AI应用成未来热点 高通建立多应用平台 苹果、三星、华为纷纷试水.doc

《AI应用成未来热点 高通建立多应用平台 苹果、三星、华为纷纷试水.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、AI应用成未来热点高通建立多应用平台苹果、三星、华为纷纷试水　　在5G商用前夕，AI功能将成为未来的手机最佳设计，高通计划成为各应用平台首选，与很多伙伴等建立了合作，可以预知的是未来AI的应用将呈现爆炸式增长。AI给“创新乏力”的手机市场注入了一股新鲜的血液。　　2017年科技行业的焦点非人工智能（AI）莫属，无论科技巨擘、互联网巨头还是投资商、终端厂商几乎所有的公司都纷纷投身于人工智能领域，似乎宣告人工智能的时代正在到来。人工智能的概念提出距今已经60多年了，期间经历了两起两落，苦于软硬件技术的局限，几十年来都没有很大的进展

2、。如今，随着并行计算、大数据、深度学习算法等领域的飞速发展，使得人工智能技术突飞猛进。　　手机作为全球销量最大的电子消费品，有着庞大的用户群体，但几乎所有调研数据都显示，在未来几年，全球手机市场都将会维持在个位数的增长，在5G商用前夕，手机如果没有“颠覆性”的创新，很难激起用户的换机需求。AI与手机的结合让创新乏力的手机有了新的希望，成为手机差异化的最大卖点。　　2017年，高通、苹果、华为发布的最新手机芯片中，AI功能的介绍都是着墨最多的地方。新一代iPhone搭载的A11芯片，内置了人工智能“神经引擎”，已在人脸识别上得到

3、了应用；华为最新的麒麟970处理器拥有一个专门的神经处理单元（NPU），并用在了刚发布的华为Mate10系列和荣耀V10中；而高通一周前刚刚发布的骁龙845则是基于分布式架构的神经网路处理引擎（SNPE），可以运行在骁龙异构平台的CPU、GPU、DSP等每一个单元上。　　不同的AI硬件实现方式　　值得注意的是，这一次在AI功能的实现方面，移动芯片厂商们采取了不同的方式。苹果和华为都选择了时下最热门的“特殊应用积体电路”（ASIC）方式来实现AI功能，并拥有独立AI模块。而高通则采用了异构计算的方式来实现，在刚刚结束的第二届骁龙

4、技术峰会上，QualcommTechnologies，Inc.高级副总裁兼移动业务总经理AlexKatouzian在专访环节介绍道，“Qualcomm的产品架构本身已具备了NPU的能力，支持机器学习在不同引擎上的运行，包括GPU和DSP，并具备足够的智能去把不同的用例分配到不同的核心上，而不是去额外再添加NPU。”　　　　　QualcommTechnologies，Inc.执行副总裁兼QCT总裁克里斯蒂安诺•阿蒙（左）　　QualcommTechnologies，Inc.高级副总裁兼移动业务总经理AlexKatouzian（右

5、）　　骁龙845发布以来，就AI实现方面很多人略有微词，纠结于高通没有独立的AI模块。实际上，高通在AI领域的探索很早就启动了。在2007年高通开始启动人工智能项目，并开始探索面向计算机视觉和运动控制应用的机器学习脉冲神经方法，随后还将其研究范围从仿生方法拓展到了人工神经网络。QualcommTechnologies，Inc.执行副总裁兼QCT总裁克里斯蒂安诺•阿蒙强调，骁龙845已经是高通第三代人工智能平台了，整体性能较上一代提升3倍。阿蒙表示，高通一直都致力于确保骁龙平台具备机器学习特性，支持诸多移动用例的运行，而这其中有

6、许多用例可能本来是在云端运行的。由于移动终端在功耗和散热方面具有一些不同特质，我们打造了一个非常灵活的架构，让机器学习用例可以在多种引擎上运行，比如GPU、DSP等。　　　　高通认为，针对移动终端的特性，可以提供更有弹性的深度学习，协调各个核心的能力，所以能实现如今移动终端处理上最高的效率与最佳的性能。深度学习的功能也正在向中端芯片扩展。AlexKatouzian称，“我们发现，大部分完成此类运行的引擎（被其他公司称为NPU）都是针对向量处理（vector）工作，而这些都能在我们的DSP中进行完美处理。高通坚信，独立元件是很难

7、与集成解决方案竞争的。集成的解决方案让我们能获得规模化，也让我们不仅能把机器学习带到顶级平台中，还能扩展到更广泛的层级，比如高端的骁龙600系列中。”　　我们可以理解为，高通通过SNPE来协调各个硬件的功能，让CPU、GPU、DSP都在承担AI的计算功能，不同的任务交由不同的硬件来运行，从而实现效率和性能最佳。　　AI是变革性的技术，未来将渗透在生活的方方面面，无所不在。高通预计到2025年AI的软硬件生态系统的市场将达到1600亿美元规模。高通一直强调，AI的发展正在转型，正在从云端过度到终端。一方面终端计算能力的提升；另一

8、方面是用户连接体验、隐私性、和可靠性等方面的需求，都促进了AI向终端侧的转移。终端侧的AI所需的高性能低功耗的设备，利用无线通信技术实现设备和云端之间的连接都是高通所专注的领域。　　高通在机器学习上的研发分为两个部分：第一部分，为终端构建最高效的机器学习处理器，可以支持运行我