Meer en meer apparaten gebruiken gespecialiseerde chips voor kunstmatige intelligentie. Zo heeft de Google Pixel 6 een AI-chip en is de iPhone al jaren voorzien van een Neural Engine. Wat is er zo speciaal aan deze chips en welke taken kunnen ze versnellen?

Standaardprocessors zijn ontworpen om zo snel mogelijk instructies na elkaar uit te voeren. Die race naar steeds snellere kloksnelheden heeft al een tijdje moeten plaatsmaken voor parallellisatie: hierbij voeren meerdere processorkernen op hetzelfde moment instructies uit. Maar de meeste software maakt daarvan geen efficiënt gebruik. Je tekstverwerker haalt niet zoveel voordeel uit acht gelijktijdig werkende processorkernen.

Deep learning

Maar er zijn heel wat gespecialiseerde toepassingen die wel profiteren van verregaande parallellisatie. Vooral in AI (kunstmatige intelligentie) en dan in het bijzonder deep learning, een vorm van neurale netwerken. Deze algoritmen profiteren ervan om dezelfde instructies op grote hoeveelheden verschillende data tegelijk uit te voeren. Dat vereist een heel ander soort processor.

Neurale netwerken bootsen de werking van de hersenen na, die een biologisch neuraal netwerk vormen: een kluwen van ontzettend veel verbindingen tussen neuronen (hersencellen). Een kunstmatig neuraal netwerk bestaat meestal uit meerdere lagen: een invoerlaag van neuronen die de invoer van een probleem voorstellen (bijvoorbeeld een foto), een uitvoerlaag van neuronen die de oplossing van het probleem voorstellen (bijvoorbeeld de naam van de persoon op de foto), en een of meer tussenliggende lagen die berekeningen uitvoeren. Bij een groot aantal lagen tussen en uitvoer spreken we van deep learning.

©PXimport

Tensors

De data in deep learning worden opgeslagen in de vorm van tensors. Een tensor is een veralgemening van een vector of matrix naar meerdere dimensies. We kunnen een tensor beschrijven aan de hand van drie primaire eigenschappen: de rang, de vorm en het datatype. De rang van een tensor is het aantal assen. Zo is de rang van een matrix 2, van een vector 1 en van een getal 0.

De vorm van een tensor is het aantal elementen volgens elke as van de tensor. Stel dat je een tensor van rang 2 aanmaakt met op de eerste rij de getallen 1 en 2, op de tweede rij de getallen 3 en 4, en op de derde rij de getallen 5 en 6. Dan is de vorm van deze tensor de vector (en dus ook een tensor, namelijk van rang 1) [3, 2]. De tensor heeft namelijk drie rijen van 2 elementen.

Het datatype van een tensor beschrijft welke getallen de tensor bevat. Dat kan bijvoorbeeld float32 zijn (kommagetallen van 32 bit), of int8 (gehele getallen van 8 bit).

©PXimport

Machine learning met tensors

Voor elke taak waarvoor je een neuraal netwerk wilt trainen, moet je dus de data omzetten in tensors. Een afbeelding waarin je objecten wilt herkennen, zet je dan om in een tensor van rang 3: de vorm is dan [hoogte, breedte, kanalen], waarbij kanalen voor de kleurkanalen zoals rood, groen en blauw staat.

Vaak verwerken algoritmen in machine learning maar een deel van de data tegelijk. In ons voorbeeld van objectherkenning worden dan meerdere afbeeldingen in een batch onderverdeeld. We werken dan met een tensor van rang 4 met als vorm [samples, hoogte, breedte, kanalen]: de eerste as bevat het aantal samples in een batch.

Deep learning met GPU’s

Toen deep learning rond 2010 na jarenlange ontwikkeling eindelijk doorbrak, was dat vooral door de opkomst van snelle GPU’s (graphical processing units). Onderzoekers ontdekten dat de chips die in grafische kaarten zitten om sneller beelden te renderen, ook uitstekend uitgerust waren voor deep learning, in het bijzonder bij volledig verbonden neurale netwerken.

Computerwetenschapper Andrew Ng bepaalde dat deep learning-systemen met een factor 100 versneld konden worden door gebruik van GPU’s. Niet langer had men weken nodig om algoritmen voor handschriftherkenning of objectdetectie te trainen, maar slechts dagen.

Een GPU bestaat dan ook gemakkelijk uit duizenden processorkernen. Bovendien maakt een GPU gebruik van het SIMD-paradigma (zie kader ‘SIMD’): dezelfde bewerking wordt op duizenden stukjes data tegelijk uitgevoerd. Dat is ideaal voor deep learning, wat een heleboel tensorbewerkingen nodig heeft op grote hoeveelheden data.

Grafische kaart voor AI

In het begin werden voor AI-taken gewoon grafische kaarten voor consumenten gebruikt. Ondertussen produceert Nvidia ook GPU’s, ontwikkelbordjes en volledige servers die specifiek zijn ontworpen voor deep learning. Dat alles doet het bedrijf onder de naam Jetson. De prijzen van de Jetson Developer Kits beginnen bij 75 euro.

De prestaties van deze GPU’s variëren van 472 gigaflops (472 miljard floating-point-bewerkingen per seconde) op de 128-core Nvidia Maxwell-GPU in de Jetson Nano tot 200 tops (200 biljoen bewerkingen per seconde) op de 2048-core Nvidia Ampere-GPU met 64 tensor-cores (te vergelijken met de tensor processing units van Google, zie verder) in de later dit jaar verwachte Jetson AGX Orin. Wat al deze GPU’s gemeen hebben, is dat ze met Nvidia’s toolkit CUDA (Compute Unified Device Architecture) te programmeren zijn.

©PXimport

SIMD

Computerwetenschapper Michael J. Flynn stelde in 1966 een invloedrijke classificatie op van computerarchitecturen volgens hun parallellisme. Deze werkt op basis van twee parameters: het aantal instructies dat tegelijk wordt uitgevoerd en het aantal datastromen dat tegelijk wordt verwerkt.

Een computer zonder parallellisme, zoals de pc vóór de komst van multicore-processors, valt onder single instruction, single data (SISD). Een GPU die dezelfde instructie op meerdere data tegelijk uitvoert, valt onder single instruction, multiple data (SIMD). Maar ook moderne processors ondersteunen gedeeltelijk SIMD-instructies, zoals Advanced Vector Extensions (AVX) op Intel- en AMD-processors, de Neon-extensie op ARM-processors en AltiVec op PowerPC.

Multiple instruction, single data is nogal ongewoon. De boordcomputer van de Space Shuttle gebruikt deze aanpak voor foutentolerantie. Multiple instruction, multiple data is de architectuur voor alle vormen van gedistribueerde systemen.

Overigens zijn moderne GPU’s geen perfecte implementatie van SIMD meer, maar eerder van single instruction, multiple threads (SIMT): je voert meerdere threads uit die elk SIMD toepassen.

Tensor processing unit

Hoewel GPU’s al een hele prestatiewinst bieden ten opzichte van CPU’s voor deep learning, kunnen de prestaties nog met zeker een factor 10 verbeteren door application-specific integrated circuits (ASIC) te gebruiken. Die chips hoeven immers geen rekening te houden met de GPU-architectuur en zijn speciaal ontworpen voor berekeningen met lagere precisie. Door berekeningen bij benadering uit te voeren, in plaats van exact tot op zoveel cijfers na de komma, gaan ze veel sneller. Die precisie is immers in veel toepassingen met neurale netwerken niet nodig.

Google ontwikkelde in 2015 zijn tensor processing unit (TPU), een ASIC voor machine learning. De TPU’s zijn ontworpen om met een laag verbruik zoveel mogelijk berekeningen uit te voeren met een lage precisie (doorgaans 8 bit). Specifiek voor convolutional neural networks zijn TPU’s heel geschikt.

TPU’s in de cloud

Het bedrijf zette de TPU’s eerst in zijn eigen datacenters in, en dat blijft het ook nu nog doen. Zo verwerken TPU’s foto’s van Google Photos, tekst van Google Street View en worden de chips ook gebruikt in het zoekalgoritme RankBrain. Google Translate, Google Assistant, Gmail, al deze diensten draaien op TPU’s.

Sinds 2018 biedt Google zijn TPU’s ook aan als onderdeel van het Google Cloud Platform. De dienst heet Cloud TPU. Zo heeft de tweede generatie van de Cloud TPU een snelheid van 45 teraflops. Daarvan worden vier chips op één module geplaatst, met een totale snelheid van 180 teraflops. Google assembleert 64 van die modules tot een ‘pod’ van 256 Cloud TPU-chips met een totale snelheid van 11,5 petaflops.

©PXimport

TPU’s lokaal

In 2019 kwam Google met een nieuwe productlijn TPU’s, de Edge TPU. In tegenstelling tot de Cloud TPU’s zijn deze bedoeld voor edge computing: berekeningen op lokale apparaten. De Edge TPU is in staat om vier biljoen bewerkingen per seconde uit te voeren met een vermogensverbruik van slechts 2 W.

Google biedt zijn Edge TPU-producten aan onder de merknaam Coral. Tot de beschikbare producten behoren ontwikkelbordjes van allerlei afmetingen, M.2-insteekkaartjes en de USB Accelerator die je eenvoudig via usb op je laptop of Raspberry Pi aansluit. De Edge TPU wordt ook aan andere fabrikanten gelicentieerd. Zo biedt Asus zijn ontwikkelbordje Tinker Edge T aan, evenals een PCIe-kaart waarin 8 of 16 Edge TPU-chips zijn geïntegreerd.

De Edge TPU programmeer je met TensorFlow Lite, een lichtgewicht framework voor deep learning. Aangezien de chip alleen 8bit-bewerkingen ondersteunt, moet het neurale netwerk getraind worden zodat het hiermee rekening houdt, of je kwantiseert een netwerk tot 8 bit.

Verder zijn de bewerkingen die de Edge TPU ondersteunt ook beperkt, waardoor de chip voornamelijk nuttig is voor inference, en niet voor het trainen van netwerken. Een voorbeeld van inference is het detecteren van objecten in foto’s. De training van het neurale netwerk dat je daarvoor gebruikt, moet op een ander platform gebeuren.

©PXimport

TPU in je broekzak

In 2019 bracht Google zijn telefoon Pixel 4 uit met een Neural Core. Deze chip was een aangepaste versie van de Edge TPU en hielp met het ontgrendelen via je gezicht, een snellere Google Assistant en een slimmere camera.

In de Pixel 5 verdween de Neural Core vreemd genoeg, maar in de Pixel 6 maakte de Edge TPU een comeback, deze keer ingebouwd in een nieuwe SoC, de Google Tensor. Deze bevat zowel een CPU als een GPU, TPU en nog andere versnellerhardware.

De TPU verbetert de automatische spraakherkenning van Google Assistant en helpt ook het automatische ondertitelingssysteem Live Caption zonder de batterij snel leeg te trekken. En met het neuraal netwerk HDRnet verbetert de TPU beelden met een breed bereik aan helderheden. Door de TPU voor deze taken te gebruiken, hoeft de Pixel 6 minder vaak verbinding te leggen met de Cloud TPU’s van Google zelf. Dat komt de batterijduur ten goede.

Telefoons met AI

Google is niet de enige die gespecialiseerde AI-chips in zijn telefoons steekt. In 2018 introduceerde Samsung zijn Exynos 9820 met een neural processing unit (NPU). De AI-versnellerchip zit onder andere in de Samsung Galaxy S10.

Ook Qualcomm heeft in zijn recente Snapdragon-SoC’s een zogeheten AI Engine ingebouwd. De module die MediaTek in zijn SoC’s heeft ingebouwd, heet een artificial intelligence processing unit (APU). AI is tegenwoordig al zo ingeburgerd in telefoons dat elke serieuze SoC-fabrikant dit inbouwt.

©PXimport

Apple Neural Engine

Ook Apple heeft AI-versnellerhardware. Die dook voor het eerst op in de A11 Bionic-SoC die Apple ontwierp voor de iPhone 8, iPhone 8 Plus en iPhone X van september 2017. Apple noemt deze hardware een Neural Engine. In de A11 bestond die uit twee cores die tot 600 miljard bewerkingen per seconde konden uitvoeren. De versneller werd gebruikt voor Face ID, Animoji en andere taken waarbij intelligentie nodig is.

In de A12 (onder andere gebruikt in de iPhone XR) voerde Apple het aantal cores in de Neural Engine op naar acht, met een snelheid van 5 biljoen bewerkingen per seconde. Niet alleen was dat negen keer sneller, maar de nieuwe versie verbruikte ook tien keer minder vermogen. In de A13 (van de iPhone 11) bleef het aantal kernen op 8 steken. Het resultaat was 20% sneller (6 biljoen bewerkingen per seconde) en 15% zuiniger.

Sneller en ook voor derden

In de A14 (van de iPhone 12) werd het aantal cores van de Neural Engine verdubbeld tot 16, met een snelheid tot 11 biljoen bewerkingen per seconde. In de Apple M1, de eerste door Apple zelf ontworpen ARM-SoC voor Macs, zat zo goed als dezelfde versie van de Neural Engine. In de Apple A15 (van de iPhone 13) werd de snelheid van de 16-core Neural Engine opgevoerd tot 15,8 biljoen bewerkingen per seconde.

Oorspronkelijk was de kracht van de Neural Engine alleen beschikbaar voor apps van Apple zelf. Maar ondertussen kunnen ook third-party app-ontwikkelaars ervan gebruikmaken via het framework Core ML dat Apple aanbiedt voor machine learning. App-ontwikkelaars die zware analysetaken uitvoeren, doen er goed aan om dat via Core ML te doen. Door deze taken op de Neural Engine uit te voeren, werken ze immers energie-efficiënter en blijft de batterij van de iPhone langer meegaan.

©PXimport

Black box

Het is belangrijk om te weten dat een TPU, NPU, Neural Engine of hoe het ook heet altijd is geoptimaliseerd voor een specifiek type bewerkingen. Een neuraal netwerk bestaat altijd uit verschillende lagen en die kunnen van verschillende types zijn. Niet elke AI-versnellerchip ondersteunt alle types. Ook de ondersteunde datatypes hangen af van de hardware: alleen gehele getallen of ook kommagetallen, en 8, 16 of 32 bit?

De bijbehorende ontwikkeltools moeten je normaliter helpen om een neuraal netwerk aan te passen op de versnellerhardware. Maar de Neural Engine en Core ML van Apple zijn een black box. Apple geeft third-party ontwikkelaars geen richtlijnen over hoe ze hun modellen kunnen optimaliseren om in Core ML gebruik te maken van de Neural Engine. Er is zelfs geen documentatie over welke types lagen ondersteund worden door de Neural Engine. Matthijs Hollemans heeft door te experimenteren wel wat bevindingen over de Neural Engine kunnen publiceren.

TensorFlow-modellen 

Bij de Edge TPU ziet het plaatje er al heel wat inzichtelijker uit. Google heeft uitgebreide documentatie over de compatibiliteit van TensorFlow-modellen op de Edge TPU. Allereerst is er de beperking dat de Edge TPU alleen feed-forward neurale netwerken kan uitvoeren. Hierbij vormen de verbindingen tussen neuronen geen cyclus, maar vloeit de informatie maar in één richting. Dit in tegenstelling tot de recurrent neural networks, waarvoor CPU’s overigens nog altijd goed geschikt zijn. De tweede beperking is dat de Edge TPU alleen TensorFlow Lite-modellen met 8bit-voorstellingen van data kan uitvoeren.

Je traint een model nooit rechtstreeks met TensorFlow Lite. Je traint eerst een TensorFlow-model, dat werkt met floating-point getallen van 32 bit. Dit zet je dan met de TensorFlow Lite Converter om naar een TensorFlow Lite-model met 8bit-getallen en compileer je tot een .tflite-bestand dat je op de Edge TPU kunt uitvoeren.

©PXimport

Deels op de CPU

Zelfs als je een model voor de Edge TPU hebt gemaakt dat intern gekwantiseerd is tot 8bit-getallen, zijn de invoertensors mogelijk nog 32bit-kommagetallen. De Edge TPU-compiler heeft dan een kwantisatiebewerking in het begin van je model toegevoegd. Ook aan het einde van je model komt dan een bewerking die de 8bit-uitvoer weer omzet naar 32 bit. Beide bewerkingen worden op de CPU uitgevoerd. Dat hoeft niet zo’n probleem te zijn en levert doorgaans maar een kleine vertraging op.

Als de Edge TPU Compiler een niet-ondersteunde bewerking tegenkomt, compileert hij de bewerkingen vóór die bewerking voor de Edge TPU. Alle bewerkingen daarna worden dan op de CPU uitgevoerd. De compiler vertelt je ook hoeveel bewerkingen hij op de Edge TPU kan uitvoeren en voor hoeveel hij de CPU nodig heeft. Zelfs als maar een kleine fractie van de bewerkingen op de CPU wordt uitgevoerd, kan dat een grote impact op de prestaties hebben. Je moet er altijd naar streven om 100% van het model op de Edge TPU te kunnen draaien.

Coprocessors

Het idee van een AI-versneller, al dan niet ingebouwd in een SoC, is niet zo nieuw. Al in de jaren 1980 werden processors uitgerust met zogenoemde coprocessors om specifieke taken sneller uit te voeren. Zo hadden Intels eerste x86-CPU’s bijbehorende x87-FPU’s (floating-point units): de 8086 kreeg hulp van de 8087 voor berekeningen met kommagetallen, de 80286 van de 80287 en de 80386 van de 80387. De 80486 was de eerste in de reeks met een ingebouwde FPU.

©PXimport

De Panasonic TV-55Z90BE6 is een premium OLED-tv, net onder het topmodel. Hij mikt op uitmuntende beeldkwaliteit en zal heel wat kijkers aantrekken, ongeacht wat hun favoriete kijkvoer is. Maar de concurrentie is zwaar en we vragen ons af of de tv iets extra te bieden heeft.

9

Fantastisch

Samenvatting

De Panasonic Z90B levert prachtige beelden dankzij het heldere Master OLED Pro-paneel en uitstekende kalibratie. De tv ondersteunt alle HDR-formaten en is met snelle HDMI 2.1-poorten ideaal voor gamers. Het geluid is prima en de draaivoet handig. Minpunten zijn het gebrek aan DTS en ontbrekende Belgische apps op Fire TV.

Plus- en minpunten

• Zeer goede piekhelderheid
• OLED-contrast en zeer goed schaduwdetail
• Goede kalibratie af fabrikant
• Goede bewegingsscherpte

• Gebrek aan lokale smart tv-apps voor België
• Geen ondersteuning voor DTS
• Hoge adviesprijs

Panasonic heeft nooit voor opvallende designs gekozen en dat is dit keer niet anders. Het zwarte toestel combineert een slank scherm met een relatief grote behuizing voor de elektronica en aansluitingen achteraan. De afwerking is piekfijn in orde. In tegenstelling tot veel concurrenten staat de Z90B op een draaivoet, een detail dat voor velen handig kan zijn. Opvallend is dat de Z90B voorwaarts gerichte luidsprekers heeft die in een balk onderaan het scherm zitten. Het toestel staat nauwelijks 2cm boven het meubel, maar wie een soundbar wil gebruiken kan die toch voor de tv zetten als de luidsprekerbalk in dat geval toch niet wordt gebruikt.

De aansluitingen staan allemaal zijwaarts of naar onder gericht zodat ze wandmontage niet bemoeilijken. De vier HDMI-poorten zijn onderverdeeld in twee HDMI 2.0-poorten en twee HDMI 2.1-poorten. Die laatste twee leveren 48Gbps bandbreedte en ondersteunen alle belangrijke gamerfuncties, ALLM, HDMI VRR, AMD FreeSync en NVIDIA G-Sync en kunnen gebruikt worden voor gaming in 4K120 (consoles) of 4K144 (pc). Gamers genieten van een lage input-lag, 6,0ms in 2K120 en 10,5ms in 4K60. Verder vinden we drie usb-poorten, ethernet, WiFi 5, Bluetooth, een optische digitale audio-uitgang en hoofdtelefoonaansluiting. Die laatste is via het menu om te schakelen naar een subwoofer-uitgang. Voor live tv is er een dubbele tuner (DVB-T2/C/S2) met een CI+-slot. 

Referentie kalibratie en goede piekhelderheid

De Z90B is verder voorzien van een Master OLED Pro paneel, dat is hetzelfde of een gelijkwaardig paneel die we ook op de Philips OLED810 of LG C5 aantreft. Het paneel in ons testexemplaar toonde een bijzonder goede uniformiteit in heldere en donkere beelden, er is geen spoor van verticale strepen. De kijkhoek is zeer goed, zoals bij alle OLED-tv’s, en de anti-reflectielaag is degelijk, al blijft het van belang om sterke reflecties in het scherm te vermijden. Het toestel pakt uit met een bijzonder goede piekhelderheid. In HDR10 Filmmaker mode meten we 1316 nits op het 10%-venster, en 220 nits op het volledig wit scherm.

Lees ook: Zo testen we televisies voor ID.nl

Wat HDR-piekhelderheid betreft steekt de Z90B daarmee zelfs de LG C5 voorbij, al is het verschil klein. In SDR liggen de resultaten dichter bij elkaar, maar neem de LG C5 de leiding op het volledig wit veld waar hij 265 nits haalt, terwijl de Z90B op 202 nits zit. Voor SDR zal de C5 daardoor iets helderder lijken. Het kleurbereik van 98,3% P3 is wat we ondertussen al even gewend zijn van OLED-tv’s. Dat is zeer goed, en met die specificaties staat de Z90B uitstekend in de startblokken voor top HDR-beelden.

Veel hangt ook af van de kalibratie, en op dat vlak kunnen we de Z90B echt niets verwijten. We gebruiken graag Filmmaker Mode, in SDR is die erg donker ingesteld. Zet de Verlichtingssterkte op 70, en laat de lichtsensor aan en je bent klaar. De fouten die we meten zijn zo klein dat ze op een referentiemonitor niet zouden misstaan. Reken dan ook op mooie natuurlijke beelden, met veel kleurexpressie en goede schaduwdetails. Ook voor HDR10 is de Filmmaker Mode de beste keuze. De tv levert bijzonder goed schaduwdetail, zelfs in onze moeilijkste testscène, de strandscène uit House of Dragons.

Heb je iets meer detail nodig dan kan dat nog steeds door de ‘Dark Visibility’ instelling te gebruiken. Kleurweergave is erg goed, en heldere nuances blijven uitstekend bewaard. Enkel in de helderste tinten verliezen ze wat kleurintensiteit, dat is typisch voor W-OLED. De Z90B ondersteunt bovendien HDR10+ Adaptive en Dolby Vision IQ Precision Detail, voor de beste HDR-beeldkwaliteit. 

Beeldverwerking

De HCX Pro AI MkII processor die Panasonic ook in vorige modellen gebruikte levert bijzonder mooie prestaties. Deinterlacing van live tv (1080i) beeld en ruisonderdrukking scoren goed. Al dient gezegd dat Panasonic erg voorzichtig is met beeldverwerking. De ‘Min’ instelling is voor de meeste beeldverwerking een veilige keuze. Bevat de bron duidelijk ruis, dan zal dat vermoedelijk wat te voorzichtig zijn, de ‘Med’ instelling (voor ruisonderdrukking) levert dan betere resultaten. Upscaling zorgt voor mooie, scherpe beelden en met Resolutie Remasteren kan je zelfs wat extra accent leggen. Dat laat je echter best uitstaan bij erg oud (dvd-) beeldmateriaal, de processor accentueert immers ook ruis op dat soort bronnen.

In HDR was de processor erg goed in het vermijden van kleurstroken in zachte kleurovergangen. In SDR zien we nog wat ruimte voor verbetering op dat vlak. Zet ‘Vloeiende schakering’ op ‘Min’, eventueel kan je voor heel zware gevallen naar ‘Med’ schakelen. De processor vermijdt relatief goed dat er te veel detail verloren gaat. De bewegingsscherpte is uitstekend, en met Intelligent Frame Creation kan je de sportbeelden mooi vloeiend maken, of het schokken van het 24fps camerabewegingen in film wegwerken. 

Audiokwaliteit

De Z90B is uitgerust met een redelijk krachtige 2.1-audioconfiguratie van 60W. De stereoluidsprekers staan bovendien voorwaarts gericht, altijd een goed punt voor de audiokwaliteit. Hij ondersteunt Dolby Atmos, maar geen DTS. Voor wie de tv-luidsprekers gebruikt is dat geen belangrijk minpunt. Wie echter een soundbar of andere audio-oplossing gebruikt, moet weten dat de tv geen DTS-signalen doorgeeft via eARC/ARC. Sluit je bron in dat geval dan rechtstreeks aan op de soundbar. Onze filmfragmenten klonken vrij goed, met prima stereoscheiding en een vleugje surround. De woofermodule zorgt voor voldoende bas. De muziekpreset blies onze muziektesten wat extra leven in. De tv kan voldoende volume leveren, maar boven een bepaald niveau hoor je wel wat vervorming. 

Fire TV

Fire TV, het smart tv-systeem van Amazon, vervangt sinds vorig jaar het in huis ontwikkelde My Home Screen. De layout loopt gelijk met die andere smart tv-systemen. Op het Home-scherm neemt een content-caroussel de bovenste helft van het scherm in. Fire TV toont daar op dit moment enkel content-aanbevelingen, geen ongerelateerde reclame. We hopen dat dit zo blijft. Centraal in beeld vind je snelkoppelingen naar het ingelogde profiel, ingangen, bookmarks en de zoekfunctie. Daarnaast is er ruimte voor zes pictogrammen van favoriete apps. Heb je er meer, dan moet je even doorklikken. Verder naar onder zijn er talrijke rijen met aanbevelingen uit verschillende streamingdiensten al krijgt Prime Video duidelijk meer aandacht. De app-store bevat alle belangrijke internationale streamingdiensten, en ook Nederlandse lokale apps zijn vrij goed vertegenwoordigd. Belgische kijkers vinden helaas geen enkele lokale app, een onbegrijpelijk minpunt in 2025. Lees het artikel over Fire TV voor alle details.

De overstap naar Fire TV heeft Panasonic niet aangezet om voor een modernere afstandsbediening te kiezen. De grote afstandsbediening met afgeronde vorm ligt goed in de hand, en de aangename toetsen hebben een lichte aanslag met goede feedback. We zijn ook erg tevreden over de “My App”-toets die je zelf kunt toewijzen aan een app naar keuze, en de “Picture”-toets waarmee je snel van beeldmode verandert. Het ontwerp heeft echter ook nadelen. Door de afmetingen kan je niet alle toetsen bereiken zonder je hand te verplaatsen. En de veelheid aan toetsen is toch wat verouderd. Een compactere versie, met minder toetsen en een oplaadbare batterij zou beter scoren.

Conclusie

Dat de Panasonic TV-55Z90BE6 uitstekende beeldkwaliteit levert, daar mag je van op aan. Wat jammer dan dat de prijs zo hoog is, dat kost hem een half punt. Als we even vergelijken met concurrenten, dan is de Z90B zonder meer de duurste terwijl hij geen exclusieve features biedt. Minpunten zijn er vooral voor Belgische kijkers die geen enkele lokale app op Fire TV vinden. Het gebrek aan DTS-ondersteuning, daar tillen we minder zwaar aan. Deze tv levert prachtige beelden, zowel in SDR als HDR en hij ondersteunt dan ook nog eens alle belangrijke HDR-formaten. De audio-oplossing levert goede geluidskwaliteit en zorgt samen met de knappe beelden voor een hele mooie filmbeleving. Fire TV heeft alle internationale streaming-apps in huis. Gamers zullen deze televisie ook waarderen want ook voor hen heeft hij alle belangrijke features.

De Motorola Edge 70 volgt de recente trend van dunne, lichte smartphones, maar dan met een zachter prijskaartje van net geen 800 euro. Hoewel het geen directe concurrent is van vlaggenschepen als de S25 Edge, bewijst de Edge 70 dat een uniek premium ontwerp niet de hoofdprijs hoeft te kosten.

Met een dikte van nét iets minder dan 6 millimeter en een gewicht van slechts 159 gram is de Edge 70 een van de lichtste en slankste telefoons op de markt. Desondanks voelt het toestel niet goedkoop aan, en dat is te danken aan een stevig aluminium chassis en een op nylon geïnspireerde bekleding. De Edge 70 biedt bovendien uitstekende duurzaamheid: hij heeft een MIL-STD-810H-certificering (MIL staat voor military grade), IP68- en IP69-ratings én is voorzien van Gorilla Glass 7i.

Het 6,7-inch amoledscherm heeft een resolutie van 2712 bij 1220 pixels en een adaptieve verversingssnelheid van 1 tot 120 Hz. Het vlakke oledpaneel biedt daarnaast een hoog contrast. Vooral de levendige, licht verzadigde kleuren, mogelijk gemaakt door de Pantone-nabewerking, vallen positief op. Het enige nadeel aan het display is de laag geplaatste vingerafdrukscanner; om die te gebruiken moet je je duim in een oncomfortabele positie buigen.

©Wesley Akkerman

Uitstekende middenklasser

De Edge 70 wordt aangedreven door de middenklasse Qualcomm Snapdragon 7 Gen 4-processor, bijgestaan door 12 GB werkgeheugen en 256 GB aan opslagruimte. Vooral de cpu is op papier minder krachtig dan die van de duurdere vlaggenschepen, maar in de praktijk maakt dat weinig uit. Apps worden snel geopend en multitasking gaat het apparaat goed af. Een groot voordeel is dat de processor niet erg heet wordt onder hoge druk en zijn werk dus zonder morren doet.

Een ander voordeel is dat de 4800mAh-batterij het opvallend lang volhoudt; zelfs bij matig tot zwaar gebruik is dat al snel een volledige dag. Daarmee overtreft hij de duurdere concurrentie van Samsung en Apple. Opladen gaat eveneens vlot, met 68 W bedraad, waardoor je binnen 50 minuten weer een volledig opgeladen batterij hebt. Ook op dit punt scoort Motorola flink wat punten.

©Wesley Akkerman

©Wesley Akkerman

Typisch Motorola

Traditioneel doet Motorola het goed op het gebied van software dankzij de bijna stock Android 16-ervaring. Helaas treffen we deze keer behoorlijk wat bloatware aan en zijn er advertenties zichtbaar in de weerapp; dubieus voor een toestel van 800 euro. Tijdens de installatie word je bovendien meermaals gevraagd om voorgestelde apps te installeren. En als je daar nee op zegt, kom je alsnog applicaties tegen waar je niet om vroeg, zoals TikTok en Perplexity AI.

Wat betreft ondersteuning kan de Motorola Edge 70 rekenen op vier Android-upgrades (tot Android 20) en vijf jaar aan beveiligingspatches. Hoewel dat voldoende is voor een middenklasser, blijft het wel iets achter bij de langere support die Samsung en Google bieden. Daarnaast voelt Moto AI nog aan als een achtergesteld project. De functies werken niet allemaal in het Nederlands, waardoor de AI-knop op het toestel eigenlijk nog maar weinig waarde heeft.

Foto's maken gaat prima

Het camerasysteem bestaat uit een 50MP-hoofdcamera met optische beeldstabilisatie, een 50MP-ultragroothoeklens en een 50MP-selfiecamera. Bij voldoende licht leveren deze camera's prettig ogende foto's met een ruim dynamisch bereik. Vooral in het donker verrast het toestel: dankzij de grote sensoren blijven beelden helder en gedetailleerd. Jammer is wel dat de software kleuren soms te nadrukkelijk verzadigt, waardoor foto's iets minder natuurlijk overkomen. Voor gebruik op sociale media zijn ze echter meer dan prima.

Toch kent het camerasysteem duidelijke beperkingen. Video's kunnen slechts in 4K met 30 fps worden opgenomen, terwijl beeldstabilisatie alleen werkt bij 1080p en 30 fps. Daarnaast kan de handmatige scherpstelling onverwacht invloed hebben op de helderheid. En doordat er geen telelens aanwezig is, ben je volledig aangewezen op digitale zoom. Begrijpelijk gezien de slanke behuizing van de Edge 70, maar alsnog een teleurstellend compromis.

Motorola Edge 70 kopen?

De Motorola Edge 70 is een slimme aankoop als je een slank en licht toestel zoekt voor minder dan 1000 euro. De bouwkwaliteit, het scherm, de lange batterijduur en de robuustheid maken dit een fijne smartphone voor dagelijks gebruik. Ondanks de bloatware en de onvolwassen Moto AI bewijst dit toestel dat je geen duur vlaggenschip nodig hebt voor een vooruitstrevend ontwerp en vlotte prestaties.