摘要：現如今人工智能已經應用到多個領域，如路邊的攝像頭、道路上無人駕駛的汽車等，那么，人類將同人工智能共同創造一個怎樣的未來？雙方協同還是競爭？面對這些問題Quaclomm 執行副總裁 Matt Grob 分享了自己的觀點。

自2017年8月以來，國內首檔人工智能挑戰類節目《機智過人》在中央電視臺綜合頻道播出，此檔節目定位為“科技改變生活 創新引領未來”，網羅了國內20項頂尖人工智能技術，通過“人機比拼”的方式，普及人工智能前沿科技知識。

那么，我們將同人工智能共同創造一個怎樣的未來？雙方協同還是競爭？面對這些問題Quaclomm 執行副總裁 Matt Grob 分享了自己的觀點。

人工智能應用多個領域

路邊的攝像頭、道路上無人駕駛的汽車、家中的電冰箱、地上的掃地機器人、記錄身體各項指標的手環等等終端出現在我們工作和生活的每個細節當中。大量的數據從終端產生，并進行初步的處理而傳到云端進行進一步的分析和存儲。這樣的終端如今越來越智能，各類傳感器能精確地感知到外界如今的環境數據；掃地機器人可以不知匹配的進行打掃工作；智能手環可以將人的心率等數據進行全面記錄為科學的健身方案提供依據。

可以說人工智能在模仿和替代人類的肢體運動能力、認知感官能力、思維判斷能力已經有了大幅度的提升，取得了令人驚嘆的發展，但是有不少權威專家認為，僅僅依靠大量的運算和數據處理，人工智能永遠無法實現人腦特有的創造力和想象力。

Quaclomm 執行副總裁 Matt Grob表示，人工智能的更大的突破性發展，需要對人工智能的底層架構進行改革，引入量子引力及其他相關效應。雖然人工智能的前景是美好的，也有了許多令人驚嘆的應用，但距實現人腦般的智能還有很長的路要走。

人工智能的未來：云+終端智能

人工智能包含兩大重要方面，感知能力和認知能力。智能終端是人的感官，云就是大腦，把智能終端和云大腦完美地結合起來，才是人工智能未來的方向。

在人工智能時代，智能終端和傳感器將無處不在。Matt Grob表示，當我們以合理的成本在移動環境中讓人工智能無處不在時，不可思議的事情就發生了。以無人駕駛汽車為例，它是一個移動的“物體”，需要足夠的本地數據處理能力，即終端側人工智能。同時，它也需要從網絡中獲取強大的處理能力，并且需要確保高可靠性和低延遲（環境）。

大規模數據產生于各類終端是人工智能時代一大特點，如果數據能夠在智能終端得到篩選和處理，僅將有價值的信息通過網絡傳至云端甚至于直接可以將用戶需要的結果返回，如此數據就近處理的理念可以實現網絡帶寬以及數據中心的存儲和計算資源將得到極大的節省，同時提高了系統效率，人工智能系統的TCO也將得到降低。

Qualcomm讓終端側人工智能無處不在

自 2007 年，Qualcomm 開始探索面向計算機視覺和運動控制應用的機器學習脈沖神經方法，隨后還將其研究范圍從仿生方法拓展到了人工神經網絡——主要是深度學習領域。

Qualcomm發布了驍龍移動平臺，該平臺是最高性能移動終端的首選系統級芯片（SoC），專長于移動異構計算。全新Qualcomm?驍龍?845移動平臺則是一款集合Qualcomm所有核心技術，打造出的一款支持包括 XR（擴展現實）、終端側 AI 和快如閃電般的連接速度在內的沉浸式多媒體體驗的平臺，同時引入了全新的安全處理單元（SPU），帶來如保險庫般的安全性能。

另一方面，跟驍龍?845相配的是驍龍神經處理引擎（Snapdragon Neural Processing Engine，簡稱：SNPE）SDK，該神經處理引擎能縮短終端側卷積神經網絡（CNN）和遞歸神經網絡（RNN）在合適的驍龍引擎（例如 Kryo CPU、Qualcomm Adreno GPU 和 Hexagon DSP）上的運行時間，對圖形識別和自然語言處理分別都有著重要作用。相同的開發者 API 給每個引擎都提供接入口，從而使開發者能夠方便地無縫切換人工智能任務。

近日手機QQ基于騰訊AI Lab計算機視覺中心獨家支持的“肢體動作追蹤”技術，結合Qualcomm SNPE SDK推出了“高能舞室”功能。該功能為年輕人社交提供了更多個性化內容和用戶體驗。

通過SNPE SDK，該功能可以直接運行手機上相應的人工智能神經網絡，而無需在云端進行處理。具體來說，用戶可以直接根據屏幕提示動作錄制跳舞短視頻，并通過QQ社交關系鏈分享互動舞蹈視頻。Qualcomm SNPE為高能舞室提供了高性能和高能效的運行環境，將人體姿態估計識別的時間大大降低，用戶可以享受更加流暢、有趣的舞蹈體驗。

與在云端運行的人工智能相比，在終端側運行人工智能算法具有諸多優勢，如即時響應、可靠性提升、隱私保護增強，以及高效利用網絡帶寬等。基于SNPE SDK，開發者和OEM廠商能更方便地在終端上利用異構計算，能在諸如智能手機、安全攝像頭、汽車以及無人機等搭載驍龍的終端上運行自己的神經網絡模型，且完全無須與云端相連，就能提供由深度學習驅動的體驗，如風格轉換與濾鏡（增強現實應用）、情景探測、面部識別、自然語言理解、物體追蹤與規避、手勢和文本識別等。SNPE適用于驍龍600和800系列移動平臺，可支持通用深度學習框架，如Caffe、Caffe2和Tensorflow，并提供對自定義層的支持。該SDK包括了運行時軟件、庫、API、離線模型轉換工具、示例代碼、文檔，以及調試與基準測試工具。

結語

十多年來，Qualcomm一直專注于在移動終端的功耗、散熱和尺寸限制之內，高效地處理多種計算工作負載。在終端側完成全部或大部分思考的、“始終開啟”的智能終端中蘊藏著巨大的機遇，因此期待通過研究和產品化推動先進機器學習的發展。