手机芯片之外 高通的5G、VR、机器学习布局如何？

　　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

　　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CPU和GPU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。