随着时间的脚步早已步入到 2018 年，智能手机市场也步入了一些新的转变，其中较为关键的两个因素分别是全面屏和 AI。就全面屏而言，它早已转入到较慢普及阶段并预示着一些千元机等产品转入中低端市场；但是对于科技含金量更高的 AI 来说，若想确实地在智能手机行业普遍充分发挥自己的力量，还必须产业链整体上下游统合更好的时间和希望。不过，就目前的行业现状而言，智能手机行业早已可行性构成了一股全面亲吻 AI 的趋势，而确实全面推展这一趋势发展的，正是从产业链最上游的——高通。对于高通而言，如何和终端厂商厂商将AI最后一公里递到消费者手里，是整体行业都在思维的问题。
智能手机 AI 的来临与人们肉眼可见的全面屏比起，智能手机与 AI 的关系简单得多。2011 年，苹果在当年的 iOS 5 上配备了可以与之展开语音交互的 Siri 语音助手，从某种程度上来说，这早已是 AI 南北智能手机的前奏。
惜此后数年，无论是 Siri 自己，还是其他厂商的类似于产品，都未能给智能手机成功打上 AI 的标签，即使勇猛如 Google Assistant，也无法值得注意。到底是在手机上用于云端 AI 还是终端外侧 AI，则是产业也在考虑到思维的问题。仍然到 2017 年，当智能手机第一次以芯片的方式在硬件层面与 AI 问候，整个行业才蓦然认识到，原本 AI 早已确实回到了智能手机上。
2017 年 9 月 2 日下午，华为在德国柏林消费电子展公布了麒麟 970 芯片；为了因应这种【手机并未放，芯片先行】的作法，华为将这款芯片定义为【全球首款智能手机移动末端 AI 芯片】。具体来说，麒麟 970 配备了一款 NPU（Neural-network Processing Unit，神经网络处理单元），其亮点在于处置特定任务时比 CPU 等模块出众得多，比如在图片辨识任务中。
不过，从配备麒麟 970 的华为 Mate 10 的具体表现来看，除了在照片上的场景辨识和光学强化，AI 芯片并没给华为 Mate 10 带给什么明确的实用功能；而系统简洁度这样的提高也是隐性的，无法感官的。而且麒麟 970 的另一个显然问题在于它的 NPU 模块并非是独立国家研发；当然，麒麟 970 在驱动、BSP、内存机制等方面做到了很多工作，但它注定是一款拿来主义的产品。更加最重要的是对于芯片设计，各家厂商的思路有所不同。众所周知，一款芯片产品设计一般必须距离其商用提早 18 个月展开设计。
而分开配备 NPU 的设计方式相等于必须提早 18 个月预测商用市场有可能中用的用于场景，而在日新月异的智能手机市场而言，不能说道符合部分市场需求，却是没有人需要知悉 18 个月后的商用市场中 AI 又有什么新的玩法。严苛意义上来说，给麒麟 970 拿着全球首款智能手机 AI 芯片的帽子，是华为博得眼球的讨巧作法。在 9 月中旬的苹果发布会上，苹果公布了新一代 iPhone 和其所内置的 A11 Bionic。A11 Bionic 内置了苹果自律研发的双核架构 Neural Engine（神经网络处置引擎），它每秒处置适当神经网络计算出来市场需求的次数可约 6000 亿次。
然而，苹果的强劲之处在于，它某种程度自律研发出有了一颗强劲的 AI 芯片，还在芯片的基础之上研发出有一系列重磅而简单的功能。以 iPhone X 为事例，其与 Neural Engine 必要涉及的功能反映在： Face ID 通过面部特征关卡； Animoji 通过跟踪人的面部表情来动态创作动画表情； 人像模式可以建构出有需要生动变化的光效 Portrait Lighting。除了华为和苹果，Google 也在当年公布的 Google Pixel 2/XL 中内置了一个独立国家的 AI 协处理器，也就是 Pixel Visual Core，其核心部分是 Google 自主设计的图像处理单元，IPU 的特点在于充份可编程性和领域特定性，可以构建每秒低于 30 亿次的运算。Google 回应 Pixel Visual Core 的用处很非常简单：将 HDR+ 的运营速度提高 5 倍，而功耗则将为十分之一。
从结果来看，苹果、Google 和华为三家或许都早已通过有所不同的方式给旗下的智能手机印上了 AI 的标签。然而，苹果合为一派，高高在上；华为偏重于统合研发；而 Google 在智能手机阵营的角色更加偏重于 Android 操作系统层面，IPU 很难像 TPU 那样对外开放。因此，从行业发展的角度，它们都无法分担推展智能手机行业全面南北 AI 的任务；所幸，高通凭借骁龙 845 AIE 分担起了这个重任。
低标准化 AIE 赋能行业2017 年 12 月，在夏威夷举行的高通骁龙技术峰会上，高通骁龙 845 处理器在智能行业的期望中问世，除了 CPU 和 GPU 方面的改版，它的一个重点着力点正是 AI。不过与苹果、华为的作法有所不同，高通并没在骁龙 845 的硬件层面中重新加入一个额外的 AI 运算单元，而是利用 CPU、GPU、DSP 等早已不存在的硬件基础，建构一个“异构”的 AI 运算方式，从而获释三者在 AI 运算的能力。
为此，高通专门研发了一套 NPE 系统，专门用作管理各种人工智能语言、架构、算法，然后再行根据 CPU、DSP、GPU 三种芯片的优劣势展开任务分配，最后为有所不同应用于场景获取适当的解决方案。这一方案的益处是：高通渐渐地将最常用的 AI 功能、算法迁移运营效率最低的 DSP 中，而 CPU 和 GPU 则可以肩负起部分用于频率较低、或者全新 AI 功能的研发当中，进而节约了整体的系统功耗。毫无疑问，在三种处理器中，DSP 毫无疑问是部分 AI 场景最高效运营的自由选择，它同时也是高通的第三代向量计算出来 DSP，同时需要已完成图像处理器、视觉处理器、深度自学处理器、神经网络处理器等任务。
当然只有硬件也是过于的。高通中也针对 DSP 处理器研发非常容易初学者的 SDK，同时高通也在与 AI 业内的企业和研究机构达成协议密切的合作关系——期望通过这种方式联合打造出一个通用性更加强劲的智能手机 AI 生态。
而许多人批评过的问题，关于否独立国家一个硬件作为 NPU 分开配备，低通则指出 NPU 只是 AIE 功能构建中的一个单元，但是 AI 功能千千万，神经网络有很多自定义层，分开的硬件也许无法符合所有的市场需求。因此异构计算也许才是需要符合有所不同厂商针对有所不同场景所做到的 AI 优化及功能。凭借上述动作，高通早已顺利地在骁龙 845 上打造出了一个通用性更加强劲的人工智能引擎，也就是高通所说的 AI Engine，全称 AIE。
实质上，基于这样的方案，高通不仅把 AI 运算能力彰显到近期的骁龙 845 移动平台，使它的 AI 能力超过前代产品的三倍，也让此前早已不具备适当硬件基础的骁龙 835、骁龙 820、骁龙 660 处理器顺利地获释它们在 AI 方面的潜力。由此可以看见，与华为、苹果堵塞的作法有所不同，高通在智能手机 AI 上的态度是几乎对外开放、赋能行业的视角。它更加多考虑到的是面向整个 Android 平台的通用性和灵活性，没在骁龙 845 中减少分开的 AI 模块，但却想通过由 CPU、GPU 和 DSP（重点是 DSP）构成的 AI 异构系统和 NPE 任务分配系统，协助有所不同的应用于场景获取适当的计算出来解决方案——从某种程度上，这是一种致力于前进整个智能手机行业向前发展的更为对外开放的姿态。另外，高通在骁龙 845 中获取的是 AI 基础硬件平台能力，但同时又为其他手机厂商腾出了充足的自定义化空间和研发空间，比如说 Google。
2017 年 Google 独辟蹊径地将高通骁龙 835 + Pixel Visual Core 融合一起，未来它仍然可以采行高通骁龙处理器 AIE + AI 协处理器的作法来前进自己的 AI 战略——换句话说，高通为其他 Android 厂商参照 Google模板设计获取了众多机会。在显然，在前进整个智能手机行业南北 AI 方面，高通分担了无可替代的承托角色。总结共创当下的智能手机市场，高通 AI 技术早已为整个行业带给了令人瞩目的转变。
我们可以看见，高通 845 AIE 早已顺利地经常出现在三星、小米、OPPO、vivo、锤子等主流厂商的旗舰智能手机产品上，不仅如此，骁龙 710、骁龙 660 等也在通过 AIE 推展 AI 技术在智能手机行业的普及，而人脸识别关卡、智能照片、自然语言解读等曾多次高耸来遥不可及的技术也渐渐沦为众多消费者日常生活的一部分。这一切，都在印证高通 AI 和机器学习产品经理 Gary Brotman 对(公众号：)所说的那句话：我们并不期望只是为手机处理器再加一个 AI 模块 ，而是让 AI 技术确实给消费者带给转变——毫无疑问，高通做了。原创文章，予以许可禁令刊登。
下文闻刊登须知。
本文来源：澳门太阳集团城网址8722-www.todesk.net
