驍龍咣咣咣三腳，再次改寫格局

魚羊 蕭簫 發自 凹非寺

量子位 | 公眾號 QbitAI

盆友們，驍龍，已經不再是以前那個驍龍了。

就在大家吃瓜安卓新旗艦晶片誰家首發之際，驍龍峰會的絕對主角，卻只差沒把“時代變了”寫在臉上：

先是第一天直接擠爆AI牙膏管，

第二代驍龍8連ISP、5G調變解調器都武裝上了神經網路

。

緊接著第二天，乾脆從手機端進一步騰開手去，就差沒告訴圍觀群眾：

XR

也是我高通押注的下一代移動終端。

這不，直接引爆了一波有關“2023是AR眼鏡元年”的討論。

從這種種跡象來看，驍龍，乃至背後的整個高通，步調更好，速度更快。

這樣的變化，意味著什麼？又有哪些資訊點值得科技發燒友和行業觀察者們關注瞭解？

其表其裡，咱們一分為三，細細拆解來看。

驍龍三變

“一變”

驍龍第一變

，還是要從最引人矚目的

第二代驍龍8

說起。

圍繞這顆安卓旗艦最強“心臟”，官方劍指何處已經完全明示：幾乎是三句話不離

AI

。

換句話說，以往在幕後暗自發力的AI，如今不僅走向臺前，還成了全場毋庸置疑的

第一主角

。

先是在“基礎設施”層面上，高通AI引擎的核心Hexagon處理器架構全新升級，打出一套AI加速組合拳：

啟用函式加速 + 分組卷積加速 + 張量加速器效能翻番。

還引入了微切片推理，併為這一核心處理器配備了專門的供電系統。

這使得第二代驍龍8相較於前代產品，在自然語言處理等場景下，AI效能提升了

4.35倍

。

提升AI加速器的數量和效能之外，第二代驍龍8也率先支援了INT4 AI精度格式。

這就帶來了持續AI推理方面

60%

的能效提升：

相比於浮點精度格式和INT 8，以INT 4精度格式執行的AI模型，所需的計算資源更少。這為開發人員們在手機裡部署更多

量化模型

提供了硬體基礎。

值得關注的是，在第二代驍龍8裡，不僅是以上AI“基礎設施”全面升級，連

ISP

和

5G調變解調器

這樣的模組，如今都跟AI更深度的綁定了。

第二代驍龍8搭載的業界首個

認知ISP

，這回跟Hexagon處理器來了個

直接連通

，透過在兩者之間增加一個名為“Hexagon直連”的物理連線，提供更加強大的影像AI處理能力。

基於此，第二代驍龍8能透過實時語義分割，實現照片和影片的自動增強。攝像頭捕捉到的人臉、頭髮、衣服、天空等種種畫面細節，都能被針對性地最佳化處理。

至於手機晶片中最“傳統”的調變解調器部分，驍龍此番也強調了

首個5G AI處理器

的作用：透過分析訊號完整性和信噪比，AI能夠改善無線頻寬、延遲等效能指標。

加之對Transformer等網路的支援，又將語音自定義喚醒詞、快速多語種翻譯等軟體能力帶到了手機晶片上，可以說，單從手機晶片的變化來看，驍龍這波操作，是把“

無AI不晶片

”的趨勢再度推向了高潮。

這股AI爆發之風，也並不僅限於手機晶片。

“二變”

這就要說到

驍龍第二變

：押注

下一代移動終端

。萬物連線的移動裝置種類，正在突破此前的侷限。

此番引發外界不少討論的

第一代驍龍AR2平臺

就是一個例證。

第一代驍龍AR2，是驍龍

首個

專門為頭戴式AR裝置打造的移動平臺。

目的很明確：成為新一代最強輕薄AR智慧眼鏡的“智慧大腦”，開創真實世界與元宇宙相互融合的空間計算新體驗。

具體到功能特性上，一方面，是解決AR眼鏡重量、時延等固有問題：

採用分散式處理架構，實現更均勻的配重並降低左右眼鏡腿寬度；動態將時延敏感型感知資料處理直接分配給眼鏡終端，把更復雜的資料處理需求分流到手機、PC或其他主機終端上。

另一方面，依然是以

人工智慧

為核心，提升AR眼鏡所帶來的實際產品體驗：

其AR處理器中，搭載了專門的視覺分析引擎，結合ISP和Hexagon處理器，能在影象識別、分類和手部跟蹤等AI演算法上實現

2.5倍

加速。

根據高通官方訊息，目前，PICO、聯想、小米、Nreal、OPPO和LG等廠商，都是驍龍AR的合作物件。

並且在AR的應用生態方面，高通也已有所佈局：比如與《寶可夢GO》的製作方Niantic攜手，推出AR眼鏡版的增強現實遊戲。

值得一提的是，這樣裝置邊界上的突破，以AR為典型代表，卻同樣不止於AR。

從高通與微軟的最新合作計劃中亦可見一斑：基於驍龍平臺，高通將高通AI引擎引入Windows 11，以實現筆記本上語音、影象處理等功能的AI加速，同時促進智慧手機和PC的融合。

說了這麼多，歸結起來，第一變可以說是

AI

能力的加速爆發，第二變是突破邊界的

萬物互聯

，在這兩者的基礎之上，驍龍，乃至背後高通佈局重心之變，也就愈發明朗。

“三變”

即，

驍龍第三變

，就是

連線到智慧計算

的改變，進一步說，也就是高通提及的“

網聯計算

”。

人們從前討論移動裝置，更多聚焦於手機，討論的是訊號是否更好了、網速是否更快了。

但現在，在通訊、連線的基礎之上，人們關心的重點，已經變成了什麼樣的智慧功能更好用，哪家對遊戲等應用的智慧加速效果更強勁。

甚至在這樣的討論之中，手機已經不是唯一的主角，下一代計算平臺的價值開始獲得更多關注和認同。

對於高通這樣的廠商而言，這一方面可以歸結為時代技術浪潮之所至，另一方面，也是其本身“春江水暖鴨先知”，早期技術厚積薄發的體現。

量變到質變的奇點，厚積薄發的AI脈絡

事物的變化，往往由

量變引發質變

。

高通之變並非在這次驍龍峰會上才有所體現，其AI革新脈絡從更早時候便已有端倪可循。

2007年高通啟動第一個脈衝神經網路相關的研究專案，依託於生物神經元設計，目的是讓神經網路構造更高效節能，同時在架構上更適配硬體工作原理。

針對脈衝神經網路等AI領域的研究，在2013年正式轉變成更具體的成果。

這一年，高通提出了Zeroth計算平臺，希望能用AI處理影象、聲音等資訊，如開發語音識別功能等，如今來看相當於NPU以及其搭載的神經網路計算能力的平臺。

△2013年搭載Zeroth的機器人訓練，圖源高通

當年，高通這項名為

神經形態晶片

（Neuromorphic Chips）

的技術，被認為是顛覆性的突破，並於2014年被MIT Technology Review評選為

全球十大突破技術

之一。

Zeroth奠定了高通AI引擎

（AI Engine）

的基礎。2015年，驍龍820正式搭載第一代AI引擎，除了能用於人臉照片檢測和手寫識別以外，高通還展示了它能被應用於降低功耗、提升電池使用時長的能力。

隨著對AI研究進一步深入，高通鑽研的方向不再侷限於硬體計算本身，同樣還放在了移動裝置功能的豐富度，即演算法和硬體的協調能力上，力圖讓更多已實現的AI演算法落地到移動裝置中去。

從最初為各硬體引入AI技術加大研發力度，到如今AI引擎已經成為高通晶片的標誌之一，究竟是什麼引發了高通的質變？

可以說，

自身技術積澱

和

場景需求爆發

，成為了引發高通變化的兩大關鍵節點。

從技術維度來看，高通經歷了由AI技術“引入者”到AI基礎設施“提供者”的轉變。

一方面表現在對AI框架的支援度上，包括與谷歌、臉書AI合作，對TensorFlow、Caffe2等AI框架進行加速；以及與微軟、亞馬遜合作支援ONNX等AI模型格式等。

另一方面，則體現在各種AI演算法的研發和開源上，從這些年的頂會論文數量可見一斑。

如果從2011年開始在計算機頂級學術會議上發表論文算起，現在其能夠查閱到的已經有

不下130篇AI研究

發表在各種頂會上，今年一年就接近30篇：

觀察這些論文型別可以發現，其研究領域從機器學習基礎的量子、幾何和貝葉斯深度學習，到降低能耗的量化模型、提升訊號強度的最佳化演算法和AI編譯器，再到應用範圍更廣的計算機視覺、聯邦學習和強化學習等，開源的案例就有不少。

這些研究放到AI基礎設施的搭建上，又進一步被分為基礎架構和應用設施等維度。

基礎架構上，提升硬體處理AI演算法的數量和效能，讓更多廠商開發的AI演算法能被應用於更小的裝置上，結合雲端提供的算力，進一步讓終端裝置實現的功能範圍最大化，這裡又以軟硬體配合方面的量化等演算法應用更為廣泛。

應用設施上，即加強高通AI基建的模組化能力。除了側重軟硬體協同處理外，從今年發表的頂會論文情況來看，又有相當一部分集中在影片語義分割、3D姿態估計等更通用的計算機視覺任務上。

但無論是提升演算法在硬體平臺上的適配能力，還是提升演算法本身的效能、包括資料壓縮能力，本質上都與增強移動平臺對AI的“

掌控力

”緊密相關。

換而言之，高通實現了從各大模組支援AI、到AI驅動各個模組的轉變，讓自身AI能力進一步具備了應用到更多裝置上的通用性——

從場景維度來看，高通所連線的也不再僅僅是手機，而早已擴大到PC、智慧汽車乃至XR等平臺中。

如這些年加大力度投入的

智慧汽車

方向，與手機一樣也同樣是影片語義分割技術的應用領域之一。

在智慧駕駛上，高通此前就已經推出過開源的InverseForm框架，在複雜道路區分與檢測上表現出更好的效能，無需擔心汽車再開到綠化帶、或是帶陰影的人行道上。

基於AI技術打造的驍龍座艙平臺和驍龍智慧駕駛平臺

（Snapdragon Ride）

，更是頗為“搶手”，一度成為車圈叫好叫座的宣傳詞之一。

又如早在數年前就已有佈局的

XR

方向，高通基於這一平臺的高效低耗要求，於2019年推出了驍龍XR2平臺，也是首款將5G和AI結合的XR晶片。

相比手機，XR裝置帶來的更好的虛擬與現實世界的互動性，又能給AI落地帶來新的思路，例如平臺上搭載的場景理解、3D重建等技術，就是基於XR自身特性延展的。

不久前推出的第一代驍龍XR2+平臺，則引入了全新影象處理管線，不僅支援並行感知技術，包括頭部、手勢和手柄追蹤、低時延影片透視等能力，其PC級虛擬景觀還能為虛擬人物賦予更逼真的面部表情。

移動PC

領域，高通也在嘗試用AI來提升移動辦公的生產效率。

如召開遠端會議時，裝置可以準確感知到主體的面部，即便是在人口嘈雜的街邊咖啡店也可以實現精準聚焦，周圍的路人也就不會出現在會議上。

如此說來，高通早已不只是手機晶片廠商，其所提供的技術早已經延伸到了智慧汽車、PC、XR等平臺……一系列你能想到的IoT裝置，都已經被連線到高通以晶片為基、以AI軟體棧為脈絡搭建的網路之中。

作為一個專門給AI開發者打造的“工具箱”，高通AI軟體棧進一步將汽車、手機、PC和XR等裝置之間開發的應用從軟體端打通，從而將硬體終端的優勢進一步擴大，實現一次開發、跨終端部署。

隨著AI開發部署的效率提升，作用的終端範圍擴大，行業智慧化速度也會迎來指數性增長。

由上來看，在臨近質變前夕，高通就已經在量變的路上走了很久。

如今恰好趕上新一輪“萬物互聯”時代的智慧爆發，高通以預見性的儲備提前佈局了新一輪技術浪潮，甚至還可能成為推動下一代計算終端變革的動力。

與其以“急”字解釋高通之變，不如說是時代技術洪流之所向。而高通也早早把握住了航向，在關鍵時機有了點燃技術新爆點的底氣。

質變如何複製？

高通質變，只是整個行業鉅變的一個縮影。

從工農業、城市交通、醫療生活等各行各業，到智慧汽車、IoT、XR等細分領域，現今都在計算和連線方式變化的推動下產生新一輪技術更迭。

在這背後，正是AI這一底層技術驅動，所引發的由點到線及面的冪集創新，其中高通又以晶片為基，將AI技術完整搭載成一套引擎、成為行業方方面面的驅動力。

但如果換個角度來看，像高通這樣的質變，是否還會在更多領域出現？又或者說，高通這樣的質變是否還能“複製”？

從晶片等方向選擇角度來看或許難以複製，但核心思路卻有幾點可以借鑑。

一方面是抓住最基礎的技術進行研發，並擁有迅速落地、進而降本增效的能力，另一方面則是基於自身生態型的作用力，將技術影響擴大到千行百業中去，與更多廠商合作開發出更廣闊的市場。

以移動場景為例，如果過去以手機延展出的功能應用，只是數以百計的垂直軟體生態；

來到網聯計算時代，以AI為核心、5G為連線動力、晶片為計算基礎的終端裝置，將會再度帶來數以百計的橫向產業拓展，進而帶來數以千萬計的開發者生態與企業機遇。

這或許也是高通並不侷限於手機場景，而是選擇提前佈局下一代移動裝置的原因。

從此前釋出的高通AI軟體棧等“基礎設施”，到高通在這次驍龍峰會上展示的各行各業合作案例，它們本質上都在體現高通的AI技術已經深入這些行業中，賦能產品、並給行業帶來根本性的變革。

參考連結：

［1］https：//www。technologyreview。com/technology/neuromorphic-chips/

［2］https：//www。scoop。it/topic/amazing-science/p/4023296590/2014/06/20/mit-ranking-of-10-new-breakthrough-technologies-in-2014

［3］https：//www。youtube。com/watch？v=8c1Noq2K96c

— 完 —

量子位 QbitAI · 頭條號簽約