人工智能作為目前手機的最熱門功能，是可以與5G相媲美的未來手機發(fā)展趨勢。即使在我們目前所使用的4G手機中，人工智能也已經比不可少，手機中的很多功能已經要借助于人工智能性能來實現，生物特征解鎖、拍照、語音助手、AR識別翻譯等功能都是如此。

人工智能離不開模型算法的優(yōu)化，同樣也離不開底層硬件所提供的性能支持。高通方面作為手機市場中最主要的供應商之一，對于人工智能方面也有著一套獨特的做法，高通在人工智能方面有哪些特色，高通產品市場總監(jiān)劉學徽就為我們進行了一番分享。

云端與終端缺一不可 終端側性能影響最終體驗

人工智能在近年的發(fā)展比較迅速，其主要有終端側與云端兩種不同的配備方案。兩種方式各有所長，云端的優(yōu)勢在于它的資源非常豐富，不管是計算資源、能效還是內存，都可以通過強大的計算能力來實現相應的運算處理。終端側的限制條件較多，計算力、電池、存儲空間都會受到限制，更適合做一些快速的運算。

人工智能的運用，顯然是要通過云端與終端兩方面相結合才能夠獲得優(yōu)秀的體驗。目前的手機市場中，在云端方面大多負責AI模型的培訓，畢竟這方面所需要的大規(guī)模運算時，在終端側根本無法實現。另外云端側還要負載在終端側無法處理的信息。

終端側則使用云端已經訓練好的模型，力圖以最小的功耗來提供最優(yōu)秀的性能表現。因此就實際的用戶體驗來說，終端側與用戶的聯系是遠遠超過云端的，而影響人工智能使用體驗的主要因素，也是在于我們手機終端側的性能表現上。

高通三代AI引擎迭代 打造生態(tài)推動AI發(fā)展

高通作為AI方面的主要推動者之一，十分注重終端側性能表現，驍龍人工智能引擎（AIE）目前已經發(fā)展到了第三代。高通早在2008年就開始涉足AI方面，在2015年開始推出產品，當時Facebook率先在AI方面定義了Caffe模型，高通驍龍820就在CPU上實現了Neon加速。

第二代支持AI的平臺驍龍835，已經通過神經處理SDK很好地支持了TensorFlow和Caffe兩大主流框架。CPU、GPU和DSP均可以支持運算，尤其是在GPU和DSP上，能夠讓AI運算的性能和功耗都得到顯著優(yōu)化。

隨著AI的興起以及整個市場規(guī)模的不斷壯大，在TensorFlow、Caffe之外，百度PaddlePaddle、商湯Parrots、Android NN等等模型的推出，對終端側提出了更高的要求。驍龍845平臺作為高通的第三代AI平臺，對上述模型有著全方位的支持。

人工智能AI方面除了硬件的基礎性能外，軟件優(yōu)化也能夠顯著的提升性能表現�；�于高通方面的測試數據，在硬件配置完全相同的情況下，對軟件方面的優(yōu)化能夠大幅提升性能表現，在一年的時間里就能讓性能翻一番。因此，高通人工處理引擎AI Engine不僅是硬件上的提升，同時強調軟件對模型、算法的支持和優(yōu)化。

此外，高通方面還在與整個生態(tài)系統(tǒng)合作伙伴共同推動AI的發(fā)展。商湯、Face＋＋、虹軟等廠商所推出的創(chuàng)新性的算法和應用在驅動高通方面不斷的進行改進。同時，高通也與騰訊等云端服務商合作，借助驍龍神經處理SDK來進行終端側的實際應用。比如手機QQ的“高能舞室”功能，就是直接運行在手機上的人工智能神經網絡，無需在云端進行處理。

AI性能衡量標準 要看模型與效率

在面對以往設備的性能問題上，往往都具備一個大家所公認的基準測試標準，也就是俗稱的跑分，但是AI所誕生的這三年時間里，卻并沒有一個所公認的標準，大家對于AI方面的性能描述，還要依靠實際的使用，這也導致用戶對于AI性能沒有一個衡量標準。

對于AI基準測試，高通方面認為有三個至關重要的指標：第一是準確率，第二是性能，第三是能效。上述三個重要指標的實現，可以在真實使用環(huán)境中帶來很好的用例，而真實生活中的用例才應是衡量AI基準測試真正關鍵的指標，并不僅僅是網路，而是真正的通過神經網絡帶來的用例。

現在市面上有很多基準測試工具，使用的模型不同、權重不同，那么測試結果也會不同。甚至有些模型完全沒有實際的應用落地，只是能夠進行壓力測試，而這樣的模型所表現出的性能基準測試成績，甚至可以說是毫無意義。高通方面對于目前主流的神經網絡模型進行了一個曲線分析，ResNet50和Inception－V3是當下在終端側效率最高的，能夠讓用戶獲得最好的體驗，是高通方面認為基準測試應當最為看重的。

另外AI基準測試軟件的性能表現，會受到測試機型驅動程序的影響，如果不使用最新的軟件版本的話，是無法啟用相應硬件的加速的。高通方面對于新版本系統(tǒng)的驅動程序已經進行了跟進，最新的Android 9．0系統(tǒng)中，高通方面已經開始了Adreno GPU的驅動程序更新，在運用新款驅動后，在AI基準性能測試中的成績會有很明顯的變化。