**Вступление**
Компания Google официально объявила о переходе Android на использование графического API Vulkan в качестве основного. Это важный шаг для развития экосистемы Android, поскольку Vulkan обеспечивает более высокую производительность и гибкость в работе с графическим процессором (GPU). Изменения направлены на улучшение визуальных эффектов в играх, повышение эффективности работы приложений и упрощение разработки графических решений для мобильных устройств.
**Хэштеги** #Android16 #VulkanAPI #Google #ANGLE #GPU #GameDev #AndroidDevelopment #Skia #WebGPU #OpenGLES #Auracast #LNP #MobileTech #Pixel #AndroidUpdate #VulkanProfiles
**Библиография**
Google Developers. "Vulkan API on Android." Retrieved from https://developer.android.com
Khronos Group. "Vulkan Overview." Retrieved from https://www.khronos.org/vulkan/
Google Blog. "Android 16 Beta 3 Release Notes." Retrieved from https://blog.google/products/android
OpenGL ES on ANGLE. "ANGLE Project Documentation." Retrieved from https://chromium.googlesource.com/angle/

**Vulkan стал официальным API для Android: что это значит?**
Перед конференцией GDC компания Google объявила, что Vulkan теперь является официальным графическим API платформы Android. Это означает, что Vulkan станет рекомендованным уровнем абстракции для GPU (HAL), а такие внутренние компоненты, как HWUI, Skia и WebGPU, будут работать поверх него.
Переход Android на Vulkan: что изменится?
Google ведёт работу по переводу Android на новый унифицированный стек рендеринга, который будет базироваться исключительно на Vulkan. Для игровых разработчиков это открывает новые возможности:
**Повышение производительности GPU** – более эффективная работа графических приложений и игр.
**Продвинутые визуальные эффекты** – например, поддержка трассировки лучей.
**Более предсказуемое поведение API** – разработка под единый API упростит адаптацию игр.
Vulkan впервые появился в Android 7.0 (2016 год), но только недавно Google начала активно продвигать его как основной API. Причина проста – ранее лишь малая часть устройств поддерживала Vulkan, но теперь ситуация изменилась: по данным Google, 85% актуальных Android-устройств способны работать с Vulkan.
Что будет с OpenGL ES?
Поддержка OpenGL ES в будущих версиях Android будет осуществляться через прослойку **ANGLE**, работающую поверх Vulkan. В 2024 году ANGLE станет включённым по умолчанию, а начиная с 2025 года – единственной официально поддерживаемой реализацией OpenGL ES. В Android 16 прослойка ANGLE будет использоваться для отдельных игр и приложений, проверенных Google, а в Android 17 – уже на всех новых устройствах (за исключением программ из чёрного списка, где обнаружены несовместимости).
Требования к устройствам: Vulkan Profiles for Android
Чтобы обеспечить целостную поддержку Vulkan, Google ввела систему **Vulkan Profiles for Android (VPA)** – профили, которые определяют минимальный набор возможностей API для сертификации устройств.
**Android 16** – минимальная поддержка Vulkan 1.3.
**Android 17** – требования будут повышены до Vulkan 1.4.
Если устройство не соответствует профилю, оно не сможет использовать новые версии Android.
Android 16 Beta 3: ключевые нововведения
Одновременно с новостями о Vulkan вышла третья бета-версия Android 16. Среди ключевых изменений:
**Поддержка Auracast (Pixel 9)** – передача звука по Bluetooth в широковещательном режиме (полезно для наушников и слуховых аппаратов).
**Режим повышения контраста текста** – убирает прозрачность под текстом, улучшая читаемость.
**Режим LNP (Local Network Protection)** – теперь приложениям потребуется отдельное разрешение для доступа к локальным сетям (192.168.x.x, 10.x.x.x и т. д.).
Бета-версия доступна для устройств Pixel 6 и новее. Google предлагает разработчикам протестировать новый функционал перед официальным релизом Android 16 во втором квартале 2025 года.
Заключение
Переход на Vulkan как основной графический API – это шаг к унификации графической архитектуры Android. Для пользователей это означает более красивую и стабильную картинку в играх, а для разработчиков – единое, мощное API. А как думаете вы – оправдан ли такой отказ от OpenGL ES?

My community driven @thekhronosgroup GPU hardware databases for #Vulkan, #OpenGL, #OpenGLES and #OpenCL recently hit the 50,000 reports milestone.

Did a small write up on this, including some history on those databases at https://www.saschawillems.de/blog/2024/03/09/gpu-hardware-databases-hit-50000-reports/

Thanks to everyone who contributed (and is contributing) reports 😊

OpenGL Machine Learning runs on Low-End Hardware

If you've looked into GPU-accelerated machine learning projects, you're certainly familiar with NVIDIA's CUDA architecture. It also follows that you've checked the prices online, and know how expensive it can be to get a high-performance video card that supports this particular brand of parallel programming.

But what if you could run machine learning tasks on a GPU using nothing more exotic than OpenGL? That's what [lnstadrum] has been working on for some time now, as it would allow devices as meager as the original Raspberry Pi Zero to run tasks like image classification far faster than they could using their CPU alone. The trick is to break down your computational task into something that can be performed using OpenGL shaders, which are generally meant to push video game graphics.

An example of X2's neural net upscaling.

[lnstadrum] explains that OpenGL releases from the last decade or so actually include so-called compute shaders specifically for running arbitrary code. But unfortunately that's not an option on boards like the Pi Zero, which only meets the OpenGL for Embedded Systems (GLES) 2.0 standard from 2007.

Constructing the neural net in such a way that it would be compatible with these more constrained platforms was much more difficult, but the end result has far more interesting applications to show for it. During tests, both the Raspberry Pi Zero and several older Android smartphones were able to run a pre-trained image classification model at a respectable rate.

This isn't just some thought experiment, [lnstadrum] has released an image processing framework called Beatmup using these concepts that you can play around with right now. The C++ library has Java and Python bindings, and according to the documentation, should run on pretty much anything. Included in the framework is a simple tool called X2 which can perform AI image upscaling on everything from your laptop's integrated video card to the Raspberry Pi; making it a great way to check out this fascinating application of machine learning.

Truth be told, we're a bit behind the ball on this one, as Beatmup made its first public release back in April of this year. It might have flown under the radar until now, but we think there's a lot of potential for this project, and hope to see more of it once word gets out about the impressive results it can wring out of even the lowliest hardware.

[Thanks to Ishan for the tip.]

#softwarehacks #machinelearning #neuralnetwork #opengl #opengles #shader