鱼羊萧箫发自凹非寺
量子位公众号 QbitAI
盆友们，骁龙，已经不再是以前那个骁龙了。
就在大家吃瓜安卓新旗舰芯片谁家首发之际，骁龙峰会的绝对主角，却只差没把“时代变了”写在脸上：
先是第一天直接挤爆 AI 牙膏管，第二代骁龙 8 连 ISP、5G 调制解调器都武装上了神经网络。
紧接着第二天，干脆从手机端进一步腾开手去，就差没告诉围观群众：XR也是我高通押注的下一代移动终端。
这不，直接引爆了一波有关“2023 是 AR 眼镜元年”的讨论。
从这种种迹象来看，骁龙，乃至背后的整个高通，步调更好，速度更快。
这样的变化，意味着什么？又有哪些信息点值得科技发烧友和行业观察者们关注了解？
其表其里，咱们一分为三，细细拆解来看。
骁龙三变
“一变”
骁龙第一变，还是要从最引人瞩目的第二代骁龙8说起。
围绕这颗安卓旗舰最强“心脏”，官方剑指何处已经完全明示：几乎是三句话不离AI。
换句话说，以往在幕后暗自发力的 AI，如今不仅走向台前，还成了全场毋庸置疑的第一主角。
先是在“基础设施”层面上，高通 AI 引擎的核心 Hexagon 处理器架构全新升级，打出一套 AI 加速组合拳：
激活函数加速 + 分组卷积加速 + 张量加速器性能翻番。
还引入了微切片推理，并为这一核心处理器配备了专门的供电系统。
这使得第二代骁龙 8 相较于前代产品，在自然语言处理等场景下，AI 性能提升了4. 35 倍。
提升 AI 加速器的数量和性能之外，第二代骁龙 8 也率先支持了 INT4 AI 精度格式。
这就带来了持续 AI 推理方面60%的能效提升：
相比于浮点精度格式和 INT 8，以 INT 4 精度格式运行的 AI 模型，所需的计算资源更少。这为开发人员们在手机里部署更多量化模型提供了硬件基础。
值得关注的是，在第二代骁龙 8 里，不仅是以上 AI“基础设施”全面升级，连ISP和5G 调制解调器这样的模块，如今都跟 AI 更深度的绑定了。
第二代骁龙 8 搭载的业界首个认知 ISP，这回跟 Hexagon 处理器来了个直接连通，通过在两者之间增加一个名为“Hexagon 直连”的物理连接，提供更加强大的影像 AI 处理能力。
基于此，第二代骁龙 8 能通过实时语义分割，实现照片和视频的自动增强。摄像头捕捉到的人脸、头发、衣服、天空等种种画面细节，都能被针对性地优化处理。
至于手机芯片中最“传统”的调制解调器部分，骁龙此番也强调了首个 5G AI 处理器的作用：通过分析信号完整性和信噪比，AI 能够改善无线带宽、延迟等性能指标。
加之对 Transformer 等网络的支持，又将语音自定义唤醒词、快速多语种翻译等软件能力带到了手机芯片上，可以说，单从手机芯片的变化来看，骁龙这波操作，是把“无 AI 不芯片”的趋势再度推向了高潮。
这股 AI 爆发之风，也并不仅限于手机芯片。
“二变”
这就要说到骁龙第二变：押注下一代移动终端。万物连接的移动设备种类，正在突破此前的局限。
此番引发外界不少讨论的第一代骁龙 AR2 平台就是一个例证。
第一代骁龙 AR2，是骁龙首个专门为头戴式 AR 设备打造的移动平台。
目的很明确：成为新一代最强轻薄 AR 智能眼镜的“智能大脑”，开创真实世界与元宇宙相互融合的空间计算新体验。
具体到功能特性上，一方面，是解决 AR 眼镜重量、时延等固有问题：
采用分布式处理架构，实现更均匀的配重并降低左右眼镜腿宽度；动态将时延敏感型感知数据处理直接分配给眼镜终端，把更复杂的数据处理需求分流到手机、PC 或其他主机终端上。
另一方面，依然是以人工智能为核心，提升 AR 眼镜所带来的实际产品体验：
其 AR 处理器中，搭载了专门的视觉分析引擎，结合 ISP 和 Hexagon 处理器，能在图像识别、分类和手部跟踪等 AI 算法上实现 2. 5 倍加速。
根据高通官方消息，目前，PICO、联想、小米、Nreal、OPPO 和 LG 等厂商，都是骁龙 AR 的合作对象。
并且在 AR 的应用生态方面，高通也已有所布局：比如与《宝可梦 GO》的制作方 Niantic 携手，推出 AR 眼镜版的增强现实游戏。
值得一提的是，这样设备边界上的突破，以 AR 为典型代表，却同样不止于 AR。
从高通与微软的最新合作计划中亦可见一斑：基于骁龙平台，高通将高通 AI 引擎引入 Windows 11，以实现笔记本上语音、图像处理等功能的 AI 加速，同时促进智能手机和 PC 的融合。
说了这么多，归结起来，第一变可以说是 AI 能力的加速爆发，第二变是突破边界的万物互联，在这两者的基础之上，骁龙，乃至背后高通布局重心之变，也就愈发明朗。
“三变”
即，骁龙第三变，就是连接到智能计算的改变，进一步说，也就是高通提及的“网联计算”。
人们从前讨论移动设备，更多聚焦于手机，讨论的是信号是否更好了、网速是否更快了。
但现在，在通信、连接的基础之上，人们关心的重点，已经变成了什么样的智能功能更好用，哪家对游戏等应用的智能加速效果更强劲。
甚至在这样的讨论之中，手机已经不是唯一的主角，下一代计算平台的价值开始获得更多关注和认同。
对于高通这样的厂商而言，这一方面可以归结为时代技术浪潮之所至，另一方面，也是其本身“春江水暖鸭先知”，早期技术厚积薄发的体现。
量变到质变的奇点，厚积薄发的 AI 脉络
事物的变化，往往由量变引发质变。
高通之变并非在这次骁龙峰会上才有所体现，其 AI 革新脉络从更早时候便已有端倪可循。
2007 年高通启动第一个脉冲神经网络相关的研究项目，依托于生物神经元设计，目的是让神经网络构造更高效节能，同时在架构上更适配硬件工作原理。
针对脉冲神经网络等 AI 领域的研究，在 2013 年正式转变成更具体的成果。
这一年，高通提出了 Zeroth 计算平台，希望能用 AI 处理图像、声音等信息，如开发语音识别功能等，如今来看相当于 NPU 以及其搭载的神经网络计算能力的平台。
△2013 年搭载 Zeroth 的机器人训练，图源高通
当年，高通这项名为神经形态芯片 （Neuromorphic Chips）的技术，被认为是颠覆性的突破，并于 2014 年被 MIT Technology Review 评选为全球十大突破技术之一。
Zeroth 奠定了高通 AI 引擎（AI Engine）的基础。2015 年，骁龙 820 正式搭载第一代 AI 引擎，除了能用于人脸照片检测和手写识别以外，高通还展示了它能被应用于降低功耗、提升电池使用时长的能力。
随着对 AI 研究进一步深入，高通钻研的方向不再局限于硬件计算本身，同样还放在了移动设备功能的丰富度，即算法和硬件的协调能力上，力图让更多已实现的 AI 算法落地到移动设备中去。
从最初为各硬件引入 AI 技术加大研发力度，到如今 AI 引擎已经成为高通芯片的标志之一，究竟是什么引发了高通的质变？
可以说，自身技术积淀和场景需求爆发，成为了引发高通变化的两大关键节点。
从技术维度来看，高通经历了由 AI 技术“引入者”到 AI 基础设施“提供者”的转变。
一方面表现在对 AI 框架的支持度上，包括与谷歌、脸书 AI 合作，对 TensorFlow、Caffe2 等 AI 框架进行加速；以及与微软、亚马逊合作支持 ONNX 等 AI 模型格式等。
另一方面，则体现在各种 AI 算法的研发和开源上，从这些年的顶会论文数量可见一斑。
如果从 2011 年开始在计算机顶级学术会议上发表论文算起，现在其能够查阅到的已经有不下 130 篇 AI 研究发表在各种顶会上，今年一年就接近 30 篇：
观察这些论文类型可以发现，其研究领域从机器学习基础的量子、几何和贝叶斯深度学习，到降低能耗的量化模型、提升信号强度的优化算法和 AI 编译器，再到应用范围更广的计算机视觉、联邦学习和强化学习等，开源的案例就有不少。
这些研究放到 AI 基础设施的搭建上，又进一步被分为基础架构和应用设施等维度。
基础架构上，提升硬件处理 AI 算法的数量和性能，让更多厂商开发的 AI 算法能被应用于更小的设备上，结合云端提供的算力，进一步让终端设备实现的功能范围最大化，这里又以软硬件配合方面的量化等算法应用更为广泛。
应用设施上，即加强高通 AI 基建的模块化能力。除了侧重软硬件协同处理外，从今年发表的顶会论文情况来看，又有相当一部分集中在视频语义分割、3D 姿态估计等更通用的计算机视觉任务上。
但无论是提升算法在硬件平台上的适配能力，还是提升算法本身的性能、包括数据压缩能力，本质上都与增强移动平台对 AI 的“掌控力”紧密相关。
换而言之，高通实现了从各大模块支持 AI、到 AI 驱动各个模块的转变，让自身 AI 能力进一步具备了应用到更多设备上的通用性——
从场景维度来看，高通所连接的也不再仅仅是手机，而早已扩大到 PC、智能汽车乃至 XR 等平台中。
如这些年加大力度投入的智能汽车方向，与手机一样也同样是视频语义分割技术的应用领域之一。
在智能驾驶上，高通此前就已经推出过开源的 InverseForm 框架，在复杂道路区分与检测上表现出更好的性能，无需担心汽车再开到绿化带、或是带阴影的人行道上。
基于 AI 技术打造的骁龙座舱平台和骁龙智能驾驶平台（Snapdragon Ride），更是颇为“抢手”，一度成为车圈叫好叫座的宣传词之一。
又如早在数年前就已有布局的 XR 方向，高通基于这一平台的高效低耗要求，于 2019 年推出了骁龙 XR2 平台，也是首款将 5G 和 AI 结合的 XR 芯片。
相比手机，XR 设备带来的更好的虚拟与现实世界的交互性，又能给 AI 落地带来新的思路，例如平台上搭载的场景理解、3D 重建等技术，就是基于 XR 自身特性延展的。
不久前推出的第一代骁龙 XR2+ 平台，则引入了全新图像处理管线，不仅支持并行感知技术，包括头部、手势和手柄追踪、低时延视频透视等能力，其 PC 级虚拟景观还能为虚拟人物赋予更逼真的面部表情。
移动 PC 领域，高通也在尝试用 AI 来提升移动办公的生产效率。
如召开远程会议时，设备可以准确感知到主体的面部，即便是在人口嘈杂的街边咖啡店也可以实现精准聚焦，周围的路人也就不会出现在会议上。
如此说来，高通早已不只是手机芯片厂商，其所提供的技术早已经延伸到了智能汽车、PC、XR 等平台……一系列你能想到的 IoT 设备，都已经被连接到高通以芯片为基、以 AI 软件栈为脉络搭建的网络之中。
作为一个专门给 AI 开发者打造的“工具箱”，高通 AI 软件栈进一步将汽车、手机、PC 和 XR 等设备之间开发的应用从软件端打通，从而将硬件终端的优势进一步扩大，实现一次开发、跨终端部署。
随着 AI 开发部署的效率提升，作用的终端范围扩大，行业智能化速度也会迎来指数性增长。
由上来看，在临近质变前夕，高通就已经在量变的路上走了很久。
如今恰好赶上新一轮“万物互联”时代的智能爆发，高通以预见性的储备提前布局了新一轮技术浪潮，甚至还可能成为推动下一代计算终端变革的动力。
与其以“急”字解释高通之变，不如说是时代技术洪流之所向。而高通也早早把握住了航向，在关键时机有了点燃技术新爆点的底气。
质变如何复制？
高通质变，只是整个行业巨变的一个缩影。
从工农业、城市交通、医疗生活等各行各业，到智能汽车、IoT、XR 等细分领域，现今都在计算和连接方式变化的推动下产生新一轮技术更迭。
在这背后，正是 AI 这一底层技术驱动，所引发的由点到线及面的幂集创新，其中高通又以芯片为基，将 AI 技术完整搭载成一套引擎、成为行业方方面面的驱动力。
但如果换个角度来看，像高通这样的质变，是否还会在更多领域出现？又或者说，高通这样的质变是否还能“复制”？
从芯片等方向选择角度来看或许难以复制，但核心思路却有几点可以借鉴。
一方面是抓住最基础的技术进行研发，并拥有迅速落地、进而降本增效的能力，另一方面则是基于自身生态型的作用力，将技术影响扩大到千行百业中去，与更多厂商合作开发出更广阔的市场。
以移动场景为例，如果过去以手机延展出的功能应用，只是数以百计的垂直软件生态；
来到网联计算时代，以 AI 为核心、5G 为连接动力、芯片为计算基础的终端设备，将会再度带来数以百计的横向产业拓展，进而带来数以千万计的开发者生态与企业机遇。
这或许也是高通并不局限于手机场景，而是选择提前布局下一代移动设备的原因。
从此前发布的高通 AI 软件栈等“基础设施”，到高通在这次骁龙峰会上展示的各行各业合作案例，它们本质上都在体现高通的 AI 技术已经深入这些行业中，赋能产品、并给行业带来根本性的变革。
参考链接：
[1]https://www.technologyreview.com/technology/neuromorphic-chips/
