高通:人工智能不一定都靠“云” 终端也能拥有强大能力

[摘要]在计算和连接技术上拥有大量的IP积累也使高通成为人工智能(AI)领域的“赋能者”。
在IT界,继移动互联网之后,人工智能浪潮也已经开始掀起。人们开始越来越关注人工智能技术即将给生活带来的改变。凭借这股浪潮,人工智能有望成为未来10年乃至更长时间内产业发展的焦点技术。国内外巨头们也都加紧了在该领域的布局速度。

人工智能将是一场有关IP的竞赛

根据此前麦肯锡发布的研究报告《人工智能,下一个数字前沿》中提到,2016年科技巨头们在AI上的花费平均在200亿至300亿美元之间。其中90%用于研发和部署,剩余的10%则用于AI的收购。从全球范围来看,去年一整年的AI投资中,美国公司占据了其中66%的比例。

人工智能领域的不断发展离不开世界领先科技公司之间关于创新和技术能力储备的竞赛。累积越多的技术实力,才能在人工智能的比拼中拥有更大的话语权。而IP是指关于人类社会实践中创造的智力劳动成果的专有权利,也是衡量一个企业或者产业创新和技术实力的重要标准。

ICT(信息通信科技)界谈到创造IP最多的企业,一定绕不开坐落于美国圣迭戈的高通公司,作为全球移动通信领域的领先企业,目前在全球范围内提交的专利申请数量已经超过13万件,并且每年还将把20%的税前营收全部投入到新技术的研发中,推动移动行业与相邻行业的创新。

高通通过专利许可,与业界分享研发的先进技术的同时,也进一步推动了产业的发展。截止目前为止,国内有百余家手机企业已经与高通签署了专利许可协议。而在计算和连接技术上拥有大量的IP积累也使高通成为人工智能(AI)领域的“赋能者”。

今年7月,国务院印发了《新一代人工智能发展规划》,强调要建立人工智能技术标准和知识产权体系,支持人工智能企业加强专利布局。而高通作为IP高产科技企业,正在凭借自身的计算能力和连接能力, 围绕人工智能领域与合作伙伴一起展开全面的生态布局。

让手机成为AI落地的最大载体

前不久,高通宣布收购荷兰一家专注于制造业、医疗保健和金融行业机器学习和深度学习技术和解决方案的阿姆斯特丹大学附属初创公司Scyfer。高通集团全球副总裁、投资部中国区总经理沈劲透露,高通在人工智能领域投资的相关公司和项目包括:美国大脑集团(brain),它用七年时间,从研究人的大脑开始,到提供软件,应用于机器人,实现移动性、导航性;还有美国人脸识别公司Clarifai;中国智能语音公司云知声等。但其实高通在机器学习领域的探索早在十年前就已经开始。最初高通主要研究的是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。一段时间后,高通的研究范围逐步扩展到深度学习领域,其中包括感知、推理和行动,并涵盖了听、看、监测、观察、学习、自然交互和保护隐私等方面。

当我们谈论人工智能的时候,不外乎5个要素:算法、计算、语音、图像识别和视觉等。国内外能叫的上来的互联网巨头们也正在加紧这其中几个领域在“云”上的应用。与他们不同的是,高通的目光并没有放在云端的AI中,而是希望将机器学习应用在终端上,也就是聚焦在自己的长板上。

根据Gartner预测显示,自2017年至未来5年内,智能手机的出货量累计将达85亿台。今年手机上开始有了人工智能的性能,如OPPO的R11的背景虚化。下一步,还会有多种拍照功能,如360度拍照、视频剪辑;以及个人助理功能,如管理账单、写日记等, 把人工智能技术应用到手机上。高通的愿景是希望未来每部智能手机、终端设备和汽车都能通过高通的芯片组“触碰”到人工智能技术。虽然目前大多数公司看重的是基于云计算技术来发展AI,但高通的目标是每一台终端设备,并且认为未来智能手机将成为人工智能落地最大的载体,即让所有终端设备和一切事物都具有强大的感知能力。选择终端而不是云来承载人工智能技术,其实是有原因的。首先,当人工智能的操作和运算发生在较近距离的时候,一定程度上能降低延迟的发生。其次,随着设备中产生的数据量增多,让所有数据都依赖于“云端”操作显然会大幅增加通信网络的压力,反之在设备端上进行一些及时有效的运算,则可以让通讯变得更加行之有效。而最重要的一点,终端具备数据的私密和安全性,这一点往往是云端相对薄弱的。

而如果想在智能设备上加载人工智能的运算,实施起来并非易事。必备条件一个是要提高手机芯片的运算能力,另一个是需要一套有效好用的开发工具,让运算得以在终端上容易部署,还有一个是基础连接能力。

人工智能涉及到大量的数据和复杂的运算,需要基于后台大型服务器或云端来完成。而随着移动处理能力的逐步提升,这样的运算在多台终端设备的分布式架构上也可以得以实现。对于高通来说,不仅拥有AP(移动应用处理器),还具备基带、射频、GPU、蓝牙、音频等关键模块。截至目前,高通的AP已应用到许多行业和场景。此外,高通在今年上半年推出的骁龙835移动平台,不但推动着全球手机业的发展,还正在朝更多终端领域渗透,从而形成适应新时代下的计算能力。

另外,高通首个面向骁龙系列移动平台设计的深度学习软件框架骁龙NPE(Neural Processing Engine神经处理引擎)的软件开发包(SDK)已经面向开发者推出。利用NPE开发包的深度学习能力,能够加强使用者的实验功能,如风格滤镜、场景侦测、脸部识别、自然语言理解、物件追踪与回避、手势捕捉和文字辨识等。

再加上让NPE与高通的Snapdragon 600和800系列处理器相容,并支持包括Caffe、Caffe2、Tensorflow等在内的通用深度学习开发框架,这意味着如果用户正在构建AI的应用程序,则可以通过集成高通的SDK,在具有兼容处理器的手机上运行速度更快。例如首款整合其SDK的社交巨头公司Facebook,通过使用NPE,Facebook的过滤器速度比通用CPU实现方案要快了五倍之多。

5G 是实现人工智能终端化的基础条件

最后我们再来说说5G,一个要想在终端上应用人工智能技术的重要基础条件。高效无线通信技术的加入,可以让设备和云之间实现智能连接。在《新一代人工智能发展规划》中也提到了一点,要布局第五代移动通信(5G)系统,加快天地一体化信息网络建设,提高低时延、高通量的传输能力。5G时代的到来,实实在在地推动着人工智能技术的进一步发展。

5G正是以移动通讯起家高通公司在过去几年所专注的领域。 打开高通的官网,一句slogan映入眼帘——“过去三十年,我们连接人与人。5G时代,我们连接万物。” 5G时代的到来,也为人工智能技术的应用提供了更好的条件。长期以来,高通一直在通讯领域扮演着领导者的角色。基于3G、4G与Wi-Fi技术上专业知识的积累,高通在十多年前就开始致力于全新5G的研发。并且在过去18个月里,高通已推出6GHz以下5G新空口(5G NR,NR指的是移动终端和基站之间的连接协议)原型系统。9月11日,高通又宣布推出5G新空口毫米波原型系统,用于测试和试验毫米波在真实环境中面临的诸多挑战,如终端设计和手握带来的信号阻塞等。

不过,要实现5G的大规模商用估计还要等到2020年。而在此前,4G和5G之间,这里还需要提到千兆级LTE,作为5G的必经之路,当前已经有来自18个国家的26家运营商正在积极部署中。

而全球范围内,高通已经宣布推出首个5G调制解调器——骁龙X50 5G调制解调器系列,可通过单一芯片支持2G/3G/4G/5G多模,支持全球5G新空口标准和千兆级LTE,成为首家发布商用 5G调制解调器芯片组解决方案的公司。不仅满足高清视频、VR、AR等新兴应用的需求,同时还为上文提到连接云端和智能设备提供了很好的支持。

目前,人工智能行业发展健康,下一步需要更强的计算能力和更多的数据,而高通希望将自己的连接和计算的优势发挥到最大,在竞争伊始的全球人工智能市场中尽早站稳脚跟。




免责声明:

本站系本网编辑转载,会尽可能注明出处,但不排除无法注明来源的情况,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系, 来信: liujun@soft6.com 我们将在收到邮件后第一时间删除内容!

[声明]本站文章版权归原作者所有,内容为作者个人观点,不代表本网站的观点和对其真实性负责,本站拥有对此声明的最终解释权。