После крупных обновлений iOS и Android владельцы смартфонов нередко замечают, что устройство стало быстрее терять заряд. Поскольку одновременно в операционных системах появляется все больше функций на базе искусственного интеллекта, именно нейросети часто получают статус главного виновника ухудшения автономности, сообщает bitbetnews.com.
На практике связь не настолько прямолинейна. Современные смартфоны оснащаются отдельными вычислительными блоками для задач машинного обучения, а часть ИИ-функций выполняется с достаточно небольшими энергетическими затратами. Гораздо сильнее на автономность способны влиять передача данных через мобильную сеть, обработка крупных массивов фотографий, фоновые задачи и ситуация, когда тяжелая нейросеть работает не на специализированном ускорителе.
Сам по себе искусственный интеллект не означает постоянную повышенную нагрузку на аккумулятор. Многое зависит от того, выполняется задача непосредственно на смартфоне или отправляется в облако. Отличается и продолжительность работы алгоритма.
Почему появился миф, что ИИ быстро разряжает телефон
Первые мобильные алгоритмы машинного обучения действительно могли серьезно нагружать процессор. Операции нейросетей связаны с огромным количеством математических вычислений, которые ранним системам приходилось выполнять с помощью обычных процессорных или графических ядер.
В таком режиме CPU или GPU мог долго работать под повышенной нагрузкой. Это означало рост температуры корпуса и заметное потребление энергии, особенно если нейросеть анализировала изображение, видео или большой массив данных.
Именно отсюда во многом и появилось представление, что ИИ разряжает батарею смартфона практически независимо от того, какая функция используется.
Ситуация изменилась после появления специализированных нейронных ускорителей. Сегодня производители мобильных процессоров предусматривают отдельные блоки, ориентированные именно на операции машинного обучения. В разных платформах их архитектура и названия отличаются, но общий принцип остается одинаковым: специализированный ускоритель выполняет определенные ИИ-вычисления эффективнее универсального CPU.
«Для аккумулятора имеет значение не наличие слова AI в названии функции, а то, какие компоненты смартфона задействованы, насколько долго они работают и приходится ли устройству постоянно обмениваться данными с сервером».
Поэтому распознавание объектов на фотографии, отделение человека от фона или некоторые функции обработки текста не обязательно приводят к заметному падению заряда.
Что такое NPU и зачем он нужен смартфону
NPU можно описать как специализированную часть вычислительной платформы, оптимизированную под операции нейронных сетей. Она не заменяет центральный процессор и графику, а берет на себя подходящие задачи.
NPU в смартфоне используется для самых разных сценариев: обработки фотографий, распознавания речи, анализа изображения с камеры, перевода текста, работы отдельных генеративных функций и других операций машинного обучения.
У такого разделения есть несколько преимуществ:
- CPU освобождается от значительной части специализированных вычислений;
- некоторые ИИ-задачи выполняются с меньшими затратами энергии;
- локальная обработка уменьшает необходимость постоянно отправлять информацию в интернет;
- результат можно получить быстрее, поскольку данные не должны проходить путь до удаленного сервера и обратно;
- часть функций продолжает работать без мобильного интернета и Wi-Fi.
Однако NPU не превращает любое ИИ-вычисление в практически бесплатную операцию. Если модель крупная, работает долго или одновременно использует память, процессор, графику и другие компоненты, дополнительный расход энергии остается.
| Сценарий | Где идет основная работа | Что может расходовать заряд |
|---|---|---|
| Распознавание объектов на фото | На устройстве | NPU, память |
| Расшифровка речи | На устройстве или в облаке | NPU, CPU, микрофон, связь |
| Облачный чат-бот | На сервере | Экран, 5G/Wi-Fi, модем |
| Генерация изображения | Локально или в облаке | NPU/GPU либо сетевой модем |
| Индексация галереи | На устройстве | NPU, CPU, память |
| Анализ большого видео | Зависит от функции | NPU, GPU, CPU, накопитель |
Именно поэтому сравнивать все функции искусственного интеллекта только по одному параметру нельзя.
Почему облачный ИИ способен быстрее расходовать заряд
Один из самых заметных источников энергопотребления связан не с вычислением нейросети, а с передачей данных. Многие сложные функции работают по облачной схеме: смартфон отправляет запрос на сервер, там выполняется обработка, после чего устройство получает готовый результат.
Так работают многие чат-боты, генераторы контента и сервисы обработки больших объемов информации. В этой ситуации основная нейросеть вообще может не запускаться на телефоне.
Зато активно работает 5G-модем смартфона или Wi-Fi. Радиомодулю необходимо установить и поддерживать соединение, передать данные и получить ответ. Если сигнал мобильной сети слабый, энергозатраты могут дополнительно увеличиваться, поскольку устройство пытается сохранить стабильную связь с базовой станцией.
Особенно заметен эффект при серии коротких запросов. Модем не успевает надолго перейти в экономичный режим. Экран при этом также остается включенным, что добавляет еще одного потребителя энергии.
Получается парадоксальная ситуация: пользователь общается с нейросетью и замечает ускоренную разрядку, хотя большая часть вычислений выполняется далеко за пределами смартфона.
«В облачном сценарии расход батареи часто связан прежде всего с передачей данных, дисплеем и продолжительностью сеанса, а не непосредственно с вычислениями ИИ на телефоне».
Поэтому час работы с генеративным сервисом через нестабильную мобильную сеть и несколько секунд локального распознавания объекта на фотографии нельзя считать одинаковой нагрузкой.
Как фоновые ИИ-процессы влияют на автономность
Есть и противоположный сценарий, когда интернет практически не задействован, однако телефон все равно теряет заряд. Причиной может стать фоновая обработка данных.
Современная фотогалерея способна искать снимки по содержанию. Пользователь вводит запрос вроде «собака на пляже», «машина зимой» или «документы», а смартфон предлагает подходящие фотографии. Чтобы такая функция работала быстро, системе сначала необходимо проанализировать изображения и создать для них внутренний индекс.
Если за короткое время в память попало большое количество новых фотографий или видео, обработка может продолжаться после того, как камера уже закрыта. Аналогичные процессы возможны после обновления операционной системы, восстановления резервной копии или переноса данных на новый телефон.
Последовательность обычно выглядит примерно так:
- В памяти появляются новые файлы или после обновления требуется пересоздать часть индекса.
- Система начинает анализировать фотографии, текст, объекты или другие данные.
- NPU, CPU и накопитель периодически выходят из энергосберегающего состояния.
- Смартфон дольше остается активным в фоне.
- Пользователь видит небольшой нагрев или более быстрое снижение процента батареи.
В таком случае виновата не одна конкретная ИИ-функция, а длительность фоновой работы.
Именно поэтому ускоренная разрядка сразу после большого обновления не обязательно сохранится в дальнейшем. Системе может потребоваться завершить оптимизацию приложений, индексирование файлов и другие служебные задачи.
Какие ИИ-функции сильнее влияют на аккумулятор
Разница между сценариями может быть очень большой. Короткое распознавание лица на снимке несопоставимо по нагрузке с генерацией контента, постоянной работой камеры или продолжительным общением с облачным ассистентом.
На расход заряда сильнее всего влияют сочетания нескольких факторов:
- продолжительная работа генеративной модели непосредственно на устройстве;
- постоянные запросы к облачным сервисам через мобильную сеть;
- использование ИИ одновременно с камерой и обработкой видео;
- слабое покрытие 4G или 5G во время передачи большого количества данных;
- массовая индексация фото после переноса или обновления системы;
- длительная работа яркого дисплея во время использования чат-бота;
- повышенная температура смартфона при большой вычислительной нагрузке.
Поэтому вопрос почему ИИ разряжает телефон правильнее рассматривать в контексте конкретного приложения или функции.
Открытый несколько раз в день инструмент для удаления объектов с фотографий вряд ли станет главным источником расхода. Но постоянный облачный ассистент, десятки генераций изображений или длительная обработка видео способны заметно уменьшить время работы от одного заряда.
Может ли искусственный интеллект экономить батарею
ИИ используется не только для обработки фотографий и генерации текста. Алгоритмы машинного обучения могут участвовать и в управлении энергопотреблением самого устройства.
Система способна анализировать, какие приложения используются чаще, а какие запускаются редко. На основе этого операционная система ограничивает некоторые фоновые процессы и перераспределяет ресурсы.
Еще одно направление связано с зарядкой аккумулятора. Смартфон может изучать привычный график подключения к зарядному устройству и регулировать процесс так, чтобы батарея не проводила лишнее время при максимальном уровне заряда.
Адаптивная зарядка смартфона в данном случае показывает обратную сторону машинного обучения: алгоритм используется не для создания новой нагрузки, а для управления аккумулятором и его эксплуатацией.
«ИИ может одновременно создавать дополнительную вычислительную нагрузку и помогать системе экономить энергию. Итоговый эффект зависит от конкретного сценария и того, насколько хорошо программное обеспечение использует аппаратные ресурсы».
Таким образом, отключение всех функций, в описании которых встречается AI, не гарантирует заметного роста автономности.
Что делать, если после обновления смартфон стал быстрее разряжаться
Первым делом стоит посмотреть статистику расхода аккумулятора в системных настройках. iOS и Android показывают приложения, которые использовали больше всего энергии за выбранный период.
Если наверху списка находится конкретный генеративный сервис, причина может быть очевидной. Но повышенный расход также способны создавать социальные сети, видеосервисы, навигация, игры, камера, плохой мобильный сигнал и постоянная фоновая синхронизация.
Имеет смысл проверить несколько параметров:
- какие приложения потребляют больше всего энергии;
- как долго они работают в фоне;
- не совпало ли ухудшение автономности с крупным обновлением системы;
- не загружалось ли недавно большое количество фото и видео;
- насколько стабилен сигнал мобильной сети;
- не работает ли постоянно функция, которой раньше на телефоне не было.
Не стоит оценивать автономность только по первым часам после установки обновления. Смартфон в этот период может выполнять множество служебных операций. Более показательной становится работа устройства после завершения фоновой обработки.
При устойчивом повышенном расходе уже можно последовательно ограничивать отдельные функции и сравнивать результат. Такой подход позволяет определить реального потребителя энергии вместо полного отключения всех возможностей искусственного интеллекта.
Что в итоге происходит с батареей
Искусственный интеллект в смартфоне действительно потребляет энергию, поскольку любое вычисление требует ресурсов. Но утверждение, что современные нейросети постоянно и сами по себе быстро разряжают аккумулятор, слишком упрощает ситуацию.
Локальные короткие операции могут эффективно выполняться специализированным NPU, тогда как облачные функции дополнительно нагружают мобильную связь и экран. После обновлений к этому добавляются индексация фотографий, оптимизация программ и другие фоновые задачи.
Поэтому при неожиданном снижении автономности стоит искать не абстрактный «ИИ», а конкретный процесс: локальные вычисления, передачу данных, работу приложения в фоне, слабый сигнал сети или длительное использование дисплея. Именно сочетание этих факторов чаще определяет, насколько быстро смартфон потребует зарядку.
Ранее мы сообщали, что Apple планирует заменить часть старых программ финансирования новой моделью Apple Upgrade: техника будет оформляться в аренду с возможностью выкупа или перехода на новую модель.