阅读：0
听报道
作者：周素云
上周，苹果和高通联合发布声明，放弃在全球层面的所有法律诉讼，签署至少六年的专利许可协议和多年的芯片组供应协议。声明发出后1小时，高通股票暴涨23%收盘。高通股票上一次如此大涨，还是在1999年。
就在和解的两天后，高通人工智能开放日在深圳举办。大会从智能手机、汽车、物联网、研发和投资多个领域展示了高通十年AI基础科技研发成果，以及推动AI在不同行业落地和普及的最新进展。
从投资、研发到落地，除了芯片技术，高通还展示了一整套完整的5G+AI战略。
本次开放日以“这是AI触手可及的时代”作为主题，可见在高通看来，AI远不是高高在上的技术，它应该落实在实际的产品体验，帮助我们解决身边的现实问题。
“想象力工程”首推王者荣耀AI战队
此次大会最大的亮点之一莫过于王者荣耀AI战队“SUPEX”，这是高通与vivo、腾讯王者荣耀、腾讯AI Lab四方合作开展“想象力工程”项目，旨在共同推动和探索终端侧人工智能应用的全新体验。
将移动游戏的AI推理能力首次大规模从云端迁移至终端侧，并通过《王者荣耀》等MOBA类游戏场景的实验环境来不断提升和优化AI战队的实力，为移动电竞带来更好的竞技体验。
生态系统投资战略
高通创投成立于2000年，曾投资小米、商汤等56所家中国公司。此次大会上，高通创投创投董事总经理沈劲详细介绍了未来高通创投的投资重点：5G赋能的智能互连。
将设立1亿美金AI投资基金，以投资加速AI技术创新的全球企业；
设立1.5亿美元中国战略投资基金，支持中国初创企业发展。
与高通展开广泛的合作有着这异曲同工之妙，当整个5G生态系统更加成熟，那么技术创造的价值才能得到更大的发挥。
在人工智能方面，高通创投将主要侧重于3个方面：
高效的硬件，包括超低功耗和有限发热的前提下有效运算神经网络、类眼芯片、类脑芯片和光子芯片产业链；
先进的算法，如：自适应编译器、生产算法的算法，从最先进的深度学习网络中研究的算法、为有限空间和有效性设计的算法；
垂直平台和典型应用，从手机平台到物联网、农业、汽车等平台，同时开发者社区和产业应用的对接方面也会有相应的投资。
结合XR（VR、AR、MR）与机器人，高通创投将5G+AI的目光转向制造业。
柔性制造的模式其实广泛存在，比如定制，这种以消费者为导向的，以需定产的方式对立的是传统大规模量产的生产模式。在柔性制造中，考验的是生产线和供应链的反应速度。XR实现引导执行、动态工厂重构、5G提供高可靠低时延的无线网络连接、实时的供应链可视化、AI提供预测性维修、安防等，“5G+AI+XR“三者的融合将更好的赋能柔性制造。
智能制造是指具有信息自感知、自决策、自执行等功能的先进制造过程、系统与模式的总称。高通创投所看好的智能制造项目包括传感器、AGV（自动导引运输车）、工业机器人、AR头显设备、手持终端、安防摄像头和边缘计算分析等。
在机器人领域，沈劲表示将投资应用场景更加明确的机器人企业。概念驱动的机器人不被看好，如情感陪伴等没有解决实际痛点的项目。会倾向于问题驱动的解决方案、远程现场的应用场景以及安全技术、大数据科学、算法等关键技术和服务的机器人项目。
如上图所示，交互技术和感知技术仍然是物联网投资领域的重点。在此次大会上也公布一系列高通在物联网领域所取得的进展。
5G+AI让智能从云到端
除了IoT成就之外，Cloud AI 100 以及在CES发布的三款AI芯片665、730、730G也再次亮相。
目前，高通支持完整的从云到端的AI解决方案。以高通于去年年底推出骁龙855移动平台为例，它集成第四代多核高通AI Engine，其中包括全新设计的、专门面向AI处理而设计的硬件核心——Hexagon张量加速器（HTA），骁龙855也是全球首款商用的5G移动平台，与骁龙X50 5G调制解调器搭配可以支持数千兆比特5G连接。
高通还宣布了面向高端和中端市场的全新骁龙7系和6系全新平台。骁龙730和730G移动平台集成了多项过去仅在骁龙8系支持的技术，它提升了拍摄、游戏、语音和安全的终端侧直观交互的处理速度，AI算力是前代平台骁龙710的2倍。除智能手机外，面向移动计算、XR、物联网、音箱和汽车，Qualcomm也都已经推出集成其人工智能引擎AI Engine的产品平台。
高通也正在将领先优势拓展至云端，宣布推出全新打造的Qualcomm Cloud AI 100加速器。这款用于数据中心的AI推理处理器，旨在让分布式智能可以从云端遍布至终端之间的全部节点。此外，高通还将为开发者提供完整的工具和框架支持。
该产品将于2019年下半年开始出样。
AI技术优化AI模型
在研发硬件的同时，高通也在推动AI软件算法的研究，包括G-CNN、神经网络压缩、机器学习训练工具等等，推动人工智能以实现高能效。通过自动化技术，利用AI技术来优化AI模型、缩短产品上市时间并减少工程成本。
通过硬件感知压缩，自动移除不重要单元同时保持准确度，压缩量达到3倍，同时准确度仅损失不到1%。通过量化自动降低权重和激活精度，实现内存和计算4倍能效提升，可以和FP32实现近乎相同的准确率。面向自动化硬件编译的强化学习，可以应对数十亿对潜在组合。
高通把量子场论等物理学的基础数学框架融入到深度学习领域，提出了3D物体识别的新思路。他们正在研究一种新型卷积神经网络。
泛化G-CNN：泛化输入，比如旋转的物体，适用于无人机、机器人、汽车等；泛化几何图形，比如面向鱼眼镜头的曲面图像对象、3D游戏……
话题：
0
推荐
财新博客版权声明：财新博客所发布文章及图片之版权属博主本人及/或相关权利人所有，未经博主及/或相关权利人单独授权，任何网站、平面媒体不得予以转载。财新网对相关媒体的网站信息内容转载授权并不包括财新博客的文章及图片。博客文章均为作者个人观点，不代表财新网的立场和观点。
京公网安备 11010502034662号 