手机芯片之外 高通的5G、VR、机器学习布局如何?

手机芯片之外 高通的5G、VR、机器学习布局如何?,第1张

  据外媒报道,高通今年有许多大动作,发布了首款5G调制解调器,承诺把LTE网速提升至Gbps级别,最近与三星合作公布了业内首款10纳米工艺芯片。目前,消费者对手机要求越来越多,而非仅仅局限于更快地运行应用和游戏。

  双镜头相机要求专用ISP(图像信号处理)硬件,独立或基于智能手机的虚拟现实,要求创新性的妥协,以减小尺寸。

  过去两年,这些新要求已经改变了高通芯片设计方法。高通的目标是不仅仅满足智能手机需求,还要满足无人机和虚拟现实等应用的需求。

  虽然骁龙835将是明年的旗舰芯片,高通还考虑将现有技术用于低处理能力的物联网设备、云计算和机器学习

  

  高通骁龙芯片

  机器学习和异构计算

  虽然机器学习技术的主流是云计算解决方案,但越来越多的机器学习解决方案在移动设备上运行。这正是异构计算日趋重要的原因,自骁龙810芯片引入异构计算解决方案以来,高通在这方面取得了相当大进展。

  高通的策略不仅仅是把负载分散到CPUGPU上,也利用其Hexagon DSP和Spectra ISP完成部分任务。其理念是,通过选择最高效的组件完成任务,实现提升性能和降低能耗的目标。这将是高通未来策略的关键组成部分,尤其是在与机器学习结合改进提供给消费者的功能方面。

  汽车、无人机、智能家居都将利用机器学习技术向消费者提供更强大功能,其中包括目标和语音识别,以及自动驾驶汽车。实际上,高通已经推出一款汽车专用骁龙820芯片——增强了机器学习和通信功能,虽然核心功能与智能手机芯片相似。

  机器学习的其他应用范例包括通过脸部或语音识别提高设备安全性,拍照时软件可以确保对焦准确。目前只有约1%智能手机应用利用了机器学习技术,但市场研究公司IDC预计未来2-3年这一比例将上升至约50%。

  

  高通机器学习产品线

  当然,开发机器学习技术的并非只是高通和设备厂商,第三方开发商也可能有足够的好创意。为了推动骁龙设备上机器学习应用的开发,高通今年早些时候发布了Neural Processing Engine SDK——目前支持骁龙820系列处理器。该平台支持包括Caffe和CudaConvNet在内的常见深度学习框架。

  双镜头技术,虹膜和脸部扫描,虚拟现实的需求越来越高,它们都要求智能手机运行越来越多的复杂计算算法。但是,手机受到能耗和发热量的严格限制,在运行这类应用时面临挑战。专门硬件和异构计算是克服手机这些问题的关键。

  机器学习任务类型有许多,有的在CPU上能更高效地运行,有的在GPU上能高效地运行,也有的在DSP等专门硬件上能高效地运行。许多任务需要并行完成,因此,将负载分散到不同核心是向消费者提供这类功能的关键。

  高通设想通过在芯片中整合更专业化的硬件模块,提高完成对计算能力要求较高任务的效率,估计效率将提升4-20倍。

  高通的Hexagon DSP、Spectra ISP和众多传感器处理单元,使得它能为考虑应对这些新挑战的开发者提供经过优化的硬件。海思半导体的麒麟960芯片就集成有ISP硬件,专门完成图像处理任务。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/dianzi/2697334.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-08-16
下一篇 2022-08-16

发表评论

登录后才能评论

评论列表(0条)

保存