高通AI啟示錄，從一篇數(shù)學(xué)物理基礎(chǔ)論文說(shuō)起

Qualcomm成功的秘訣是什么？

Qualcomm——高通，移動(dòng)互聯(lián)網(wǎng)時(shí)代最成功的公司。

一代代旗艦芯片和移動(dòng)平臺(tái)，更是安卓手機(jī)廠商核心競(jìng)爭(zhēng)力和賣(mài)點(diǎn)之一。

但成功的花兒，外界更多看到花開(kāi)時(shí)的艷麗，鮮能關(guān)注綻放前的艱辛。

所以最近一篇AI論文發(fā)布后，意外引起論文之外的討論。

中國(guó)俗語(yǔ)：臺(tái)上一分鐘，臺(tái)下十年功。

如果說(shuō)移動(dòng)時(shí)代的成功“秘訣”太難追，那這篇論文展示的，正是高通面向AI時(shí)代的“十年功”管窺。

一篇基礎(chǔ)理論的AI論文

這篇引發(fā)思考的AI論文，全名：Gauge Equivariant Convolutional Networks and the Icosahedral CNN.

中文翻譯：《規(guī)范等變卷積網(wǎng)絡(luò)與二十面體CNN》。

主題高深，著力點(diǎn)又極其基礎(chǔ)——把數(shù)學(xué)、物理方面的基礎(chǔ)理論，用在卷積神經(jīng)網(wǎng)絡(luò)（CNN）攻堅(jiān)中。

概括而言，之前的卷積神經(jīng)網(wǎng)絡(luò)主要被用于平面問(wèn)題，而且不具有旋轉(zhuǎn)不變性。

但高通的這項(xiàng)新研究，可以基于規(guī)范等變CNN的方法來(lái)實(shí)現(xiàn)一個(gè)尼曼三維任意曲面的旋轉(zhuǎn)不變性，這不僅是CNN模型新突破，而且結(jié)果可以用在全球氣候模式、醫(yī)療影像的研究上。

論文作者也非泛泛之輩。

Taco Cohen和Max Welling（韋靈思），均來(lái)自高通AI研發(fā)團(tuán)隊(duì)。其中，韋靈思教授是深度學(xué)習(xí)領(lǐng)域知名科學(xué)家、變分自動(dòng)編碼器（VAE）的提出者，還是諾貝爾物理學(xué)獎(jiǎng)得主Gerardus’t Hooft和圖靈獎(jiǎng)Geoffrey Hinton的學(xué)生。

這篇論文，可以說(shuō)是韋靈思教授等集師承之所長(zhǎng)的結(jié)果。

于是從論文本身到作者背景，立馬在AI科研圈引發(fā)反響：

推特上，轉(zhuǎn)發(fā)超過(guò)300，點(diǎn)贊數(shù)1千2——作為這樣一篇看懂標(biāo)題都不易的論文，足見(jiàn)其影響了。

更主要的是，高通AI研究院展開(kāi)如此基礎(chǔ)的研究，令不少人感到震驚。

一般而言，企業(yè)內(nèi)部的研究院，雖然也會(huì)偏向?qū)W術(shù)式推進(jìn)，但會(huì)偏重企業(yè)的側(cè)重所在。

比如高通這樣的公司，或通信或芯片，或者移動(dòng)基礎(chǔ)架構(gòu)。

但韋靈思等大牛的研究，更基礎(chǔ)更理論，并看不出限制。

這還不是孤立事件，稍早之前，韋靈思教授等還將廣義相對(duì)論和量子場(chǎng)論的數(shù)學(xué)原理應(yīng)用到深度學(xué)習(xí)中，提供了3D物體識(shí)別的新思路。

更早之前，還在神經(jīng)網(wǎng)絡(luò)壓縮、機(jī)器學(xué)習(xí)訓(xùn)練工具等基礎(chǔ)方面展開(kāi)攻堅(jiān)。

所以也有人評(píng)價(jià)說(shuō)，高通深厚的專(zhuān)利和技術(shù)壁壘背后，正是提前對(duì)上述看似無(wú)用的基礎(chǔ)研究的持續(xù)投入。

而等到OEM廠商爭(zhēng)相搭載驍龍芯片時(shí)，這些隱而不彰的基礎(chǔ)成就，雖然無(wú)跡可尋，但實(shí)際早已春風(fēng)化雨。

高通AI生態(tài)

高通內(nèi)部支持上述基礎(chǔ)理論研究，彰顯著高通對(duì)AI變革趨勢(shì)的判斷，也是面向新時(shí)代的適者生存。

至少目前對(duì)外宣示的是這樣：

除了優(yōu)勢(shì)所在的手機(jī)終端，還正在把勢(shì)能延伸向物聯(lián)網(wǎng)、汽車(chē)，滲透到更多的端、邊緣，最終結(jié)合云端，讓AI等新技術(shù)無(wú)處不在。

越來(lái)越多智能傳感器，也正在讓數(shù)據(jù)呈現(xiàn)大爆炸之勢(shì)。

于是AI走向邊緣、走向IoT終端，開(kāi)始呼之欲出。目之所及，掃地機(jī)器人、安防攝像頭、交通信號(hào)燈，包括汽車(chē)等等，都到了需要一顆“芯”的時(shí)候。

這不正是高通所長(zhǎng)嗎？

在今年的高通人工智能開(kāi)放日上，高通也在IoT和汽車(chē)領(lǐng)域大秀肌肉，吸引眾多目光。

在其發(fā)展戰(zhàn)略中，把汽車(chē)視為智慧城市、智慧基礎(chǔ)設(shè)施中的一環(huán)，包括道路在內(nèi)就有無(wú)數(shù)傳感器，都在為智能汽車(chē)服務(wù)。

高通希望車(chē)與車(chē)、車(chē)與智能交通設(shè)施完全連接，形成一張V2X的巨大信息網(wǎng)，所有聯(lián)網(wǎng)共享的設(shè)備可以實(shí)時(shí)共享數(shù)據(jù)，而AI可以讓這些數(shù)據(jù)得到最好的運(yùn)用。

在開(kāi)放日現(xiàn)場(chǎng)最吃香的是一個(gè)專(zhuān)為司機(jī)提供的智能數(shù)字座艙，第三代驍龍數(shù)字座艙平臺(tái)為AI添加了人性化特色，不僅在用戶(hù)看不見(jiàn)的智能駕駛芯片和算法中，在車(chē)內(nèi)的增強(qiáng)現(xiàn)實(shí)抬頭顯示（HUD）、虛擬助理等方面，也能讓用戶(hù)直接感受到AI的強(qiáng)大，可以為駕乘人員打造突破性的全新體驗(yàn)。

實(shí)際上，智能數(shù)字座艙也最能體現(xiàn)AI時(shí)代的高通將往何處去。

在整個(gè)場(chǎng)景下，驍龍820A平臺(tái)提供了技術(shù)基礎(chǔ)，第三代驍龍汽車(chē)平臺(tái)集成多核高通人工智能引擎AI Engine，擁有高通安全處理單元（SPU），以及高通視覺(jué)增強(qiáng)高精定位和計(jì)算機(jī)視覺(jué)處理能力，能夠一系列AI基礎(chǔ)能力，但進(jìn)一步延展開(kāi)來(lái)的還有語(yǔ)音交互、AI視覺(jué)等方面的諸多能力。

你可以將“數(shù)字座艙”與“手機(jī)”相類(lèi)比，只是前者類(lèi)似的場(chǎng)景，比手機(jī)多得多——甚至目前還難以窮盡，這是一個(gè)完全增量的市常

所以回過(guò)頭來(lái)看，高通在去年11月建立的1億美元AI風(fēng)險(xiǎn)投資基金，所投方向涉及自動(dòng)駕駛汽車(chē)、機(jī)器人、計(jì)算機(jī)視覺(jué)以及物聯(lián)網(wǎng)等領(lǐng)域，野心也便再清晰不過(guò)。

手機(jī)依然是主戰(zhàn)場(chǎng)

不過(guò)，手機(jī)依然最大智能終端。

或者說(shuō)在AI時(shí)代，智能手機(jī)會(huì)真正被AI賦予“智能”能力。

2018年的驍龍820開(kāi)始，高通的旗艦芯片就已經(jīng)在全面集成高通自研人工智能引擎AI Engine。

今年的異構(gòu)多核旗艦移動(dòng)平臺(tái)驍龍855集成了最新的高通第四代人工智能引擎AI Engine，所謂異構(gòu)計(jì)算就是由CPU、GPU、Hexagon不同功能的核心發(fā)揮各自所長(zhǎng)，而又相互協(xié)作，共同實(shí)現(xiàn)高效的AI處理。

高通驍龍855芯片中，Adreno 640 GPU、Hexagon 690處理器和Kryo 485 CPU相互協(xié)作，通過(guò)異構(gòu)計(jì)算智能分配AI任務(wù)，相比前代實(shí)現(xiàn)了整體AI性能3倍的提升。

其中Hexagon 690新增的Hexagon張量加速器（Hexagon Tensor Accelerator，HTA）功不可沒(méi)。

張量運(yùn)算是AI算法中的基礎(chǔ)操作，PC和云計(jì)算廠商近年來(lái)引入張量計(jì)算單元為AI加速。該張量加速器是Qualcomm自主設(shè)計(jì)、面向更多AI處理的硬件核心。

Hexagon張量加速器的加入對(duì)手機(jī)行業(yè)意義重大，它不僅使數(shù)字信號(hào)處理的功能得到擴(kuò)展，還讓開(kāi)發(fā)者實(shí)現(xiàn)可編程的AI加速。AI如今已經(jīng)成為高端智能手機(jī)的核心賣(mài)點(diǎn)。

時(shí)代也正在發(fā)生這樣的變化：

僅有AI硬件的升級(jí)遠(yuǎn)遠(yuǎn)不夠，還需要有軟件開(kāi)發(fā)商的支持，才能發(fā)揮出高通第四代人工智能引擎的運(yùn)算潛能。

在軟件框架層面，驍龍855底層硬件支持TensorFlow、PyTorch、ONNX等主流機(jī)器學(xué)習(xí)平臺(tái)，以及Google NN API等運(yùn)行軟件框架，讓開(kāi)發(fā)者充分利用AI特性，圍繞高通人工智能引擎AI Engine，打造覆蓋范圍最廣的AI生態(tài)系統(tǒng)。

同樣在高通AI開(kāi)放日現(xiàn)場(chǎng)，去除噪點(diǎn)、實(shí)時(shí)翻譯語(yǔ)音、手勢(shì)識(shí)別等實(shí)際應(yīng)用，都是AI帶來(lái)的新變化。

曾經(jīng)在PC上需要大量資源才能運(yùn)行的圖像、語(yǔ)音處理模型，如今在手機(jī)上也能輕松運(yùn)行。

而且AI也讓高通的生態(tài)空前龐大，商湯、曠視和虹軟等AI獨(dú)角獸也都紛紛參與到高通AI朋友圈中，基于芯片和軟件支持平臺(tái)，最后推出更豐富的AI應(yīng)用和場(chǎng)景化落地。

基礎(chǔ)研發(fā)啟示錄

所以歸根結(jié)底，無(wú)論是手機(jī)方向上的努力，還是更宏大的AI生態(tài)藍(lán)圖。

這篇高通AI基礎(chǔ)論文背后的啟示，早已再清晰不過(guò)。

如果不在基礎(chǔ)研發(fā)下苦功，任何領(lǐng)先和生態(tài)，都只會(huì)是窒息一常

所謂臺(tái)上一分鐘，臺(tái)下十年功。

之前太多羨慕高通移動(dòng)時(shí)代的話(huà)語(yǔ)權(quán)之強(qiáng)大，但鮮有背后研發(fā)投入和基礎(chǔ)苦功的闡釋表達(dá)。

現(xiàn)在，這篇引起學(xué)界一番熱議的論文，恰似一個(gè)注腳，能夠解釋高通之所以引領(lǐng)了一個(gè)時(shí)代的核心原因。

也是值得更多擁有宏圖夢(mèng)想的AI公司們學(xué)習(xí)的原因。