高通AI交流会:手机没有充分利用芯片组的AI性能
今天,高通召开了一个AI交流会。会上,高通产品市场总监、AI专家刘学徽先生给出席的媒体介绍了高通AI的历史、战略、现状以及发展重点。
▼高通骁龙AI历史
2015开始,高通在820芯片组内加入了AI功能,支持了当时起步最早、来自 Facebook的Caffe模型。
到了2016和2017年,谷歌在AI方面迎头赶上,推出了TensorFlow。这时的骁龙835支持了TensorFlow和Caffe,并首次在 GPU和DSP等多个芯片内加入了AI。
到了2018年,高通推出了目前旗舰机主用的骁龙845芯片组。骁龙845是高通的第三代移动AI平台,具备了完全的异步架构AIE,对AI运算能力有了更全面的提升。
在AI兴起的这两三年内,除了谷歌和Facebook,还有许多其它公司和机构推出了自己的AI模型。高通也在评估并已经支持了其中的许多。
▼高通AI战略:融合5G,云、端配合
由于手机的功耗限制,在本地利用移动芯片组进行超负荷、超强度运算是不现实的。但这些运算却可以在体积庞大的服务器中实现,所以就有了“云”和“端”的概念。
在云端(服务器),AI会通过大量数据进行超强度的机器学习,培训出可供手机使用的AI模型。
然后端(手机)就可以把这些AI模型拿来用,免去了超强度机器学习的步骤。但这又涉及到了云和端的数据交换问题,这时5G就派上了用场。
由于5G的高带宽、高稳定性和低延迟,云服务器和手机端能进行实时畅通的数据交换,大幅提高了手机的AI性能。
还有一点,云端服务器和手机的数据交换都是在本地存储进行读写。但目前手机存储器的性能和效能还不足以进行强度太大的数据交换。所以说存储器是手机本地AI的最大瓶颈。
▼本地AI不能完全被云AI取代
虽然刚刚提到了云端服务器的优势和手机性能的劣势,但基于手机芯片组的本地AI运算仍然很重要。
比如,人脸识别、虹膜识别和声纹识别等都利用了AI运算。如果在这时把数据传到云端进行处理的话,用户的生物安全信息就有被暴露的风险。所以高通认为这类AI运算应当完全在手机端运行。
除了手机领域外,无人机和无人汽车更应当具有强大的本地AI能力。否则当网络故障发生时,交通瘫痪带来的安全问题将不堪设想。
▼生态打造和软件优化极其重要
要想在手机上进行能帮助消费者日常使用的AI运算,光有高通(打造AI运算环境)的努力是远远不够的。这是一个需要整个产业链共同面对的问题,这就涉及到了生态的打造。
芯片厂商(高通)、手机厂家,软件公司(比如腾讯)、算法公司和APP开发者等参与者都是AI生态圈的一部分,离不开相互的合作与支持。
此外,强大的AI性能不仅需要好的芯片性能,也需要优秀软件优化。优化得当的软件能给AI带来比升级硬件还夸张的性能提升。
▼移动端AI急需跑分标准
在看一部手机性能时,我们总是会看CPU、GPU或存储的跑分。但在AI领域,业内还没有一个能被大家公认的跑分标准。由于AI是一个极其庞大、复杂的领域,目前现有的AI性能评测标准虽然很多,但都过于“偏科”。也就是说每个标准都有自己侧重的方面,只看重某一种运算。这让许多AI能力不弱的硬件不能得到应得的高分。
为了解决这个问题,高通决定筛选AI中最重要的几个性能指标(最能影响日常使用的),并重点参考它们来提升AI性能。但这只是临时举措,最终的理想状态是有一个能够全方位测试手机AI能力的评分标准,让消费者对于手机AI能力的强弱有全面、具体、客观的了解。
▼AI目前的用途
目前,手机上需要AI能力的任务可分为三大类,分别是视觉图形(美颜、拍照识别)、语音(语音唤醒、识别、翻译、语音助手)和活体检测(面部识别,生物识别、声纹,虹膜)。
▼AI的未来:AR和定点运算是重点
刚刚提到的这些用途其实都没有完全用尽高通骁龙AIE的性能。目前还没有流行的AR则很有可能是第一个能完全“榨干”移动平台AI性能的用途。
AR的应用方式很多,比如AR测量、AR游戏和AR购物等。其中AR游戏可以是多人面对面的多设备联机,这对手机的AI能力有着全方位要求。
在浮点和定点运算中,定点运算是未来手机AI的主战场。定点运算的精度高,其许多特质非常适合手机这种移动平台。可是定点运算也有缺点,就是对模型设计要求很高。可一旦解决模型问题,定点运算就能发挥自己的优势。
▼总结
目前移动端的AI技术还处在起步阶段,作为行业领军者之一,高通希望通过与整个产业链的合作,把AI性能毫无保留地利用到提高手机用户的日常操作体验上。相信结合即将到来的5G,AI技术将会在各个手机端更上一层楼。
本文编辑:张哲
关注泡泡网,畅享科技生活。
关注我们
![](https://sy0.img.it168.com/image/qrcode_pcpop.png)