未來移動互聯網生活離不開兩個大趨勢，一是 5G，二是 AI。前者是未來承載萬物互聯、提供最基礎的連接性支持，後者則將賦能整個 5G 生態網絡，具備徹底改變行業的能力，AI 強大的智慧處理能力配合 5G 時代高速率低時延的網絡，將發揮出巨大的能量。
2020 年以來，5G 手機已經成為了主流，和 5G 密切相關的另外一個關鍵詞，便是 “AI”，伴隨着智能手機的更新迭代，AI 在潛移默化中已經改變了我們的生活方式。比如在智能手機上，AI 會將手機變成一個更智慧的整體，而不再是一個簡簡單單的工具，簡單來説，它會學習如何像一個瞭解你的人一樣，在你需要幫助的時候主動提供幫助，真正能 “變成你肚子裏的蛔蟲”，隨時都能知道你想要幹什麼，然後提供相關的服務。
那麼智能手機又是如何實現這種 AI 能力的？其實還要歸結於芯片。近日高通發佈了一篇名為《我們讓人工智能無處不在》的博客，向我們詳細闡述了 AI 在當下以及未來的實際運用以及高通在 AI 領域的努力成果。
高通長期耕耘 AI，讓人工智能無處不在
有心的小夥伴會發現，每一年驍龍平台的發佈，高通都會重點強調驍龍移動平台的 AI 能力，實際上高通這些年來也一直為將具有強大算力的人工智能技術應用到終端上而努力。
高通在 AI 領域有着前瞻性的技術投入，據官方資料，早在 2007 年，高通就開始探索麪向計算機視覺和運動控制應用的機器學習脈衝神經方法，隨後還將其研究範圍從仿生方法拓展到人工神經網絡——主要是深度學習領域。2012 年，高通在 ImageNet 挑戰賽中利用深度學習技術獲得成功，在物體定位、物體偵測和場景分類比賽中名列前三名。2014 年 9 月，高通在阿姆斯特丹開設 Qualcomm Research 荷蘭分支，作為機器學習研究的基地。2015 年 9 月，高通攜手阿姆斯特丹大學 (QUVA)建立聯合研究實驗室，專注於推動面向移動計算機視覺的、最先進的機器學習技術發展。2017 年，通過收購位於阿姆斯特丹的領先人工智能公司 Scyfer，進一步深化與阿姆斯特丹人工智能業界的合作關係。
高通在人工智能領域的耕耘已經超過了十年，從技術落地到產品，高通在 2015 年驍龍 820 處理器上正式融入了第一代人工智能引擎 Zeroth，在 CPU 上實現運行神經網絡，還採用了當時商用領域最為主流的深度學習框架 Caffe，能自動根據用户拍攝的照片進行分類，比如識別出實物和汽車的圖像，分別存儲在兩個不同的文件夾，方便用户更好地管理拍攝的照片。目前最新的驍龍 865 處理器搭載了第五代人工智能引擎 AI Engine，AI 性能相比上一代提升了 2 倍多，具體到整體運算力上，可以達到 15 TOPS，也就是每秒 15 萬億次運算的水平。除了性能的提升，第五代 AI Engine 還對每個內核進行大幅優化和提升，更重視整體芯片架構面向 AI 計算的高效率和靈活性。
高通的人工智能引擎不僅應用在旗艦移動平台上，包括 600、700 系列移動平台也均有支持，這對於人工智能在手機等終端的落地顯然是極大的推動，目前搭載高通驍龍的手機終端已經超過 10 億台，包括小米、一加、vivo、OPPO、摩托羅拉、華碩、中興、努比亞在內的諸多主流終端廠商都已經用上高通 AI Engine。在我們使用手機的過程中，拍照、視頻拍攝、音頻識別、遊戲等各種場景幾乎都與 AI 有着密切的聯繫，舉一個最簡單的場景——AI 的實時翻譯，翻譯不是什麼新鮮功能，重點是在 “實時”這兩個字上，它需要模擬人腦的思維方式，實時處理接受到的語音信息，並將之翻譯為文本或語音，這對神經網絡運算的運算量、速度都有極為嚴苛的要求，需要極為強大的算力支撐。
雲端 AI 相輔，側終端 AI“相成”
5G 將引領我們進入一個萬物互聯的新時代，我們日常生活中的手機、電視、汽車、冰箱、空調、燈、音箱等等智能終端設備，在 5G 的聯結下，都將匯入同一網絡，海量終端設備彼此獨立，又互聯互通，讓這些設備彼此通信連接，就需要進行 AI 運算。那麼這些 AI 運算是放在雲端呢？還是在本地終端運行？高通給出的答案是終端側 AI。
終端側 AI，顧名思義，它的意思就是數據的採集、計算、決策都在前端設備本地進行。與在雲端運行的 AI 相比，在終端側運行人工智能算法具有諸多優勢，例如即時響應、可靠性提升、隱私保護增強，以及高效利用網絡帶寬。而云端 AI 在這個過程中，是作為終端側處理的補充而存在，比如在一些彙集大數據、訓練神經網絡模型以及運行很複雜或依賴終端外數據的一些推理上，雲端 AI 有着一定的作用。不過，終端設備完全依靠雲端 AI 處理並不現實，目前全球已有數十億的聯網終端，未來只會越來越多，海量終端彼此互連並感知周圍環境，產生的海量數據全部傳給雲端進行處理和管理，不容易，更影響體驗。因此，終端側 AI 是更適合的選擇。
在終端側大規模運行推理，就不得不引出另外一個關鍵詞——能效。還是以智能手機為例，AI 運算本身需要反覆、高強度的運算環境，智能手機的計算能力、電池、存儲空間等方面都可能是個問題，而高通給出的解決方法，是在 AI Engine 中引入 Hexagon 張量加速器。Hexagon 支持的是 8 位和 16 位的定點運算，而定點運算有助於模型更快的運行，同時能耗也更低，Hexagon 張量處理器的加入，可以大大提高 AI Engine 的整體運算效率，降低功耗。
此外，移動端很多 AI 用例都是並行用例，在處理這些用例的時候，往往有大量數據進入到終端，處理這些海量數據，一定會對手機的性能資源、功耗造成不小壓力。針對這個問題，高通在 AI Engine 中開發了一項全新的專用技術，叫做深度學習帶寬壓縮。這項技術能夠對這些海量數據進行高達 50% 的壓縮，從而將需要進入到芯片處理的數據壓縮一半，以節省電能、降低功耗。
高通認為，我們正處於機器學習發展征程的最初期，深度學習也僅是具備改變計算潛力的多項機器學習技術之一。隨着 5G 發展壯大並建立起統一的連接架構，AI 將帶來巨大的社會效益，而高通，正在持續推進這個過程。
【來源：IT之家】
聲明：轉載此文是出於傳遞更多信息之目的。若有來源標註錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯繫，我們將及時更正、刪除，謝謝。 郵箱地址：[email protected]