高通AI交流會：手機沒有充分利用晶片組的AI性能

2025-04-27 10:14:26

今天，高通召開了一個AI交流會。會上，高通產品市場總監、AI專家劉學徽先生給出席的媒體介紹了高通AI的歷史、戰略、現狀以及發展重點。

▼高通驍龍AI歷史

2015開始，高通在820晶片組內加入了AI功能，支持了當時起步最早、來自 Facebook的Caffe模型。

到了2016和2017年，谷歌在AI方面迎頭趕上，推出了TensorFlow。這時的驍龍835支持了TensorFlow和Caffe，並首次在 GPU和DSP等多個晶片內加入了AI。

到了2018年，高通推出了目前旗艦機主用的驍龍845晶片組。驍龍845是高通的第三代移動AI平臺，具備了完全的異步架構AIE，對AI運算能力有了更全面的提升。

在AI興起的這兩三年內，除了谷歌和Facebook，還有許多其它公司和機構推出了自己的AI模型。高通也在評估並已經支持了其中的許多。

▼高通AI戰略：融合5G，雲、端配合

由於手機的功耗限制，在本地利用移動晶片組進行超負荷、超強度運算是不現實的。但這些運算卻可以在體積龐大的伺服器中實現，所以就有了「雲」和「端」的概念。

圖源：網絡

在雲端（伺服器），AI會通過大量數據進行超強度的機器學習，培訓出可供手機使用的AI模型。

然後端（手機）就可以把這些AI模型拿來用，免去了超強度機器學習的步驟。但這又涉及到了雲和端的數據交換問題，這時5G就派上了用場。

由於5G的高帶寬、高穩定性和低延遲，雲伺服器和手機端能進行實時暢通的數據交換，大幅提高了手機的AI性能。

還有一點，雲端伺服器和手機的數據交換都是在本地存儲進行讀寫。但目前手機存儲器的性能和效能還不足以進行強度太大的數據交換。所以說存儲器是手機本地AI的最大瓶頸。

▼本地AI不能完全被雲AI取代

雖然剛剛提到了雲端伺服器的優勢和手機性能的劣勢，但基於手機晶片組的本地AI運算仍然很重要。

比如，人臉識別、虹膜識別和聲紋識別等都利用了AI運算。如果在這時把數據傳到雲端進行處理的話，用戶的生物安全信息就有被暴露的風險。所以高通認為這類AI運算應當完全在手機端運行。

除了手機領域外，無人機和無人汽車更應當具有強大的本地AI能力。否則當網絡故障發生時，交通癱瘓帶來的安全問題將不堪設想。

▼生態打造和軟體優化極其重要

要想在手機上進行能幫助消費者日常使用的AI運算，光有高通(打造AI運算環境)的努力是遠遠不夠的。這是一個需要整個產業鏈共同面對的問題，這就涉及到了生態的打造。

晶片廠商（高通）、手機廠家，軟體公司(比如騰訊)、算法公司和APP開發者等參與者都是AI生態圈的一部分，離不開相互的合作與支持。

此外，強大的AI性能不僅需要好的晶片性能，也需要優秀軟體優化。優化得當的軟體能給AI帶來比升級硬體還誇張的性能提升。

▼移動端AI急需跑分標準

在看一部手機性能時，我們總是會看CPU、GPU或存儲的跑分。但在AI領域，業內還沒有一個能被大家公認的跑分標準。由於AI是一個極其龐大、複雜的領域，目前現有的AI性能評測標準雖然很多，但都過於「偏科」。也就是說每個標準都有自己側重的方面，只看重某一種運算。這讓許多AI能力不弱的硬體不能得到應得的高分。