现在人工智能已经成为驱动下一代创新浪潮的“源动力”技术之一,越来越多的企业都把人工智能作为产业发展的战略方向,积极地进行部署。人工智能正在影响越来越多的行业,并逐渐从云端向终端侧拓展,极大地改变了人们生活和工作的方式,终端人工智能这也正是高通发力的方向。对于人工智能,高通在人工智能创新论坛上阐述了人工智能战略,提出“全面提升终端侧的AI计算能力”(既人工智能的边缘计算能力的提升),并描绘了一幅高通与其客户共同打造的人工智能未来的美好蓝图。
中国近年来正逐步成为全球人工智能发展浪潮中的核心地区,在日益提升的创新环境的激励下,目前中国已经涌现出一批人工智能领域的明星企业。可以说,中国的人工智能生态系统呈现出一片枝繁叶茂、生机勃勃的活力景象。根据Gartner在2018年3月公布的预测数据显示,至2021年,人工智能衍生出的商业价值将达到3.3万亿美元。这从侧面印证了人工智能对于经济增长和行业变革是至关重要的。在5G尚未爆发之日,AI承载了万众对于新技术的期许与愿景。其活力与火热,似乎已经不需要更多言语来形容。
对于人工智能,高通在人工智能创新论坛上阐述了人工智能战略,提出“全面提升终端侧的AI计算能力”(既人工智能的边缘计算能力的提升),并描绘了一幅高通与其客户共同打造的人工智能未来的美好蓝图。
30多年来,高通一直引领者移动的创新,无论是在数字化移动通信变革的时代,还是从台式机向智能手机转变过程中重新定义计算,又或是在IoT时代发展过程中的众多行业变革,高通一直都在变革世界的连接、计算以及沟通的方式。
高通对于人工智能的研究,可以追溯到2007年,Qualcomm Research启动首个人工智能项目,随后开始进行脉冲神经网络研究;2009年,Qualcomm Technologies投资Brain Corp并与其合作;2013年,Qualcomm完成与Brain Corp联合研究,并开始研究人工神经处理架构;此后,开始通过深度学习研究人脸检测;2014年后,Qualcomm Technologies正式设立Qualcomm Research荷兰分支,并收购了EuVision;2015年,Qualcomm在世界移动大会(MEC)上展示了照片分类和手写识别应用、同年与阿姆斯特丹大学建立联合研究实验室,并发布了第一代人工智能产品(骁龙820);2016年后,Qualcomm神经处理SDK面世,同时推出了第二代人工智能产品(骁龙835);2017年后,高通宣布支持Facebook Caffe2,同年退出骁龙660以及骁龙630;2018年前夕,高通第三代人工智能产品发布(骁龙845);2018年至今,高通又推出了应用于物联网产经的视觉智能平台。5越24日高通人工智能创新论坛上,高通推出骁龙710移动平台。骁龙710采用支持人工智能(AI)的高效架构而设计,集成多核人工智能引擎(AI Engine),并具备神经网络处理能力。骁龙710是全新骁龙700系列产品组合中的首款移动平台,旨在通过为更广泛的用户带来部分顶级特性,从而超越人们对目前高端移动体验的期待。与骁龙660相比,在AI应用中实现高达2倍的整体性能提升。
高通正在把人工智能拓展到终端侧。未来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,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。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。
高通表示,人工指引要加入终端产品就需要实现隐私、可靠、低时延、高效以及个性化。人工指引的运算不能完全依靠云端,提升终端设备的AI计算能力至关重要。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。
此外,高通宣布成立Qualcomm AI Research,将公司范围内开展的全部前沿人工智能研究,进行跨各职能部门的协作式强化整合。依托Qualcomm Technologies在连接和计算领域的领先优势,Qualcomm AI Research目前开展多样化的研究工作,涉及高能效人工智能、个性化和数据高效学习。这些基础研究已经帮助打造出多个面向智能手机、汽车和物联网(IoT)的商用解决方案,并为终端侧智能拓展至更多全新行业奠定基础。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)