专注在智能和5G的高通.doc

《专注在智能和5G的高通.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、专注在智能和5G的高通　　2007年，大家习惯称之为移动时代的开端，因为那一年，互联网爆发，社交网络出现，谷歌、微软、Facebook进入了公众的视野，发生了两件改变世界的事情：一件是苹果年初发布了初代iPhone，第二件是高通同年11月推出了第一代骁龙芯片。也就是2007年，QualcommResearch开始了它的首个人工智能项目，研究面向计算机视觉和运动控制应用的脉冲神经网络，那时的高通或许没有预想到，十年以后，它拓荒的移动通讯和人工智能方向，正在成为如今数字化世界两股最大的变革力量。　　关于人工智能，我们听到很多神奇的故事，比如AlphaGo下围棋

2、战胜了人类，但在这两股变革力量的推动下，技术正潜移默化的改变着移动终端。你或许已经发现手机拍照更漂亮了，扫地机器人干活更聪明了，智能音箱更懂你了......更重要的是，这个变革时代才刚刚拉开帷幕，因为即将到来的5G，我们身边的终端能够承载更为庞大的计算力了。　　行走在“边缘”的智能　　正如高通中国区董事长孟樸最近在高通人工智能创新论坛上提到：“人工智能在影响越来越多的行业，并逐渐从云端向终端侧扩展，改变人们生活和工作方式。”　　过去，很多对神经网络的训练都在云端或者基于服务器完成的。近几年，整个模式有了很多变化，一些人工智能的训练、执行和推理工作，比如模式

3、匹配、建模检测、分类、识别、检测等等，逐渐从云端转移到了终端侧，所有的边缘终端都将具备机器学习能力。这意味着，数据处理将在最靠近数据源的位置处理，对云端处理进行补充。　　有三个主要原因驱动了这样的迁移和演进：　　第一，数据隐私。消费者对于个人数据隐私极其看重，个人数据的分享应该受到更好的保护，终端侧的安全性会更好一些。　　第二，性能。在终端侧完成相关的处理和推理工作，能保持超低时延的操作和运行，如果一切都在云端完成的话，考虑到云端处理获取信息的往返时间，无疑在时延方面会有很大的挑战。　　第三，可靠性。终端不可能完全依赖于云端来完成所有AI的运算和处理，一旦

4、连接中断，那么终端将失去其自身价值。　　终端侧人工智能的价值毋庸置疑，而高通作为一家移动通信公司，终端侧正是优势所在。高通产品管理总监GaryBrotman曾经在一次采访中提到，高通作为一个硬件平台和计算平台提供商，就是为了确保终端侧AI从性能到续航都可以高效地运行，实现更好的用户体验。　　专注在智能和5G的高通　　无线通信技术每十年出现一次飞跃，而高通30多年来一直希望变革世界连接、计算和沟通的方式。回顾高通的历史，首先实现了移动通信的数字化，确保人手一部移动电话。其次通过智能手机，重新定义了计算。现在，面对5G和人工智能即将带来的新转型，高通感到非常兴

5、奋，在高通人工智能创新论坛上，高通总裁克里斯蒂安诺·阿蒙（CrisTIanoAmon）不止一次的用“期待”这个词提到这场变革。　　　　高通总裁克里斯蒂安诺·阿蒙（CrisTIanoAmon）　　据Gartner2018年3月份数据显示，到2021年，人工智能衍生的商业价值将达3．3万亿美元。　　阿蒙认为，数万亿终端相互连接，要实现规模化，智能必须分布至无线边缘。当然，这并非易事，一旦在边缘进行机器学习，意味着需要在有限的环境中同时完成多类型的任务。因此，要想真正在边缘实现人工智能，需要提供不同的解决方案。　　5G是一个重要的解决方案。超高速、低时延的5G网

6、络支持迅速连接云端、并获得云端的无限存储及数据，同时在边缘具有处理能力的终端上进行感知、推理及行动。也就是说，未来的5G网络，除了提供无限读取数据、与云端高速连接的能力之外，还将带来无线边缘计算能力的巨大提升。举个例子，这种AI和5G的结合，可以使智能终端获得与PC相同的性能，比如在手机上享受与专用游戏PC一样的VR体验。　　更让人激动的是，2018到2022年，智能手机累计出货量将超过86亿部，移动终端的规模将为人工智能平台带来巨大潜能。毫无疑问，智能手机的巨大规模加上海量物联网，会把人工智能带至数万亿联网终端。　　这也是为什么高通选择通过将智能拓展到终

7、端侧，变革人工智能，利用5G优势在无线边缘构建处理能力，加强面向应用的计算性能。　　如文章开篇所提，高通多年前就开始进行人工智能的研究。目前，研究已经应用到了产品侧——从第一代人工智能平台骁龙820，到第三代平台骁龙845，高通移动平台已经为5G时代做好准备。且在高通人工智能创新论坛上，QualcommAIResearch成立，在统一架构下专注人工智能的研究，以加速高通在终端侧人工智能的创新。　　　　值得一提的是，终端侧人工智能也存在挑战。　　不难发现，移动终端正在推动工程设计持续演进。4G时代，我们需要让移动终端具备媲美PC的性能，同时考虑终端的外形设计

8、。未来也将如此，需要人工智能处理更多并发应用、更多机器学习的场景，