别的 app，阿里系的 app 统统不装；腾讯系的就只装个 QQ 和微信；另外装一下 Twitter、Whatsapp。在这种情况下，NOKIA 1.3 用微信其实已经比较勉强了，就是启动一下都需要比较久的时间，而且如果涉及其他多任务切换，常常会磨掉最后的那点耐心。对于国内的 Android “生态”而言，这类手机通常可以被认为是“不可用”。 因为使用全套谷歌框架的关系，必须要装的是科学上网用具，我用的是 v2rayNG。在 v2rayNG 挂在后台的情况下，就算只用 Play Store 下载 app，默认情况下，Android 10 Go edition 系统都会随时把 v2rayNG 进程踢掉，导致 Play Store 无法再继续下载。那么，微信这种庞然大物，更不要想还能与其他什么 app 在此等配置下共存。 所以 NOKIA 1.3 是不可能在国内上市的。那么这类手机究竟面向的是怎样一群人呢？ “真”入门市场的 Android 生态 我们不能总用自己的逻辑，去以己度人。实际上，由于中国的特殊性，Android 系统在中国发展出的是一整套自己的生态。而这套生态在我们看来是十分理所应当的，比如说你买个手机，起码要把淘宝、支付宝、微信、微博、京东、QQ、网易云音乐、高德地图之类的全装上，很可能还要装个第三方应用市场，否则你还用什么手机？ 在国内的消费用户视角，上面这些就是生态，人人依赖的一种生态。它们对于 Android Go 而言，是一种可被宣判死刑的生态。 举个例子，印度有个电商 app 叫 Flipkart。这个 app 在开发的过程中，借用谷歌的开发工具 Android Studio Refractor 和 ProGuard，让 app 尽可能地减少所需资源和代码库；而且还按照谷歌的建议，把所有的图片格式换成 webp，这样图片尺寸缩减 20%。再加上各种优化方法（reduce our memory cache size from 2 screen to 0.5 screen; reduce bitmap pool cache size from 4 screen to 1 screen）。 Flipkart 这个 app 的 apk 尺寸是 17MB。作为对比，同样是电商，淘宝是 118MB。当然这样直接对比不是很科学，毕竟后者规模和架构要大得多了。但这其实很能表明生态塑造的差别。这也造成了 Flipkart 可以在 NOKIA 1.3 手机上基本流畅运行，而淘宝是没戏的。 Android Go 很像是谷歌官方面向开发者的一套指导原则和开发工具。在 2018 年的 Google I/O 开发者大会上，谷歌列举了不少入门市场的价值，大体上比较类似于：你们要让全球更多的人下载你们的 app，那你们就要看看新兴市场容量有多大。 比如前文提到的 2017 年 ≤ 1GB RAM 配置的 Android 设备出货量有 3 亿台；印度 2018 年 ≤ 1GB RAM 的设备出货量 3000-3500 万台，是这个配置的移动设备最大的市场；而美国则是 ≤ 1GB RAM 设备的第二大市场（没想到吧？）。当然，随存储器成本本身的降低，如今应该不是这个数字了。 谷歌花比较大的篇章去向开发者解释，你的 apk 尺寸大小很大程度上关系到用户是否愿意去下载你的 app。统计结果显示：“100MB 大小以下的 app，尺寸每增加 6MB，用户转化率就下降 1%。”当然，不只是手机配置自身，这其实和不同国家地区的流量费用也相关。 另外，很多现有用户的手机总容量就只有 8GB，而其中的 2/3 大约就只有 1GB 的存储可用空间。这也是 Android Go 操作系统（外加指导原则和生态工具）诞生的原因。 有关 Android Go 系统本身 我不想花太多的笔墨去谈 Go 版 Android 系统本身，因为这个系统相较原版的区别并不算特别大——至少以我这种对绝大部分小功能依赖性比较低的人类而言是如此，虽然极有可能 Android Go 去掉了不少系统组件，是一些高级用户需要的。Android Go 全称应该是 Android (Go edition)，也就是 Android 系统的 Go 版。它最早始于 Android Oreo (Go edition），随后发展到现如今的 Android 10 (Go edition)。 NOKIA 1.3 设备上，用户层面可感知的主要包括限定后台驻留的进程，部分界面的简化——比如多任务界面简化为一个列表，而不再是常规 Android 系统那样，以活动窗口的方式层叠展示出来；桌面似乎只能设定一屏。可能还有更多功能的阉割，我没有仔细研究；宣传上提到流量节约功能（Data Saver）、包含流量节约特性的 Chrome 之类。 谷歌在 Android 10 Go editon 的宣传页面中提到，“多留出 270MB 的额外内存”——这说的应该是操作系统本身预留的 RAM；“多留出 900MB 额外存储空间”——也是针对存储资源紧缺的入门设备所做的操作系统层面的考量。 这才是“真”入门市场，跟国内的“入门”并不是一个概念。因为这种“入门”的存在，才有了如此拮据的资源需求。（不过随时代发展，Android 10 Go edition 在宣传资料中已经把 ≤ 1GB RAM 改成了 ≤ 2GB RAM，而且似乎我听到的消息是说，预计很快 Android Go 也会将 RAM 需求往上提） Android 10 Go edition 系统自身另外一个比较重要的特点是，搭载了很多谷歌开发的 Go 版 app。包括了 Gallery Go（谷歌相册）、Camera Go（谷歌相机）、Assistant Go（谷歌助手）、Map Go（谷歌地图）、Google Go（谷歌搜索）、File Go（文件管理）等。这些 app 是作为指导 Android Go 生态应用开发的标板存在的。它们可以认为是原版 app 的一个极度优化或者简化版，竭尽一切可能来节约占用的资源，谷歌官方页面提到“更小 50% 应用尺寸”。 至少 NOKIA 1.3 自身搭载的这些谷歌原生 Go 版 app，跑起来都还是基本流畅的。不过实际上这些 Go 版应用还是不得不阉割掉一些功能，比如说 YouTube Go，我自己感觉用起来并不算特别便利，下方导航栏大部分按钮被去除；主要的订阅频道视频更新流还在，但 Explorer、Inbox（通知）、Library（包括你的播放列表、点赞过的视频等）就没有了。 像完整版 Google Photos 的各种高级功能就也别想了，比如照片搜索、人脸识别、照片分类之类；但谷歌似乎也有不停地在为这些 Go 版 app 增加一些力所能及的功能实现，比如前不久谷歌才针对部分 Android Go 机型的 Camera Go 加入了人像模式，似乎也是可以搞背景虚化的，具体的我也没怎么去尝试；Gmail Go 似乎就比较完整，至少我自己没感觉有太多功能缺失；另外就是部分 Go 版应用的暗黑模式还没有做。 Android Go 是这样一个生态 反复在说生态啊，说的这么装逼，不就是个 Android 的特别版系统吗？实际上这个“生态”本质上更多的是说给开发者听的。谷歌有特别在开发者大会上花时间教育开发者，如何针对 Android Go 来优化你的 app，以此实现让你的 app 被全球更多用户使用的目的。 我们来大致看一下，其指导原则大方向是什么样子的。既然起始于 Android Oreo，那么至少要求开发基于 API 26（targetSdkVersion）。针对 app 的开发要求是这样的 ： app 在设备上应当占用少于 40MB 容量，游戏则应少于 65MB； 确保 app 的 PSS 低于 50MB，游戏 PPS 低于 150MB（所谓的 PSS，就是 Proportional Set Size，可以理解为应用的 RAM 占用，是 app 似有内存加上应用公共进程部分占用的综合）； 避免出现应用不响应、崩溃的情况； 启动 app 时间低于 5 秒。 在具体的执行上，谷歌针对这些开发指导，提供了一些工具和开发建议。比如说谷歌建议使用 Android Vitals 来“理解和解决应用不响应或崩溃的问题”；移除不必要的代码和库，确保添加的库是移动优化版，而不是服务端用的版本；如果增加音频资源，应当使用 mp3 或 aac，而不是 wav； 对于传统 apk 格式，可以使用 Android Studio 中的 Android APK Analyzer 来检查 apk 尺寸，将 apk 与之前的版本比较之类；针对应用不响应、内存不足异常、掉帧之类的问题，应当采用 Firebase、Crashlytics 之类的工具；至于看内存使用情况，通过 ADB shell 使用 meminfo 命令就能检查；应用启动时间应当使用 Firebase Performance Monitoring SDK...... 我自己不做开发，所以没有用过谷歌提到的这些工具，我估计这些工具原本就是谷歌开发生态的组成部分。只不过因为 Android Go 的存在，所以利用现有工具，做出合理的开发指导。这里我也只是列举了谷歌在开发者文档，以及在开发者大会上提到的一部分建议。开发者文档会有更具体的指导。 谷歌自己认为，在很多情况下并不需要以砍掉 feature 为代价来做 app 的优化，就能让 app 跑起来更轻盈，这样也能吸引更多的用户（虽然我觉得不砍 feature 获得全面体验是不可能做到的）。而且，如果不得不让全功能版 app 做到更多的资源占用，或者针对 Go 版 app 不得不移除部分功能，那么依然可以通过谷歌 Play Store 的 Multiple APK 特性，针对上架的同一个应用部署多个 APK，其中针对 Android Go 特别部署一个 APK 版本。 这样一来，针对那些设备配置不错的用户而言，从 Play Store 下载同一个 app 也不需要牺牲更好的体验。 Play Store 扩展 Go 生态 至少在全球市场上，谷歌对 Android 生态的把控还是比较到位的（不像国内，手伸不过来）。面向消费用户，Play Store 即是铺开这个生态的基石；而对开发者来说，Play Store 针对 Go 生态的特别优化，也是吸引他们开发 Go 版 app 的一种方式。 这里我稍微列举一些 Play Store 面向开发者的部分特性。比如说有个特性叫 App Bundle，它实现的是一种模块化操作：在用户下载某个 app 的时候，这个 app 的尺寸会比较小；仅在用户使用 app 时，在必要的时候才进一步下载相应的功能模块（所谓的加载动态功能模块）。这样的话，小尺寸 app 其实可以吸引到更多的人下载（基于前面我们提到的，越小的 app 下载的人其实会越多）。谷歌 2018 年推了一个 Google Play Dynamic Delivery，就是跟 App Bundle 做配合，具体什么机制我也没仔细去看，总之就是模块化、动态化。 另外 Play Store 还有个性化算法机制，针对配置比较差的设备会展示更小的 app；还有比如存储空间快满的时候，会提供删除 app 建议（很久未使用的）；也有流量节约功能，比如在 WiFi 环境下，对应用商店最常访问的部分做缓存... 前面提到的 Android Vitals 工具是给开发者理解 app 的稳定性问题的，实际上 Android Vitals Performance 性能也影响到了这个 app 在 Play Store 中的呈现，比如说应用商店里搜索与发现栏目的 app 推广。也就是说，开发者的一款 app 稳定性、优化程度越高，被推荐的机会更多，搜索靠前的机会也更大；Play Store 甚至还引入了一个名为 IsLowRam 的标签，都旨在鼓励开发者优化 app 的性能和稳定性。 实际上，Play Store 起到了承载和推动 Android Go 生态向前发展的作用，虽然我的直觉是估计收效不会太大。但好像作为国人习惯了国内的 Android 生态以后，这个直觉也是错误的。 一方面，谷歌有列举参与 Android Go 生态合作的开发者，虽然我觉得数量也实在是蛮堪忧的，但实际上对于像印度这种入门级用户基数比较大的市场，满足日常社交、网购、聊天之类的需求是够用的，即便在体验上的确是没办法做到全面、畅快。 很多国内手机用户，对于国外 Android 应用生态可能没什么概念。这里我列举一些国际市场主流 app 完整版的 apk 大小： Instagram - 32MB；Whatsapp - 23MB；Twitter - 18MB；Facebook - 49MB；Pinterest - 17MB；Pocket - 10MB；Flipboard - 11MB；LinkedIn - 29MB...... 另外，不少很流行的社交网络，会有一些第三方的客户端，或者官方开发的 Lite 版尺寸就更小了。比如说 Twitter 的很多第三方客户端，大概就 5MB，Twitter Lite 才 1.1MB；Skype Lite 版是 17MB，Messenger Lite 是 9.6MB，Pinterest Lite 则为 1.8MB。当然了，社交软件 Lite 版的功能也比较简单，某些 Lite 版 app 比较类似于网页版套个壳。Lite 版 app 其实也是谷歌给开发者的其中一个指导建议，即面向 Android (Go editon) 开发 lite 版 app。 我也不是要说国外 Android 生态就有多和谐，毕竟这些软件用起来也有体积巨量膨胀的问题，看后续存储管理其实也很重要。不过国内的主流社交、通讯工具就明显比这些 app 的尺寸大得多，占用资源也更多，比如淘宝 107MB，新浪微博 84MB（国际版 33MB），微信 168MB，支付宝 89MB。其实就国内手机市场的情况来看，这些 app 吃的资源也没什么大不了，虽然国产手机还是得想方设法地切断国内 app 生态造成的各种奇葩流氓行为；而且国内这些 app 往往杂糅了更多功能，这和国内市场现状也相关。 这就基本上导致了像 NOKIA 1.3 这样的 Android Go 设备不可能在国内 Android 生态混得下去，用上述任何一个国人看起来只是基本需求的 app 都可能在体验上极度崩溃。但在 Play Store 原生的市场环境下，则要相对更加如鱼得水，NOKIA 1.3 跑 Twitter 就比较正常：虽然也称不上体验很好，但基本可用是能够做到的，也就是“真”入门市场的水准。 去年 9 月份，谷歌在博客上说“过去 18 个月间，超过 500 家厂商发布了超过 1600 款 Android (Go editon) 设备机型，覆盖超过 180 个国家，包括了印度、南非、尼日利亚、巴西和美国。” Android Go 的这套生态能否组建起来，后面我们或许还应该再观察一下，因为实际上入门市场的操作系统不仅有 Android Go 在参与角逐，功能机以及可以算作是半智能机的-比如说 KaiOS 本身都是有力竞争者。 到这里，可以总结一下，其实这篇文章花了比较多的篇幅来谈 Android Go 以及其开发生态究竟是怎么回事。其中的很多东西，就直接决定了，Android Go 完全不适用于中国。第一，Android Go 的生态部署、扩展需要依赖 Play Store；第二，这是谷歌自己提供的开发生态，虽然其实好像也就是现有工具的一些拼凑；第三，国内现有的 Android 应用生态，对于 Android 设备的资源需求，是 Android Go 设备完全没有能力承载的，光是一个微信就让这些手机累得够呛了。 其实最后有个遗留问题，就是为什么国内的入门机型卖得便宜，主要的规格参数却又比国外的那些入门机型出色那么多。当然一方面是 Android Go 设备有下探到 30 美元的（NOKIA 1.3 在其中算是配置不错的了，亚马逊的售价是 99 美元）；另一方面相关国内智能手机市场环境和国外的差异，就又是个巨大的话题了，比如运营商、人力/运输成本、网络环境等方方面面，这里就不再多谈了。 参考来源： Build for Android (Go edition): optimize your app for global markets (Google I/O '18) - Android Developers https://www.youtube.com/watch?v=-g7yxxTpF2o&list=PLWz5rJ2EKKc9Gq6FEnSXClhYkWAStbwlC&index=26 The Samsung Galaxy S9 and S9+ Review: Exynos and Snapdragon at 960fps - AnandTech https://www.anandtech.com/show/12520/the-galaxy-s9-review/6 Adreno 308 vs Adreno 330 - NoteBookCheck https://www.notebookcheck.net/Adreno-308-vs-Adreno-330_7906_4683.247598.0.html Android (Go edition) - Android https://www.android.com/versions/go-edition/ Android (Go edition) requirements - Android Developers https://developer.android.com/google-play/guides/android-go-edition How to optimize your app for Android (Go edition) - Google Play https://medium.com/googleplaydev/how-to-optimize-your-app-for-android-go-edition-f0d2bedf9e03 Optimize for devices running Android (Go edition) - Android Developers https://developer.android.com/docs/quality-guidelines/build-for-billions/device-capacity#androidgo More improvements for Android on entry-level phones - The Keyword https://www.blog.google/products/android/more-improvements-android-entry-level-phones/

我们常说，成像技术与摩尔定律是背道而驰的，即工艺越先进，图像传感器上的像素越小，并不意味着性能越好，有时甚至成像质量会变差。当然了，摩尔定律更具体的定义其实不是这么说的，但我们姑且就这么信了。 不过我们知道手机这些年的拍照是越来越强的，像素也的确是越来越小——之前探讨 1 亿像素图像传感器的文章 其实就提到过这个问题，这也是这些年手机图像传感器实质上的发展趋势，甭管多少媒体喜欢大谈单像素尺寸这件事，像三星如今的图像传感器像素尺寸做到了 0.7μm——虽然还没有应用到 1 亿像素的图像传感器上。 当然了，手机摄像头的图像传感器总面积这些年一直是在变大的，起码从 10 年前的对角线 1/3 英寸，变成了现在的 1/1.33 英寸——这个转变其实还是巨大的。其实图像传感器变大，也就意味着拍摄一个相同的场景，光圈、快门、ISO 参数相同时（或者说照片亮度一致），则实际的光通量是明显更多的。从直觉上来看，拍照一定更好——毕竟吃了更多的光，光总量变大，也就意味着前端的散粒噪声会更低。 但好像 1 亿像素的手机，拍的照片其实也没比 4800 万像素的手机牛逼到哪里去；跟当年的 1200 万像素和 4100 万像素的较量，似乎全然不是一个量级。或者说，如果我们抛开什么光学/混合变焦、超广角这些多摄加成不说，当代手机的 28mm 主摄拍下的照片，其实也就那么回事：你说好能好到哪里去，坏又能坏到哪里去？ 前一阵还有朋友说想买个拍照好的手机，问我应该买哪款。其实以手机“摄影”框定的范畴，即便华为、小米之类的厂商把手机拍照吹破天际，如果同样是 5000 块钱的手机，它们的成像质量差异真的会大到哪里去吗？所以我跟他说：你喜欢哪个，就买哪款吧，你又不搞什么严肃摄影，没事难道还跟别人去拼一拼宽容度、边角失色的问题不成？ 毕竟这会儿早不是十多年前，手机拍照几乎就只有苹果一家能把自动白平衡做好；也不是十年前，诺基亚手机的解析力和信噪比可以把同时代竞争对手抛到天边去。 DxOMark 在 3 月份发布的一篇文章，我觉得特别能回答为什么 1 亿像素手机拍照其实也不过尔尔。这篇文章中提到，智能手机 10 多年来，成像质量提升超过 4EV（stop）；其中 1.3EV 是来自图像传感器/光学技术的提升；有 3EV 是来自图像处理器（SoC 的 ISP、NPU 之类），或者说智能手机的处理能力提升。 总体，智能手机拍照越来越好，是摄像头光学系统（包含图像传感器技术提升），以及图像数字信号处理能力的双重提升。而后者占了大头；前者有价值，但在手机这个门类的产品中，其提升相对缓慢——这其实也符合相机市场的发展，单画质提升速度，完全不可能像半导体技术发展那样疯狂。 图像传感器（光学系统）的技术提升 DxOMark 认为，近 10 年 APS-C 画幅的图像传感器，以 DxOMark 针对图像传感器的测试标准来看，其性能提升是 1.3EV。那么手机拍照 4EV+ 的程度是怎么做到的？ 手机摄像头的技术下放，不过相机从 BSI 技术上的获益远少于手机），其实质就是把像素内部的色彩 filter 与感光层（光电二极管）之间的电路层，移到后方去。我们所知，BSI 解决的主要问题是串扰，而且还能提升光的利用率。 感觉背照式和堆栈式，已经是基础教育级别的名词了吧...（笑 图片来源：DxOMark 实际上 BSI 这个工艺改进本身不光是提升像素感光能力，也在于因为光电二极管离上层更近，则传感器能够从更多的方向获取光子，它带来的价值包括： 光圈因此可以做的更大（更偏角度的光）；镜头也因此可以和传感器靠得更近，也就可以用更大的传感器；而且镜片可以更“平”，在增加额外光学组成部分，以及更长的有效焦距时也更具弹性，也不会让手机的摄像头模组太厚。 这么看来，BSI 对于手机拍照的贡献也算是延续至今啊，还影响到了光学系统设计。不过如 DxOMark 所说，这么多年的发展，无论是像素阱结构调整，还是什么 RAM 堆栈技术、Cu-Cu 互联之类，CMOS 制造工艺提升、图像传感器总尺寸越来越大，其贡献限定在 1.3EV。 图像处理器的技术提升 就图像处理来看，下面这张图，第一张是用无数年前的尼康 D70s 拍的 RAW 照片， ISO3200 ；第二、三、四、五张，分别针对这张原始照片应用了 DxO Labs 的 Optics Pro 3/5/7/9 软件做后处理（也就是不同时期的软件后处理）。能够看出随着时代发展，不管是算力提升还是算法提升，都对原有相同光学硬件基础的成像做了怎样的提升，就表明图像处理这些年还是十分重要。 图片来源：DxOMark 能够直观体现手机拍照提升的是下图，在低照度（5 lux）下从 iPhone 5s 开始，一直到 iPhone 11 Pro Max 拍摄的不同照片。按照 DxO 所说，图像处理器在其中提升比重占得明显更大，包括现在引入多张堆栈、AI 之类乱七八糟的技术——这本身就需以图像处理器算力提升为基础。 图片来源：DxOMark 我之前翻译过好几篇谷歌 AI Blog 相关成像技术的文章，都是将机器学习应用到计算摄影的成果介绍，前一阵才发了一篇 谷歌如何利用 Dual Pixel + Dual Camera + 机器学习实现背景虚化的文章 ，有兴趣的同学可以去看一看。这些主要建立在图像处理技术提升的基础上；而且足够谷歌在 Computational Photography 领域发一大堆的 paper。 谷歌在 Computational Photography 的成像技术介绍上最为透明，无论是 HDR+（高宽容度多张堆栈）、Night Sight（夜拍模式）、Super Res Zoom（抖动实现的超分辨率数字变焦），还是把机器学习应用到夜间模式的自动白平衡之类，它们对于当代手机拍照画质的提升显得十分显著。即便老一辈革命家们其实总是特别喜欢说，你这技术几百年前相机就用上了，你这是技术下放。 其实无论包括苹果、华为在内的厂商，在这些问题上的解决方案有多大差别，它们的核心都是图像处理的提升，包括用于图像处理的硬件算力提升，和软件算法提升。它们如 DxOMark 所说，贡献了 3EV 的画质提升。 1 亿像素的图像传感器，在 Computational Photography 面前，可能在实际产出的收益上，并不会显得十分巨大——于是，我们才说，这更是一个比拼 post processing 的时代。要不然大家都拿一样的一亿像素图像传感器，还哪来差异化竞争？ 毕竟现在不像过去那样，诺基亚随随便便就去跟东芝订个独家的 1/1.2 英寸的图像传感器（808Pureview），光学系统还有蔡司参与设计，就把别家手机拍照打到满地找牙。那是十年前的传奇了，图像处理器算力也远不如现在，那会儿都没人听说过 AI 拍照。如今的华为，即便有索尼的图像传感器独家定制资源，它到底有多“独家”都很值得打个问号，更别说，在图像处理器上谁技高一筹的问题。 当然其实在光学系统方面的努力，也包括了多摄之类的。不过这些提升，尤其是多摄的图像合成实现更好的画质，本身和信号处理又是分不开的——所以算是两者的相辅相成吧。 最后文章与文首呼应一下：既然手机拍照，图像处理带来的效益更大，那么其实手机拍照是否也可以很勉强地说，是符合了摩尔定律的发展规律的。毕竟要做图像处理，靠的就是数字芯片的发展。那么其实现在手机拍照越来越好，显然 7nm 的骁龙、麒麟之类的就十分有意义，重要性不亚于摄像头本身...那还不是要跟摩尔定律挂钩了吗？ 最后的最后，相机（单反/微单）领域，由于专业摄影职能和手机拍照的差别，其“计算”属性显得并没有那么重要，毕竟摄影师有自己的创作意图，而且还需要花大量时间去做人工的照片后期，自然不可能允许照片一拍下来就有浓重的饱和度和对比度。 而且相机在光学系统的优越性上具备碾压手机摄像头的特点，或者说吃光子的能力可以把手机甩到海王星去；不过当代手机凭借着图像处理能力越来越强，开始有人整天在问，手机拍照是不是能和微单/单反比了，一会儿红米秒尼康 D5，一会儿荣耀秒佳能 5D4——本质上是图像处理技术发展中，对传统光学技术的叫嚣，甭管他们有多荒谬，起码这种叫嚣在 10 年前是从来不曾有的。 推荐阅读： Smartphones vs Cameras: Closing the gap on image quality - DxOMark 看懂手机拍照的背景虚化：双摄3D成像再加上AI？ - EE Times China 索尼为什么还不出1亿像素CIS？华为该着急了！ - EE Times China

疫情当下，红外体温计尤其是额温枪咸鱼翻身，一“枪”难求！本人认为，只有将符合医用法规的红外体温计集成进手机才是最终极的应用！ 如果集成进手机，只需要增加一颗贴片的红外传感器就可以了，其他物料几乎可以忽略不计，极大降低物料成本不说，还方便人们随身携带，更能普及到人手一个。不知华为、小米、魅族、OPPO、vivo这些手机厂家们，为何迟迟没见拿出动作？ 你们谁第一个推出了这种手机，谁就抓准了一个新的思路和机遇！利国利民，更有利于你们自己的商业利益！到时候可要记得送我第一部手机哟！

作者：百佳泰测试实验室/ Henry Hung 现代人的生活步调愈来愈快，工作压力、天气多变、情绪起伏都让血压忽高忽低快速改变。随着生活水平提升与卫生教育普及，许多长者或高血压患者家中会自备血压计，随时测量，注意自身及家人的血压变化。 血压计可分为传统血压计及电子血压计。传统血压计有水银柱和气压表两种，两者皆需配合听诊器使用，使用程序繁琐，一般人使用上较不便。电子血压计利用传感器来收集信息，经过运算，计算出收缩压及舒张压。部分电子血压计同时具备测心率等其他功能，除了操作上较简易，数据阅读也具直觉性，比较适用于家庭日常血压量测。 然而，不管是传统或电子血压计，都需要拿一张纸来记录每日的血压数据，整体来说仍旧十分不方便。随着智能电子血压计的导入及应用，让血压管理变得更简单。使用者只需在固定时间量血压，透过蓝牙传送数据至手机 APP ，使用者便可轻松查阅长期的血压变化。 常见智能血压计问题 大解析 智能血压计的问世理应带给消费者极大便利，我们却在市场上听到了消费者在使用上反应不佳的回馈。众所皆知，用户体验与满意度会直接影响品牌形象，有些使用上的问题可能会打击使用者的信心与降低品牌忠诚度，影响企业未来的获利机会。以下列举市场常见问题以及使用者困扰： 1. 手机无法透过蓝牙连接到血压计 2. 装置（手机与血压计）配对失败 3. 血压计 APP 操作失败 4. 手机数据无法同步到云端 5. 血压测量结果无法传送到手机 Note ：根据卫福部医疗器材管理办法，百佳泰不具医疗器材之检验资格，因此本文不讨论血压的准确性。 为了验证使用者困扰的真实性，百佳泰特别选取了具代表性的待测物－全球知名、适合家用的 Omron 蓝牙智能血压计 HEM-7280T ，来看看是否会发现上述问题。 我们使用以下 3 支手机、 3 台 AP 与 Omron 蓝牙智能血压计（待测物）来测试，来进行交叉实验，模拟一般人在日常生活中使用血压计的情境。 应用检测：潜在问题有哪些？ 理想状态下，智能血压计搭配的 OMRON connect APP 可以存取最新血压数据，也可将数据上传到上云端，长期留存所有血压历史纪录。然而，经过我们测试专家实测，发现了以下四种问题： 问题 1 ：更换血压计电池　手机却找不到该装置 我们使用 4 节 AA 电池来模拟测量血压后，电力刚好耗尽的情况。更换完电池之后，测试人员发现 3 支手机中有 1 部手机无法透过蓝牙连接到血压计，发生找不到装置（ No Device Found ）的状况，造成最新血压量测数据无法顺利传输到手机 APP 。 问题 2 ：移除与新增装置　发生验证错误 在手机上移除与新增血压计的测试中，发现有装置验证错误（ Device Authentication Error ）的状况发生， 3 部手机中就有 2 部手机会发生，其中两款手机的验证错误率更高达 20% 。 问题 3 ：更换装置查看血压记录　 APP 卡顿 理论上，无论何种情境，用户应能随时随地查询「云端」血压信息。然而，当用户欲更换血压计，在没有血压计装置联机的状态下，我们发现透过 Apple 手机查看血压日记（ Blood Pressure Dairy ）， APP 会卡在数据传输（ Transferring Data ）页面。 问题 4 ： AP 与手机不兼容　无法查阅血压日记 智能血压计的设计前提为：使用者须连到云端才能备份血压日记。从下表可得知，除了 Apple 手机在联机到 D­-Link AP 时有发生联机问题，其他的组合都能 100% 正常连上网络，并将数据传送至云端。 综合市场常见问题及百佳泰实验测试， Omron 蓝牙智能血压计 HEM-7280T 虽强调蓝牙配对手机、云端备份血压数据等功能，不过无法确保手机蓝牙每次都能找到装置并且顺利连接（见问题 2 ）。此外，特定手机和 AP 的组合，可能导致手机无法将数据同步到云端（见问题 4 ）。同时也可能发生测量血压后血压计电力不足，最新数据就无法传至手机 APP 的状况（见问题 1 ）。这些实测的问题结果，直接应证了消费者所述的常见问题的真实性，厂商若想要在市场上确保良好使用评价，处理上述问题为当务之急。 智能血压计虽免去透过手写纪录血压的麻烦，然而有些使用情境或蓝牙联机却产生新的使用问题，让用户面临更多困扰，反而得不偿失。 智在健康客制化服务 随着物连网技术蓬勃发展， IoT 相关的产品亦不断推层出新，除了智能血压计，其他智能健康装置，如血糖机、心率带等，也很有可能遇到上述使用问题。