作者李泽南

推出骁龙710,布局5G生态:高通展示最新AI领域发展计划

人工智能是当前最受关注的技术话题之一,而随着技术的不断落地,其从云端向终端迁移发展趋势正日渐清晰。作为终端设备芯片的领导者,高通正站在技术发展的十字路口。今天,这家芯片巨头在北京举办了一场人工智能创新论坛,向我们解读了自己最新的 AI 发展计划,并推出了旗下最新的智能手机处理器骁龙 710。

高通作为一家无线通信技术和智能芯片公司,一直非常重视新技术的研发。

高通全球副总裁、高通创投董事总经理沈劲最近曾在一次访谈中介绍了该公司目前在 AI 芯片上的布局:利用其 SoC 的可编程异构计算能力,用分布式计算单元处理 AI 计算任务。高通希望面向不同功能、基于不同类型的数据,在不同的计算精度上支持多种人工智能框架、软件和算法,如 TensorFlow、Caffe2 等人工智能神经网络框架。

在投资方面,高通也正在积极布局国内 AI 领域的优秀创业公司。去年 11 月,商汤科技宣布获得了来自高通的战略投资,后者正希望以「算法+芯片」的技术融合方式全面布局国内业务。

「我们预测到 2021 年,人工智能发展衍生的商业价值将达到 3.3 万亿美元,」高通 Incorporated 总裁 Cristiano Amon 表示。「随着 5G 通信技术的发展,网络将会把我们身边的一切智能设备连接起来。」

要实现更丰富的 AI 体验,智能应用必须分布到终端设备上,以无线形式互相连接。这就会遇到散热、续航、内存、算力和通信带宽等诸多挑战,需要与以往不同的解决方案。高通相信,有了高带宽、低延迟的 5G 网络,我们最终可以为终端的 AI 应用带来更好的体验。

在未来,智能手机会是最为普及的人工智能平台。预计在 2018 年到 2022 年之间,全球会新增 86 亿台新手机。

与此同时,越来越多的 AI 芯片创业公司正在推出与传统芯片具有很大差异的新类型产品,但对于未来,高通看问题的方式有所不同。「我们很高兴看到这个行业内有更多的人在推动产业向前发展,」高通高级研发总监、中国研发中心负责人侯纪磊博士表示。「但从另外一个角度来看,芯片和半导体行业是非常复杂的,它有着非常长的生态链:从算法、架构设计,到流片、与合作伙伴进行生产,这是一个复杂的过程。高通在这一方面有着自己的独特优势。」

高通骁龙 Soc 产品线已经覆盖了高中低端各种类型手机市场的需求。目前,骁龙 800 系列面向旗舰手机,骁龙 600 系列针对主流机型,骁龙 400 和 200 系列则定位入门机型。据了解,高性价比的骁龙 600 系列是最受欢迎的型号,已累积出现了 1300 多款搭载设备。现在,高通正式发布了全新的骁龙 700 系列移动平台,其定位介于骁龙 800 和 600 之间,继承了前者的部分高性能特性,但是价格更低,适用于 2000-3000 元的中高端机型。

今天发布的骁龙 710 是高通骁龙 700 系列的首款处理器,它采用了最新的 10nm 工艺,集成了高通近期推出的人工智能引擎 AIE。可作为多种 AI 相关应用的计算处理平台。

和旗舰级的骁龙 845 一样,710 并没有使用独立的神经网络处理单元,而是通过异构计算、软硬件结合的方案应对 AI 任务负载。在硬件上可充分调用 Kryo 360 CPU、Adreno 616 GPU、Hexagon DSP 三种计算单元灵活执行各种 AI 运算。

高通在发布会上着重展示了骁龙 710 强大的 AI 计算能力。这家公司称,相较于骁龙 660,骁龙 710 的 AI 运算能力提升了 225%,后者在 SqueezeNet 上每秒钟可以进行 131 张图片的分类,在 MobileNet 上则能达到每秒 128 张。

高通还为开发者们准备了骁龙神经处理软件 SDK、Android NN API(支持 Android O/P)、Hexagon NN 等工具,为开发应用提供帮助。高通称,目前的骁龙处理器已经能够支持 Caffe 2、TensorFlow、PyTorch、MXNet、PaddlePaddle 和商汤 Parrots 等各种神经网络框架的应用开发。

此前,在本周一(5 月 21 日)微软举行的 Build 大会上,微软曾宣布了与高通的新合作。两家公司正致力于打造运行 Azure IoT Edge 的视觉人工智能开发工具包。而在本次发布会上,高通宣布了又一项新合作:与创通联达合作推出 Turbo X。高通表示,该项目将基于高通人工智能引擎 AIE,推出更多人工智能参考应用及模型,以及模块化可扩展人工智能组件,两家公司希望以此加速下一代 AI 驱动的终端向前发展。

产业
相关数据
神经网络技术
Neural Network

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

分布式计算技术
Distributed computing

在计算机科学中,分布式计算,又译为分散式運算。这个研究领域,主要研究分布式系统如何进行计算。分布式系统是一组电脑,通过网络相互链接传递消息与通信后并协调它们的行为而形成的系统。组件之间彼此进行交互以实现一个共同的目标。

MXNet技术
MXNet

MXNet是开源的,用来训练部署深层神经网络的深度学习框架。它是可扩展的,允许快速模型训练,并灵活支持多种语言(C ++,Python,Julia,Matlab,JavaScript, Go,R,Scala,Perl,Wolfram语言)

TensorFlow技术
TensorFlow

TensorFlow是一个开源软件库,用于各种感知和语言理解任务的机器学习。目前被50个团队用于研究和生产许多Google商业产品,如语音识别、Gmail、Google 相册和搜索,其中许多产品曾使用过其前任软件DistBelief。

推荐文章
四万字报告:从短期到未来,这46项技术将变革商业(中)
机器之心1
荣耀发布人工智能手机荣耀V10:麒麟970+全面屏加速AI产业变革
李泽南
拉里·佩奇的伟大归来
PSI内容合伙人
返回顶部