搜狐科技/崔家乐
上周，高通在北京召开人工智能媒体电话沟通会，分享了高通在人工智能领域的最新动态以及发展愿景。高通表示，自2007年，高通就已经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，随后在2012年还将其研究范围从仿生方法拓展到了人工神经网络——主要是深度学习领域。
最近，Qualcomm Technologies宣布收购专注于前沿机器学习技术的阿姆斯特丹大学附属公司Scyfer B.V.，以充实其相关人才团队。Scyfer已为全球多个不同行业的公司打造了人工智能解决方案，包括制造业、医疗业和金融业。
高通表示，经由收购Scyfer，该公司创办人，同时也是阿姆斯特丹大学着名教授Max Welling博士也将加入高通技术公司，协助推动人工智能研究与发展。
人工智能正在向终端迁移
以前的智能体现都是在大型服务器或者是云端，但是现有的技术发展以及架构下，数据的处理等以及智能的培训也可以在设备端进行。
同时，向设备端转移还将拥有更多的优势，比如用户的隐私性，毕竟比在云端上处理更为安全。其次将拥有更高的可靠性、低延时性，并且能够高效利用网络带宽。而高通表示，高通一向在移动通信领域有着良好的技术，这样的优势以及5G的发展下，高通也进入了这样的浪潮。
而在这样的情形下，功率和热功效对终端的人工智能非常重要。移动环境下，人工智能面临着众多的挑战，比如面对精密的设计，如何进行高效的散热，电池的长久续航以及内存和带宽的限制等等。而在此情况下，高通将在三方面进行人工智能的优化：
首先，在硬件方面，通过开发异构计算，在散热限定内以低功耗运行人工智能神经网络
其次，在算法方面对最先进的深度神经网络进行优化
最后，在软件方面，面向深度学习的软件加速运行时间。
开放的骁龙神经处理引擎
目前，高通已经在600系列以及800系列，开放了骁龙的神经处理引擎，骁龙NPE旨在向开发者提供软件工具，面向搭载骁龙处理器的移动终端和其他类型的网络边缘终端，加速深度神经网络工作负载运行。开发者可针对所需的用户体验选择最佳的骁龙内核——包括Qualcomm® Kryo™ CPU、Qualcomm® Adreno™ GPU或Qualcomm® Hexagon™ DSP。
骁龙NPE将向多个行业（包括移动、汽车、医疗健康、安全与图像）的开发者提供他们所需的工具，以实现终端侧的、由神经网络驱动的用户体验。开发者可充分利用深度学习用户体验，如风格转换与滤镜（增强现实应用）、情景探测、面部识别、自然语言理解、物体追踪与规避、手势和文本识别等。
具体在手机终端上，借助于表示可以提供真正的个人助理，更长的续航、出色的拍照、自然的用户界面以及连接性和安全性。
在汽车上，可以重新定义车载的体验，提供更好的自然用户交互界面，个性化的设计以及驾驶者的意识监控。同时基于高通电脑视觉的技术，可以提供更好的环境感知，而根据自身的计算优势，能够进行更好的传感器融合、路径规划以及决策等。
高通已经在向市场展示，在移动芯片上，高通已经具有了移动人工智能处理的能力，并在不久的未来，将会提供更专用的硬件、提升算法，并不断改进优化策略，从而更高效地在终端侧执行。返回搜狐，查看更多
责任编辑：
