2020年，如果有人和你提到 AI給生活帶來的改變，你會想到什么？在如今越來越多被提到的 AI落地投入實用的案例中，其實要回答這個問題很簡單：自動駕駛需要車載AI、Google利用AI的深度學(xué)習(xí)能力預(yù)測洪水、更富未來感的“智慧城市”，以及更多醫(yī)療健康領(lǐng)域的新研究進展；AI帶給生活的改變已經(jīng)隨處可見。

拋開高大上的商業(yè)概念，就最貼近我們實際生活的AI來講，目前分為兩大發(fā)展方向 ——將算力保存在數(shù)據(jù)中心的云計算，以及將人工智能算法基于本地設(shè)備的AI效能運行的分布式計算；與前者更多用于商業(yè)領(lǐng)域不同，后者目前已經(jīng)非常深入我們?nèi)粘Ｉ畹牧耍何覀兡壳?a href="http://m.makelele.cn/v/tag/107/" target="_blank">手機攝影領(lǐng)域最熱門的計算攝影 ——包括超清夜景、自動連拍，交給手機來選擇效果最好的那張；乃至智能識物、實時文字翻譯功能，以及頗受好評的 AI自動攔截騷擾電話功能，其實都是借助于手機 AI算力的飛速提升而得以實現(xiàn)。

但在當(dāng)前，分布式的 AI效能，能體現(xiàn)在智能手機上，但也遠不止智能手機，在我們數(shù)字生活中的不少場景中，AI計算都已經(jīng)開始發(fā)揮出其特殊的優(yōu)勢，來著力解決傳統(tǒng)智能設(shè)備使用中的“痛點”。

智能手機

在當(dāng)下高速穩(wěn)定的 5G網(wǎng)絡(luò)仍然不是很普遍的時代，許多廠商都仍然在研究如何將 AI“塞進”用戶的終端設(shè)備中：比如Google就一直在研究將基于服務(wù)器的語音助手模型通過深度學(xué)習(xí)的訓(xùn)練，將原本 100G的模型縮減至 0.5G，使其可以直接存儲在絕大部分智能手機中，直接通過手機的 AI效能實現(xiàn)更快速的語音響應(yīng)與交互。

AI的效能同樣體現(xiàn)在手機系統(tǒng)優(yōu)化上，在 Android中，借助高通驍龍移動平臺的 AI Engine引擎以及 Google推出的 Tensorflow深度學(xué)習(xí)框架，開發(fā)者還能做出更多利用 AI性能讓用戶減少重復(fù)操作手機的功能：比如在 Android 10中 Google推出的基于深度學(xué)習(xí)功能的智能回復(fù)功能，就可以實現(xiàn)在手機收到短信通知時智能為你推薦快速回復(fù)語，如果信息內(nèi)容中包括了地點或是電話，手機還能直接幫你將地點導(dǎo)入進地圖中，或是一鍵撥打電話。

目前在手機中，AI的使用場景當(dāng)然不限于手機攝影與語音助手，我們在使用智能手機的日常中已經(jīng)隨處可見 AI算法的“助力”：在輸入法中，AI可以結(jié)合你輸入的上下文自動為你推薦相關(guān)的表情包，甚至目前熱門的手機快充功能上，AI模型也能實現(xiàn)根據(jù)用戶使用習(xí)慣智能調(diào)節(jié)充電功率，讓你在晚上睡前充電時自動降低快充速度，既保證了你清晨拿起手機仍然是滿電狀態(tài)，同時也延緩了手機電池的容量衰減。

這種基于本地的深度學(xué)習(xí)模型，決定了手機可以隨著用戶的重復(fù)使用的同時逐漸了解用戶的使用習(xí)慣，這也是不少手機廠商在推出 AI功能時都少不了一句“越用越好用”的原因。同時，更強的本地 AI算力也能讓更多計算過程完全基于手機運行，除了減少數(shù)據(jù)傳輸之外，更重要的是減少了不少用戶關(guān)于手機數(shù)據(jù)傳輸帶來的隱私問題的擔(dān)憂。

新形態(tài)筆電

筆電行業(yè) 2020年的新一個重要的新變化，就是不少傳統(tǒng)筆電廠商開始進一步發(fā)掘 ARM架構(gòu)優(yōu)勢，推出基于 ARM處理器的新筆電，目前世面上不少基于 ARM處理器推出的輕薄商務(wù)筆電新品，都是基于高通 8cx平臺研發(fā)而來。

ARM架構(gòu)處理器的加入，除了我們在智能手機上已經(jīng)習(xí)以為常的使用特性 ——比如超低功耗待機，4G LTE聯(lián)網(wǎng)等特征加入到筆電產(chǎn)品中之外，另一個顯著的特性就是其搭載的與手機驍龍 Soc同源的 AI Engine計算引擎，能借助更強的 AI算力，實現(xiàn)傳統(tǒng) X86架構(gòu)筆電難以實現(xiàn)的優(yōu)化功能。

在疫情期間的遠程辦公以及網(wǎng)課熱潮中，視頻通話其實是很多人都繞不開的一個場景，但我們往往在視頻時都會下意識盯著屏幕看而不是攝像頭，雖然這種問題可能大家都已經(jīng)習(xí)以為常，但使用 AI算法，其實能更好的優(yōu)化這種細節(jié)問題。

在微軟發(fā)布的二合一筆電SurfacePro X上，除了搭載基于高通 8cx研發(fā)而來的微軟 SQ1芯片之外，微軟還借助高通驍龍 SoC架構(gòu)中的 AI引擎效能，實現(xiàn)了在用戶使用筆電進行視頻通話或遠程會議時，通過算法自動調(diào)整眼睛在視頻通話中的位置，讓你看起來就像一直在看著攝像頭一樣，實現(xiàn)更自然的視頻通話效果。

同時，微軟也在相關(guān)的功能介紹中表示，在傳統(tǒng) X86架構(gòu)筆電中，如果采用相同的算法來實現(xiàn)同樣的優(yōu)化效果，則需要面臨更大的功耗，得益于新架構(gòu)中的 AI算力，提升得以實現(xiàn)，未來開發(fā)者可以借助高通 ARM筆電架構(gòu)下的 AI引擎，用更強的 AI性能來實現(xiàn)傳統(tǒng)筆電受種種性能而無法實現(xiàn)的智能體驗。

智能駕駛

自動駕駛每小時會捕捉近 4TB的道路數(shù)據(jù)，即使是目前做高效的網(wǎng)絡(luò)速度也不足以支撐如此海量的數(shù)據(jù)傳輸。所以自動駕駛其實是當(dāng)下最能體現(xiàn)“分布式計算”AI使用場景；目前主流的自動駕駛技術(shù)都依賴激光雷達或是攝像頭+厘米波雷達來采集自動駕駛車周邊環(huán)境數(shù)據(jù)，同時將每秒不停收集到的數(shù)據(jù)交給車載計算機運算處理。

無論是道路兩側(cè)的行人，還是道路地面上的道路導(dǎo)流標識線，乃至人類駕駛員看了都頭疼的海量道路指示牌，都需要自動駕駛車能快速借助已有的深度學(xué)習(xí)模型處理并反饋結(jié)果，這也是目前包括特斯拉、寶馬以及百度等廠商在沖刺真正意義上可用的 L4級自動駕駛時必須要解決的棘手問題，海量的數(shù)據(jù)與低延時需求也決定了無法過于依賴云計算的云端算力實現(xiàn)。

在今年 CES中，高通針對自動駕駛的這個需求，推出了新的模塊化方案 ——Snapdragon Ride自動駕駛軟件棧。同時，借助整合的 AI算力，還能優(yōu)化模型運算效率，讓車載計算機的感知與規(guī)劃更加智能：即使是現(xiàn)在主流的輔助自動駕駛方案 ——也就是 L2級自動駕駛下，這種性能上升級也能反饋在自動駕駛的用戶體驗上，讓自動駕駛過程更加無感，需要駕駛員手動介入的情況更少。

在更未來的 L4級自動駕駛領(lǐng)域，強大的本地計算還能完成自動駕駛的精密地圖構(gòu)建、實現(xiàn)更無縫的真正自動駕駛，還能借助 Qualcomm Snapdragon Ride平臺的高效能，讓更多汽車廠商與智能車機開發(fā)者開發(fā)出更現(xiàn)代化的智能汽車體驗。

改變使用細節(jié)體驗的 AI效能

目前，無論是基于運行速度還是隱私等考量，本地的 AI計算已經(jīng)是當(dāng)前 AI發(fā)展的重點方向；在 AI熱潮之下的種種智能體驗吸引眼球的同時，也對智能終端的 AI硬件的算力與效能提出新的挑戰(zhàn)，這也是高通為什么在每一代驍龍移動平臺中都在著重強調(diào)AI引擎的效能提升的原因。

當(dāng)然，基于數(shù)據(jù)中心的云計算同樣是未來所需，手機、電腦算力無法支撐的龐大計算過程，對于云計算來講可以很高效的完成；但長期來看，在 5G網(wǎng)絡(luò)逐漸普及的時代，基于云計算運行的 AI也會作為本地 AI的效能補充；無論是對于開發(fā)者還是硬件廠商，都需要更高效的 AI引擎以及深度學(xué)習(xí)模型框架。

對此，高通不僅在硬件上推出更高效的移動平臺與計算解決方案，還為開發(fā)者推出了 Qualcomm神經(jīng)處理軟件開發(fā)包（SDK），讓更多開發(fā)者能借助高通設(shè)備的 AI效能，訓(xùn)練 AI所必需的神經(jīng)網(wǎng)絡(luò)模型，來實現(xiàn)更多 AI效能給智能生活帶來改變，帶給用戶更加無感的智能生活體驗。

隨著 5G網(wǎng)絡(luò)的逐漸普及，人工智能與 5G的攜手，將對我們生活中的許多習(xí)以為常的習(xí)慣產(chǎn)生巨大的改變，而這些改變的開始，正是從這些一個個提升使用體驗的“小細節(jié)”逐漸發(fā)展而來，借助專用的 AI硬件算力提升，我們也能越來越多的感受到這種分布式 AI給我們?nèi)粘Ｉ顜淼囊稽c點改變。
責(zé)任編輯:pj