最近魯大師公布了2020年第一季度的手機(jī)AI芯片排行榜，其中高通驍龍865以112309的得分排名第一，蘋果A13排名第二，得分為59050；華為麒麟990排名第三，得分為58014。

同時(shí)，排名前十的AI芯片中，有六款來自高通的驍龍移動(dòng)平臺(tái)，除了驍龍865之外，還有驍龍855/855+、驍龍765G、驍龍845和驍龍670AIE。

以手機(jī)為中心的智能硬件產(chǎn)業(yè)在這些年的發(fā)展量變過程中，一個(gè)重要的前進(jìn)方向一定是“越來越智能”，這個(gè)智能不僅僅是能幫你在拍照的時(shí)候變個(gè)臉，或者通話的時(shí)候變個(gè)聲，亦或是對(duì)和語音助手說“明天晚上提醒我看的直播”然后它照做，而是真正能“變成你肚子里的蛔蟲”，隨時(shí)都能知道你想要干什么，然后提供相關(guān)的服務(wù)。

想要實(shí)現(xiàn)這個(gè)“理想”，不僅需要軟件算法層面的創(chuàng)新，更基礎(chǔ)的，還需要硬件上的支持，這里的硬件，主要就是指AI芯片。

從上面AI芯片的榜單中，我們能夠看到目前主流的移動(dòng)端芯片制造商都在大力加碼AI芯片的布局，而這其中，來自高通的驍龍移動(dòng)平臺(tái)在AI方面的表現(xiàn)可以說很搶眼，那么這背后又有哪些值得你去了解的知識(shí)點(diǎn)呢？

如果僅用上文魯大師手機(jī)AI芯片排行的一紙榜單來介紹驍龍移動(dòng)平臺(tái)在AI方面的表現(xiàn)，或許有些蒼白。這里不妨通過市售驍龍865手機(jī)的兩個(gè)AI用例來進(jìn)行說明。

我們知道，高通驍龍移動(dòng)平臺(tái)的AI能力主要由AI Engine人工智能引擎提供支持，到驍龍865就是第五代AI Engine。而在這第五代AI Engine的加持下，驍龍865手機(jī)能夠?qū)崿F(xiàn)過去無法想象的AI功能特性。

例如有一個(gè)比較實(shí)用的，就是AI的實(shí)時(shí)翻譯，這在vivo NEX 3S手機(jī)上有著重要應(yīng)用。在這款手機(jī)自帶的App中，通過“對(duì)話”功能，就可以實(shí)現(xiàn)對(duì)語言的實(shí)時(shí)翻譯。

錄制了一段實(shí)時(shí)翻譯的演示視頻，大家可以看一下：

可以看到，vivo NEX 3S的確可以將一段英語的朗讀內(nèi)容實(shí)時(shí)地翻譯成中文，翻譯的結(jié)果也能夠讓人滿意，盡管難免有局部不準(zhǔn)確的地方，但至少可以讓人看懂這段語音講了什么內(nèi)容。

我們知道，實(shí)時(shí)翻譯對(duì)于智能手機(jī)來說不是一件簡(jiǎn)單的任務(wù)，它需要模擬人腦的思維方式，實(shí)時(shí)處理接受到的語音信息，并將之翻譯為文本或語音，對(duì)神經(jīng)網(wǎng)絡(luò)運(yùn)算的運(yùn)算量、速度都有極為嚴(yán)苛的要求，需要極為強(qiáng)大的算力支撐。

另一個(gè)用例是游戲的實(shí)時(shí)插幀。這個(gè)用例我們用今年3月推出的努比亞紅魔5G手機(jī)來演示。這款手機(jī)在第五代AI Engine的加持下，做出了Touch Choreographer游戲插幀技術(shù)，支持不少游戲的實(shí)時(shí)插幀。在測(cè)試時(shí)，選擇了這款游戲。

實(shí)測(cè)在進(jìn)行游戲時(shí)，紅魔5G手機(jī)運(yùn)行的平均幀率可以達(dá)到141.5fps，幀率波動(dòng)大約9幀左右，畢竟是插幀效果，幀率波動(dòng)大一些可以理解，由于本身已經(jīng)是如此高的幀率，這種波動(dòng)在游玩過程中是絲毫察覺不到的。

幀率對(duì)游戲體驗(yàn)的重要性不言而喻，而通過高通驍龍移動(dòng)平臺(tái)的AI Engine，可以實(shí)現(xiàn)游戲中實(shí)時(shí)插幀，無疑可以大大提升游戲體驗(yàn)。

上面這兩個(gè)用例存在一些共性，這些共性恰恰能夠體現(xiàn)驍龍移動(dòng)平臺(tái)AI Engine的特性和優(yōu)勢(shì)。

首先，這兩個(gè)用例都需要CPU、GPU等手機(jī)處理器的核心運(yùn)算部件的參與才能實(shí)現(xiàn)，其次，這兩個(gè)用例都需要強(qiáng)大的AI算力的支撐，還有就是，這些AI用例的實(shí)現(xiàn)都是在終端上進(jìn)行的。

對(duì)于移動(dòng)終端上的AI應(yīng)用來說，因?yàn)槭謾C(jī)自身的計(jì)算能力、電量和存儲(chǔ)空間的限制，想要滿足這些需求，對(duì)處理器的AI性能就有著很高的要求。而高通驍龍的AI Engine正好以滿足移動(dòng)終端的AI需求為基礎(chǔ)進(jìn)行設(shè)計(jì)的。

此前已經(jīng)為大家做過很多詳細(xì)介紹，驍龍AI Engine人工智能引擎，就是利用異構(gòu)并行計(jì)算的解決方案，調(diào)用采用CPU、GPU，以及獨(dú)家的面向AI處理的硬件核心Hexagon處理器，合理利用三大硬件核心各自的運(yùn)算優(yōu)勢(shì)和特性，在底層AI框架（Caffe等）以及系統(tǒng)、軟件（SDK等）的調(diào)配下，來進(jìn)行AI運(yùn)算。這就充分運(yùn)用了移動(dòng)設(shè)備各個(gè)運(yùn)算核心的性能。

在第五代AI Engine中，高通更是集成了更多運(yùn)算核心，包括CPU、GPU、Hexagon處理器、ISP、Qualcomm傳感器中樞（Sensing Hub）、安全處理單元、調(diào)制解調(diào)器，甚至Quick Charge等等，這些核心共同為AI運(yùn)算提供支持，特別是其中主要運(yùn)算核心性能的提升，驅(qū)動(dòng)AI Engine整體算力大幅上漲。其中，驍龍865的Adreno? 650 GPU改善了浮點(diǎn)運(yùn)算和AI性能，TOPS提升了2倍，Hexagon 698處理器通過全新張量加速器將TOPS提升4倍，Kryo? 585 CPU的性能相比上代提升了25%，能效提升25%。

在這些因素的驅(qū)動(dòng)下，驍龍865移動(dòng)平臺(tái)的第五代AI Engine的AI性能相比上一代提升了2倍多，具體到體運(yùn)算力上，可以達(dá)到15 TOPS，也就是每秒15萬億次運(yùn)算的水平。

除了性能的提升，第五代AI Engine還對(duì)每個(gè)內(nèi)核進(jìn)行大幅優(yōu)化和提升，更重視整體芯片架構(gòu)面向AI計(jì)算的高效率和靈活性。

以Hexagon 698處理器為例，它采用了可執(zhí)行多維度的數(shù)據(jù)架構(gòu)，包括零階張量（標(biāo)量）、一階張量（向量）、二階張量（矩陣），以及更高階張量。

因?yàn)樵诮K端側(cè)運(yùn)行的一些神經(jīng)網(wǎng)絡(luò)，有適合在標(biāo)量處理器上運(yùn)行的，也有適合整個(gè)在向量處理器上進(jìn)行的，還有的則需要通過張量處理器來處理。高通AI Engine的異構(gòu)架構(gòu)，則可以根據(jù)不同需求，靈活調(diào)度處理核心，對(duì)于移動(dòng)終端而言功耗更低、效率更高。

5G，將引領(lǐng)我們進(jìn)入一個(gè)新的時(shí)代，一個(gè)萬物互聯(lián)的時(shí)代，5G時(shí)代就像一張大網(wǎng)，將電視機(jī)、汽車、冰箱、洗衣機(jī)、空調(diào)、音箱、甚至電表水表等等海量設(shè)備，無數(shù)終端，都網(wǎng)羅在內(nèi)。這些海量終端彼此通信連接，就需要進(jìn)行AI運(yùn)算。那么這時(shí)候就不得不考慮一個(gè)問題了：這些AI運(yùn)算是放在云端進(jìn)行，還是在終端進(jìn)行？

終端側(cè)AI，就是針對(duì)這個(gè)問題產(chǎn)生的，顧名思義，它的意思就是數(shù)據(jù)的采集、計(jì)算、決策都在前端設(shè)備本地進(jìn)行。

我們的答案是，終端側(cè)更符合5G萬物互聯(lián)時(shí)代的發(fā)展大勢(shì)。因?yàn)槿绻窃谠贫诉M(jìn)行AI運(yùn)算，要考慮到，目前全球已有數(shù)十億的聯(lián)網(wǎng)終端，未來只會(huì)越來越多，海量終端彼此互連并感知周圍環(huán)境。產(chǎn)生的海量數(shù)據(jù)全部傳給云端進(jìn)行處理和管理，不容易，也不現(xiàn)實(shí)，更影響體驗(yàn)。

而相較于云端AI，終端側(cè)AI擁有更好的隱私性、更高的可靠性和更低的時(shí)延，同時(shí)高效利用網(wǎng)絡(luò)帶寬。

當(dāng)然，把AI運(yùn)算放在終端，不等于解決了一切問題。以智能手機(jī)為例，AI運(yùn)算本身需要反復(fù)、高強(qiáng)度的運(yùn)算環(huán)境，智能手機(jī)的計(jì)算能力、電池、存儲(chǔ)空間等方面都可能是個(gè)問題，所以終端側(cè)AI首先要解決的問題就是怎樣在消耗資源最少的情況下，實(shí)現(xiàn)性能或是結(jié)果的最優(yōu)化。

這也是高通在AI Engine中引入Hexagon 張量加速器的原因，因?yàn)镠exagon支持的是8位和16位的定點(diǎn)運(yùn)算，而定點(diǎn)運(yùn)算有助于模型更快的運(yùn)行，同時(shí)能耗也更低。這對(duì)于無法高效進(jìn)行浮點(diǎn)運(yùn)算的移動(dòng)終端和嵌入式應(yīng)用尤其重要。Hexagon 張量處理器的加入，可以大大提高AI Engine的整體運(yùn)算效率，降低功耗。

同時(shí)，移動(dòng)端很多AI用例都是并行用例，在處理這些用例的時(shí)候，往往有大量數(shù)據(jù)進(jìn)入到終端，處理這些海量數(shù)據(jù)，一定會(huì)對(duì)手機(jī)的性能資源、功耗造成不小壓力。

針對(duì)這個(gè)問題，高通在AI Engine中開發(fā)了一項(xiàng)全新的專用技術(shù)，叫做深度學(xué)習(xí)帶寬壓縮。這項(xiàng)技術(shù)能夠?qū)@些海量數(shù)據(jù)進(jìn)行高達(dá)50%的壓縮，從而將需要進(jìn)入到芯片處理的數(shù)據(jù)壓縮一半，以節(jié)省電能、降低功耗。這是一項(xiàng)完全無損的壓縮技術(shù)，也就是說所有數(shù)據(jù)的精度不會(huì)有任何損失。在處理一些對(duì)AI性能要求極高的用例時(shí)，LPDDR5內(nèi)存可以釋放更大帶寬，同時(shí)傳輸更多數(shù)據(jù)。

通過這些技術(shù)，高通提升了AI Engine不斷提升在終端側(cè)進(jìn)行AI運(yùn)算的效率，功耗也不斷降低，這為未來移動(dòng)端更深入、更全面的AI用例夯實(shí)了基礎(chǔ)?？梢韵胂?，未來將出現(xiàn)的狀態(tài)：集中式的云端AI在大數(shù)據(jù)訓(xùn)練以及支持時(shí)延不敏感的內(nèi)容和存儲(chǔ)中發(fā)揮著重要作用，而AI的具體執(zhí)行卻會(huì)越來越多的在無線邊緣的海量終端上，兩者相輔相成，互為補(bǔ)充。

從這一角度來說，高通AI Engine無疑是終端側(cè)AI的重要推動(dòng)者，驅(qū)動(dòng)未來由各個(gè)智能終端構(gòu)建的智慧化場(chǎng)景。

通過上面的介紹，我們可以總結(jié)出高通驍龍移動(dòng)平臺(tái)的AI Engine人工智能引擎能夠有出色的AI表現(xiàn)的關(guān)鍵，首先是整合CPU、GPU、DSP、ISP、傳感器中樞等各個(gè)硬件的異構(gòu)并行計(jì)算的架構(gòu)在AI運(yùn)算方面天然契合的優(yōu)勢(shì)，換句話說就是系統(tǒng)級(jí)硬件設(shè)計(jì)的優(yōu)勢(shì)；其次，是高通AI Engine采用了靈活的架構(gòu)設(shè)計(jì)，能夠滿足不同的AI用例的需求；第三，就是在終端側(cè)層面提高AI運(yùn)算能效的努力，對(duì)高能效AI運(yùn)算有著深刻的理解。

由此，AI Engine被打造成運(yùn)算速度更快，運(yùn)算精度更高、功耗更低、支持的用例更多的AI運(yùn)算平臺(tái)，對(duì)于當(dāng)前移動(dòng)終端AI應(yīng)用體驗(yàn)的提升，以及未來全場(chǎng)景智慧化服務(wù)的構(gòu)建，都大有裨益。