驍龍咣咣咣三腳，再次改寫格局_風聞

　　魚羊 蕭簫 發自 凹非寺

　　量子位 | 公眾號 QbitAI

　　盆友們，驍龍，已經不再是以前那個驍龍了。

　　就在大家吃瓜安卓新旗艦芯片誰家首發之際，驍龍峯會的絕對主角，卻只差沒把“時代變了”寫在臉上：

　　先是第一天直接擠爆AI牙膏管，第二代驍龍8連ISP、5G調制解調器都武裝上了神經網絡。

　　緊接着第二天，乾脆從手機端進一步騰開手去，就差沒告訴圍觀羣眾：

　　XR也是我高通押注的下一代移動終端。

　　這不，直接引爆了一波有關“2023是AR眼鏡元年”的討論。

　　從這種種跡象來看，驍龍，乃至背後的整個高通，步調更好，速度更快。

　　這樣的變化，意味着什麼？又有哪些信息點值得科技發燒友和行業觀察者們關注瞭解？

　　其表其裏，咱們一分為三，細細拆解來看。

　　驍龍三變

　　“一變”

　　驍龍第一變，還是要從最引人矚目的第二代驍龍8説起。

　　圍繞這顆安卓旗艦最強“心臟”，官方劍指何處已經完全明示：幾乎是三句話不離AI。

　　換句話説，以往在幕後暗自發力的AI，如今不僅走向台前，還成了全場毋庸置疑的第一主角。

　　先是在“基礎設施”層面上，高通AI引擎的核心Hexagon處理器架構全新升級，打出一套AI加速組合拳：

　　激活函數加速 + 分組卷積加速 + 張量加速器性能翻番。

　　還引入了微切片推理，併為這一核心處理器配備了專門的供電系統。

　　這使得第二代驍龍8相較於前代產品，在自然語言處理等場景下，AI性能提升了4.35倍。

　　提升AI加速器的數量和性能之外，第二代驍龍8也率先支持了INT4 AI精度格式。

　　這就帶來了持續AI推理方面**60%**的能效提升：

　　相比於浮點精度格式和INT 8，以INT 4精度格式運行的AI模型，所需的計算資源更少。這為開發人員們在手機裏部署更多量化模型提供了硬件基礎。

　　值得關注的是，在第二代驍龍8裏，不僅是以上AI“基礎設施”全面升級，連ISP和5G調製解****調器這樣的模塊，如今都跟AI更深度的綁定了。

　　第二代驍龍8搭載的業界首個認知ISP，這回跟Hexagon處理器來了個直接連通，通過在兩者之間增加一個名為“Hexagon直連”的物理連接，提供更加強大的影像AI處理能力。

　　基於此，第二代驍龍8能通過實時語義分割，實現照片和視頻的自動增強。攝像頭捕捉到的人臉、頭髮、衣服、天空等種種畫面細節，都能被針對性地優化處理。

　　至於手機芯片中最“傳統”的調制解調器部分，驍龍此番也強調了首個5G AI處理器的作用：通過分析信號完整性和信噪比，AI能夠改善無線帶寬、延遲等性能指標。

　　加之對Transformer等網絡的支持，又將語音自定義喚醒詞、快速多語種翻譯等軟件能力帶到了手機芯片上，可以説，單從手機芯片的變化來看，驍龍這波操作，是把“無AI不芯片”的趨勢再度推向了高潮。

　　這股AI爆發之風，也並不僅限於手機芯片。

　　“二變”

　　這就要説到驍龍第二變：押注下一代移動終端。萬物連接的移動設備種類，正在突破此前的侷限。

　　此番引發外界不少討論的第一代驍龍AR2平台就是一個例證。

　　第一代驍龍AR2，是驍龍首個專門為頭戴式AR設備打造的移動平台。

　　目的很明確：成為新一代最強輕薄AR智能眼鏡的“智能大腦”，開創真實世界與元宇宙相互融合的空間計算新體驗。

　　具體到功能特性上，一方面，是解決AR眼鏡重量、時延等固有問題：

　　採用分佈式處理架構，實現更均勻的配重並降低左右眼鏡腿寬度；動態將時延敏感型感知數據處理直接分配給眼鏡終端，把更復雜的數據處理需求分流到手機、PC或其他主機終端上。

　　另一方面，依然是以人工智能為核心，提升AR眼鏡所帶來的實際產品體驗：

　　其AR處理器中，搭載了專門的視覺分析引擎，結合ISP和Hexagon處理器，能在圖像識別、分類和手部跟蹤等AI算法上實現2.5倍加速。

　　根據高通官方消息，目前，PICO、聯想、小米、Nreal、OPPO和LG等廠商，都是驍龍AR的合作對象。

　　並且在AR的應用生態方面，高通也已有所佈局：比如與《寶可夢GO》的製作方Niantic攜手，推出AR眼鏡版的增強現實遊戲。

　　值得一提的是，這樣設備邊界上的突破，以AR為典型代表，卻同樣不止於AR。

　　從高通與微軟的最新合作計劃中亦可見一斑：基於驍龍平台，高通將高通AI引擎引入Windows 11，以實現筆記本上語音、圖像處理等功能的AI加速，同時促進智能手機和PC的融合。

　　説了這麼多，歸結起來，第一變可以説是AI能力的加速爆發，第二變是突破邊界的萬物互聯，在這兩者的基礎之上，驍龍，乃至背後高通佈局重心之變，也就愈發明朗。

　　“三變”

　　即，驍龍第三變，就是連接到智能計算的改變，進一步説，也就是高通提及的“網聯計算”。

　　人們從前討論移動設備，更多聚焦於手機，討論的是信號是否更好了、網速是否更快了。

　　但現在，在通信、連接的基礎之上，人們關心的重點，已經變成了什麼樣的智能功能更好用，哪家對遊戲等應用的智能加速效果更強勁。

　　甚至在這樣的討論之中，手機已經不是唯一的主角，下一代計算平台的價值開始獲得更多關注和認同。

　　對於高通這樣的廠商而言，這一方面可以歸結為時代技術浪潮之所至，另一方面，也是其本身“春江水暖鴨先知”，早期技術厚積薄發的體現。

　　量變到質變的奇點，厚積薄發的AI脈絡

　　事物的變化，往往由量變引發質變。

　　高通之變並非在這次驍龍峯會上才有所體現，其AI革新脈絡從更早時候便已有端倪可循。

　　2007年高通啓動第一個脈衝神經網絡相關的研究項目，依託於生物神經元設計，目的是讓神經網絡構造更高效節能，同時在架構上更適配硬件工作原理。

　　針對脈衝神經網絡等AI領域的研究，在2013年正式轉變成更具體的成果。

　　這一年，高通提出了Zeroth計算平台，希望能用AI處理圖像、聲音等信息，如開發語音識別功能等，如今來看相當於NPU以及其搭載的神經網絡計算能力的平台。

　　

　　

　　****△2013年搭載Zeroth的機器人訓練，圖源高通

　　當年，高通這項名為神經形態芯片 （Neuromorphic Chips）的技術，被認為是顛覆性的突破，並於2014年被MIT Technology Review評選為全球十大突破技術之一。

　　Zeroth奠定了高通AI引擎（AI Engine）的基礎。2015年，驍龍820正式搭載第一代AI引擎，除了能用於人臉照片檢測和手寫識別以外，高通還展示了它能被應用於降低功耗、提升電池使用時長的能力。

　　隨着對AI研究進一步深入，高通鑽研的方向不再侷限於硬件計算本身，同樣還放在了移動設備功能的豐富度，即算法和硬件的協調能力上，力圖讓更多已實現的AI算法落地到移動設備中去。

　　從最初為各硬件引入AI技術加大研發力度，到如今AI引擎已經成為高通芯片的標誌之一，究竟是什麼引發了高通的質變？

　　可以説，自身技術積澱和場景需求爆發，成為了引發高通變化的兩大關鍵節點。

　　從技術維度來看，高通經歷了由AI技術“引入者”到AI基礎設施“提供者”的轉變。

　　一方面表現在對AI框架的支持度上，包括與谷歌、臉書AI合作，對TensorFlow、Caffe2等AI框架進行加速；以及與微軟、亞馬遜合作支持ONNX等AI模型格式等。

　　另一方面，則體現在各種AI算法的研發和開源上，從這些年的頂會論文數量可見一斑。

　　如果從2011年開始在計算機頂級學術會議上發表論文算起，現在其能夠查閲到的已經有不下130篇AI研究發表在各種頂會上，今年一年就接近30篇：

　　觀察這些論文類型可以發現，其研究領域從機器學習基礎的量子、幾何和貝葉斯深度學習，到降低能耗的量化模型、提升信號強度的優化算法和AI編譯器，再到應用範圍更廣的計算機視覺、聯邦學習和強化學習等，開源的案例就有不少。

　　這些研究放到AI基礎設施的搭建上，又進一步被分為基礎架構和應用設施等維度。

　　基礎架構上，提升硬件處理AI算法的數量和性能，讓更多廠商開發的AI算法能被應用於更小的設備上，結合雲端提供的算力，進一步讓終端設備實現的功能範圍最大化，這裏又以軟硬件配合方面的量化等算法應用更為廣泛。

　　應用設施上，即加強高通AI基建的模塊化能力。除了側重軟硬件協同處理外，從今年發表的頂會論文情況來看，又有相當一部分集中在視頻語義分割、3D姿態估計等更通用的計算機視覺任務上。

　　但無論是提升算法在硬件平台上的適配能力，還是提升算法本身的性能、包括數據壓縮能力，本質上都與增強移動平台對AI的“掌控力”緊密相關。

　　換而言之，高通實現了從各大模塊支持AI、到AI驅動各個模塊的轉變，讓自身AI能力進一步具備了應用到更多設備上的通用性——

　　從場景維度來看，高通所連接的也不再僅僅是手機，而早已擴大到PC、智能汽車乃至XR等平台中。

　　如這些年加大力度投入的智能汽車方向，與手機一樣也同樣是視頻語義分割技術的應用領域之一。

　　在智能駕駛上，高通此前就已經推出過開源的InverseForm框架，在複雜道路區分與檢測上表現出更好的性能，無需擔心汽車再開到綠化帶、或是帶陰影的人行道上。

　　基於AI技術打造的驍龍座艙平台和驍龍智能駕駛平台（Snapdragon Ride），更是頗為“搶手”，一度成為車圈叫好叫座的宣傳詞之一。

　　又如早在數年前就已有佈局的XR方向，高通基於這一平台的高效低耗要求，於2019年推出了驍龍XR2平台，也是首款將5G和AI結合的XR芯片。

　　相比手機，XR設備帶來的更好的虛擬與現實世界的交互性，又能給AI落地帶來新的思路，例如平台上搭載的場景理解、3D重建等技術，就是基於XR自身特性延展的。

　　不久前推出的第一代驍龍XR2+平台，則引入了全新圖像處理管線，不僅支持並行感知技術，包括頭部、手勢和手柄追蹤、低時延視頻透視等能力，其PC級虛擬景觀還能為虛擬人物賦予更逼真的面部表情。

　　移動PC領域，高通也在嘗試用AI來提升移動辦公的生產效率。

　　如召開遠程會議時，設備可以準確感知到主體的面部，即便是在人口嘈雜的街邊咖啡店也可以實現精準聚焦，周圍的路人也就不會出現在會議上。

　　如此説來，高通早已不只是手機芯片廠商，其所提供的技術早已經延伸到了智能汽車、PC、XR等平台……一系列你能想到的IoT設備，都已經被連接到高通以芯片為基、以AI軟件棧為脈絡搭建的網絡之中。

　　作為一個專門給AI開發者打造的“工具箱”，高通AI軟件棧進一步將汽車、手機、PC和XR等設備之間開發的應用從軟件端打通，從而將硬件終端的優勢進一步擴大，實現一次開發、跨終端部署。

　　隨着AI開發部署的效率提升，作用的終端範圍擴大，行業智能化速度也會迎來指數性增長。

　　由上來看，在臨近質變前夕，高通就已經在量變的路上走了很久。

　　如今恰好趕上新一輪“萬物互聯”時代的智能爆發，高通以預見性的儲備提前佈局了新一輪技術浪潮，甚至還可能成為推動下一代計算終端變革的動力。

　　與其以“急”字解釋高通之變，不如説是時代技術洪流之所向。而高通也早早把握住了航向，在關鍵時機有了點燃技術新爆點的底氣。

　　質變如何複製？

　　高通質變，只是整個行業鉅變的一個縮影。

　　從工農業、城市交通、醫療生活等各行各業，到智能汽車、IoT、XR等細分領域，現今都在計算和連接方式變化的推動下產生新一輪技術更迭。

　　在這背後，正是AI這一底層技術驅動，所引發的由點到線及面的冪集創新，其中高通又以芯片為基，將AI技術完整搭載成一套引擎、成為行業方方面面的驅動力。

　　但如果換個角度來看，像高通這樣的質變，是否還會在更多領域出現？又或者説，高通這樣的質變是否還能“複製”？

　　從芯片等方向選擇角度來看或許難以複製，但核心思路卻有幾點可以借鑑。

　　一方面是抓住最基礎的技術進行研發，並擁有迅速落地、進而降本增效的能力，另一方面則是基於自身生態型的作用力，將技術影響擴大到千行百業中去，與更多廠商合作開發出更廣闊的市場。

　　以移動場景為例，如果過去以手機延展出的功能應用，只是數以百計的垂直軟件生態；

　　來到網聯計算時代，以AI為核心、5G為連接動力、芯片為計算基礎的終端設備，將會再度帶來數以百計的橫向產業拓展，進而帶來數以千萬計的開發者生態與企業機遇。

　　這或許也是高通並不侷限於手機場景，而是選擇提前佈局下一代移動設備的原因。

　　從此前發佈的高通AI軟件棧等“基礎設施”，到高通在這次驍龍峯會上展示的各行各業合作案例，它們本質上都在體現高通的AI技術已經深入這些行業中，賦能產品、並給行業帶來根本性的變革。

　　參考鏈接：

　　[1]https://www.technologyreview.com/technology/neuromorphic-chips/

　　[2]https://www.scoop.it/topic/amazing-science/p/4023296590/2014/06/20/mit-ranking-of-10-new-breakthrough-technologies-in-2014

　　[3]https://www.youtube.com/watch?v=8c1Noq2K96c