骁龙咣咣咣三脚，再次改写格局_风闻

　　鱼羊 萧箫 发自 凹非寺

　　量子位 | 公众号 QbitAI

　　盆友们，骁龙，已经不再是以前那个骁龙了。

　　就在大家吃瓜安卓新旗舰芯片谁家首发之际，骁龙峰会的绝对主角，却只差没把“时代变了”写在脸上：

　　先是第一天直接挤爆AI牙膏管，第二代骁龙8连ISP、5G调制解调器都武装上了神经网络。

　　紧接着第二天，干脆从手机端进一步腾开手去，就差没告诉围观群众：

　　XR也是我高通押注的下一代移动终端。

　　这不，直接引爆了一波有关“2023是AR眼镜元年”的讨论。

　　从这种种迹象来看，骁龙，乃至背后的整个高通，步调更好，速度更快。

　　这样的变化，意味着什么？又有哪些信息点值得科技发烧友和行业观察者们关注了解？

　　其表其里，咱们一分为三，细细拆解来看。

　　骁龙三变

　　“一变”

　　骁龙第一变，还是要从最引人瞩目的第二代骁龙8说起。

　　围绕这颗安卓旗舰最强“心脏”，官方剑指何处已经完全明示：几乎是三句话不离AI。

　　换句话说，以往在幕后暗自发力的AI，如今不仅走向台前，还成了全场毋庸置疑的第一主角。

　　先是在“基础设施”层面上，高通AI引擎的核心Hexagon处理器架构全新升级，打出一套AI加速组合拳：

　　激活函数加速 + 分组卷积加速 + 张量加速器性能翻番。

　　还引入了微切片推理，并为这一核心处理器配备了专门的供电系统。

　　这使得第二代骁龙8相较于前代产品，在自然语言处理等场景下，AI性能提升了4.35倍。

　　提升AI加速器的数量和性能之外，第二代骁龙8也率先支持了INT4 AI精度格式。

　　这就带来了持续AI推理方面**60%**的能效提升：

　　相比于浮点精度格式和INT 8，以INT 4精度格式运行的AI模型，所需的计算资源更少。这为开发人员们在手机里部署更多量化模型提供了硬件基础。

　　值得关注的是，在第二代骁龙8里，不仅是以上AI“基础设施”全面升级，连ISP和5G调制解****调器这样的模块，如今都跟AI更深度的绑定了。

　　第二代骁龙8搭载的业界首个认知ISP，这回跟Hexagon处理器来了个直接连通，通过在两者之间增加一个名为“Hexagon直连”的物理连接，提供更加强大的影像AI处理能力。

　　基于此，第二代骁龙8能通过实时语义分割，实现照片和视频的自动增强。摄像头捕捉到的人脸、头发、衣服、天空等种种画面细节，都能被针对性地优化处理。

　　至于手机芯片中最“传统”的调制解调器部分，骁龙此番也强调了首个5G AI处理器的作用：通过分析信号完整性和信噪比，AI能够改善无线带宽、延迟等性能指标。

　　加之对Transformer等网络的支持，又将语音自定义唤醒词、快速多语种翻译等软件能力带到了手机芯片上，可以说，单从手机芯片的变化来看，骁龙这波操作，是把“无AI不芯片”的趋势再度推向了高潮。

　　这股AI爆发之风，也并不仅限于手机芯片。

　　“二变”

　　这就要说到骁龙第二变：押注下一代移动终端。万物连接的移动设备种类，正在突破此前的局限。

　　此番引发外界不少讨论的第一代骁龙AR2平台就是一个例证。

　　第一代骁龙AR2，是骁龙首个专门为头戴式AR设备打造的移动平台。

　　目的很明确：成为新一代最强轻薄AR智能眼镜的“智能大脑”，开创真实世界与元宇宙相互融合的空间计算新体验。

　　具体到功能特性上，一方面，是解决AR眼镜重量、时延等固有问题：

　　采用分布式处理架构，实现更均匀的配重并降低左右眼镜腿宽度；动态将时延敏感型感知数据处理直接分配给眼镜终端，把更复杂的数据处理需求分流到手机、PC或其他主机终端上。

　　另一方面，依然是以人工智能为核心，提升AR眼镜所带来的实际产品体验：

　　其AR处理器中，搭载了专门的视觉分析引擎，结合ISP和Hexagon处理器，能在图像识别、分类和手部跟踪等AI算法上实现2.5倍加速。

　　根据高通官方消息，目前，PICO、联想、小米、Nreal、OPPO和LG等厂商，都是骁龙AR的合作对象。

　　并且在AR的应用生态方面，高通也已有所布局：比如与《宝可梦GO》的制作方Niantic携手，推出AR眼镜版的增强现实游戏。

　　值得一提的是，这样设备边界上的突破，以AR为典型代表，却同样不止于AR。

　　从高通与微软的最新合作计划中亦可见一斑：基于骁龙平台，高通将高通AI引擎引入Windows 11，以实现笔记本上语音、图像处理等功能的AI加速，同时促进智能手机和PC的融合。

　　说了这么多，归结起来，第一变可以说是AI能力的加速爆发，第二变是突破边界的万物互联，在这两者的基础之上，骁龙，乃至背后高通布局重心之变，也就愈发明朗。

　　“三变”

　　即，骁龙第三变，就是连接到智能计算的改变，进一步说，也就是高通提及的“网联计算”。

　　人们从前讨论移动设备，更多聚焦于手机，讨论的是信号是否更好了、网速是否更快了。

　　但现在，在通信、连接的基础之上，人们关心的重点，已经变成了什么样的智能功能更好用，哪家对游戏等应用的智能加速效果更强劲。

　　甚至在这样的讨论之中，手机已经不是唯一的主角，下一代计算平台的价值开始获得更多关注和认同。

　　对于高通这样的厂商而言，这一方面可以归结为时代技术浪潮之所至，另一方面，也是其本身“春江水暖鸭先知”，早期技术厚积薄发的体现。

　　量变到质变的奇点，厚积薄发的AI脉络

　　事物的变化，往往由量变引发质变。

　　高通之变并非在这次骁龙峰会上才有所体现，其AI革新脉络从更早时候便已有端倪可循。

　　2007年高通启动第一个脉冲神经网络相关的研究项目，依托于生物神经元设计，目的是让神经网络构造更高效节能，同时在架构上更适配硬件工作原理。

　　针对脉冲神经网络等AI领域的研究，在2013年正式转变成更具体的成果。

　　这一年，高通提出了Zeroth计算平台，希望能用AI处理图像、声音等信息，如开发语音识别功能等，如今来看相当于NPU以及其搭载的神经网络计算能力的平台。

　　****△2013年搭载Zeroth的机器人训练，图源高通

　　当年，高通这项名为神经形态芯片 （Neuromorphic Chips）的技术，被认为是颠覆性的突破，并于2014年被MIT Technology Review评选为全球十大突破技术之一。

　　Zeroth奠定了高通AI引擎（AI Engine）的基础。2015年，骁龙820正式搭载第一代AI引擎，除了能用于人脸照片检测和手写识别以外，高通还展示了它能被应用于降低功耗、提升电池使用时长的能力。

　　随着对AI研究进一步深入，高通钻研的方向不再局限于硬件计算本身，同样还放在了移动设备功能的丰富度，即算法和硬件的协调能力上，力图让更多已实现的AI算法落地到移动设备中去。

　　从最初为各硬件引入AI技术加大研发力度，到如今AI引擎已经成为高通芯片的标志之一，究竟是什么引发了高通的质变？

　　可以说，自身技术积淀和场景需求爆发，成为了引发高通变化的两大关键节点。

　　从技术维度来看，高通经历了由AI技术“引入者”到AI基础设施“提供者”的转变。

　　一方面表现在对AI框架的支持度上，包括与谷歌、脸书AI合作，对TensorFlow、Caffe2等AI框架进行加速；以及与微软、亚马逊合作支持ONNX等AI模型格式等。

　　另一方面，则体现在各种AI算法的研发和开源上，从这些年的顶会论文数量可见一斑。

　　如果从2011年开始在计算机顶级学术会议上发表论文算起，现在其能够查阅到的已经有不下130篇AI研究发表在各种顶会上，今年一年就接近30篇：

　　观察这些论文类型可以发现，其研究领域从机器学习基础的量子、几何和贝叶斯深度学习，到降低能耗的量化模型、提升信号强度的优化算法和AI编译器，再到应用范围更广的计算机视觉、联邦学习和强化学习等，开源的案例就有不少。

　　这些研究放到AI基础设施的搭建上，又进一步被分为基础架构和应用设施等维度。

　　基础架构上，提升硬件处理AI算法的数量和性能，让更多厂商开发的AI算法能被应用于更小的设备上，结合云端提供的算力，进一步让终端设备实现的功能范围最大化，这里又以软硬件配合方面的量化等算法应用更为广泛。

　　应用设施上，即加强高通AI基建的模块化能力。除了侧重软硬件协同处理外，从今年发表的顶会论文情况来看，又有相当一部分集中在视频语义分割、3D姿态估计等更通用的计算机视觉任务上。

　　但无论是提升算法在硬件平台上的适配能力，还是提升算法本身的性能、包括数据压缩能力，本质上都与增强移动平台对AI的“掌控力”紧密相关。

　　换而言之，高通实现了从各大模块支持AI、到AI驱动各个模块的转变，让自身AI能力进一步具备了应用到更多设备上的通用性——

　　从场景维度来看，高通所连接的也不再仅仅是手机，而早已扩大到PC、智能汽车乃至XR等平台中。

　　如这些年加大力度投入的智能汽车方向，与手机一样也同样是视频语义分割技术的应用领域之一。

　　在智能驾驶上，高通此前就已经推出过开源的InverseForm框架，在复杂道路区分与检测上表现出更好的性能，无需担心汽车再开到绿化带、或是带阴影的人行道上。

　　基于AI技术打造的骁龙座舱平台和骁龙智能驾驶平台（Snapdragon Ride），更是颇为“抢手”，一度成为车圈叫好叫座的宣传词之一。

　　又如早在数年前就已有布局的XR方向，高通基于这一平台的高效低耗要求，于2019年推出了骁龙XR2平台，也是首款将5G和AI结合的XR芯片。

　　相比手机，XR设备带来的更好的虚拟与现实世界的交互性，又能给AI落地带来新的思路，例如平台上搭载的场景理解、3D重建等技术，就是基于XR自身特性延展的。

　　不久前推出的第一代骁龙XR2+平台，则引入了全新图像处理管线，不仅支持并行感知技术，包括头部、手势和手柄追踪、低时延视频透视等能力，其PC级虚拟景观还能为虚拟人物赋予更逼真的面部表情。

　　移动PC领域，高通也在尝试用AI来提升移动办公的生产效率。

　　如召开远程会议时，设备可以准确感知到主体的面部，即便是在人口嘈杂的街边咖啡店也可以实现精准聚焦，周围的路人也就不会出现在会议上。

　　如此说来，高通早已不只是手机芯片厂商，其所提供的技术早已经延伸到了智能汽车、PC、XR等平台……一系列你能想到的IoT设备，都已经被连接到高通以芯片为基、以AI软件栈为脉络搭建的网络之中。

　　作为一个专门给AI开发者打造的“工具箱”，高通AI软件栈进一步将汽车、手机、PC和XR等设备之间开发的应用从软件端打通，从而将硬件终端的优势进一步扩大，实现一次开发、跨终端部署。

　　随着AI开发部署的效率提升，作用的终端范围扩大，行业智能化速度也会迎来指数性增长。

　　由上来看，在临近质变前夕，高通就已经在量变的路上走了很久。

　　如今恰好赶上新一轮“万物互联”时代的智能爆发，高通以预见性的储备提前布局了新一轮技术浪潮，甚至还可能成为推动下一代计算终端变革的动力。

　　与其以“急”字解释高通之变，不如说是时代技术洪流之所向。而高通也早早把握住了航向，在关键时机有了点燃技术新爆点的底气。

　　质变如何复制？

　　高通质变，只是整个行业巨变的一个缩影。

　　从工农业、城市交通、医疗生活等各行各业，到智能汽车、IoT、XR等细分领域，现今都在计算和连接方式变化的推动下产生新一轮技术更迭。

　　在这背后，正是AI这一底层技术驱动，所引发的由点到线及面的幂集创新，其中高通又以芯片为基，将AI技术完整搭载成一套引擎、成为行业方方面面的驱动力。

　　但如果换个角度来看，像高通这样的质变，是否还会在更多领域出现？又或者说，高通这样的质变是否还能“复制”？

　　从芯片等方向选择角度来看或许难以复制，但核心思路却有几点可以借鉴。

　　一方面是抓住最基础的技术进行研发，并拥有迅速落地、进而降本增效的能力，另一方面则是基于自身生态型的作用力，将技术影响扩大到千行百业中去，与更多厂商合作开发出更广阔的市场。

　　以移动场景为例，如果过去以手机延展出的功能应用，只是数以百计的垂直软件生态；

　　来到网联计算时代，以AI为核心、5G为连接动力、芯片为计算基础的终端设备，将会再度带来数以百计的横向产业拓展，进而带来数以千万计的开发者生态与企业机遇。

　　这或许也是高通并不局限于手机场景，而是选择提前布局下一代移动设备的原因。

　　从此前发布的高通AI软件栈等“基础设施”，到高通在这次骁龙峰会上展示的各行各业合作案例，它们本质上都在体现高通的AI技术已经深入这些行业中，赋能产品、并给行业带来根本性的变革。

　　参考链接：

　　[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