众所周知，高通是一家专注于技术创新的企业，在人工智能已耕耘了超过十年时间。最早从事在大脑脉冲神经网络的研究，后续进入到深度学习/终端侧深度学习领域的技术研究，发布了Qualcomm骁龙神经处理引擎SDK。日前为了进一步充实人才和技术储备，高通收购了荷兰的阿姆斯特丹大学附属公司Scyfer B.V.，一家专注于机器学习技术的企业。
对于高通在人工智能领域的一系列动作，Qualcomm Technologies工程技术副总裁Jeff Gehlhaar在一次电话媒体沟通会上进行了解读，并结合高通的技术优势，对未来的人工智能发展愿景做了分享。
人工智能需要大量数据和计算力，因此众多科技公司都聚焦在云端、服务器的人工智能研究，但高通专注于终端侧的人工智能研究。据Jeff Gehlhaar介绍，终端侧的智能包括感知——推理——行动三个部分，而无人机和无人驾驶汽车正是终端侧智能的最好用例，它们都是基于传感器感知周围环境的数据，进而基于数据进行决策，然后采取行动。
根据高通给出的数据，预计2017-2021年的智能手机累计出货量将超过85亿，手机将是未来五年人工智能最为普遍的载体。高通可以利用其骁龙SoC在移动领域的技术优势和规模化产量，以手机端的人工智能为基础，延伸至智慧城市、工业物联网、VR、无人汽车等应用场景，实现万物智能的愿景。
同时Jeff Gehlhaar强调，当前人工智能领域出现了一个新兴的趋势——边缘计算，就是在终端侧通过多台终端的分布式架构进行人工智能系统的训练。这表明人工智能正在向终端转移，相比于云端的人工智能，终端的人工智能拥有更好的隐私性、可靠性、低时延、并且可以高效利用网络带宽。因此专注于终端侧的人工智能其实很有意义.
实际上，终端侧的人工智能实现并非坦途，需要克服两大挑战。首先，人工智能工作负载本身非常复杂，通常它需要大量、密集的计算，同时它有始终开启且实时在线的需求;其次，智能手机、无人机、汽车等的计算环境是非常受限的，它们面临着人工智能工作负载要克服的热效率、电池续航时间、内存以及存储空间等问题。
要成功解决刚才谈到的人工智能在终端侧所面临的这两大挑战，需要从三部分入手。第一个部分就是高效的硬件，通过设计更高效芯片来解决刚才谈到的诸如高容量、高能效的工作负载问题。第二个部分就是算法改进，让它能够在移动终端上更高效的运行。第三部分则是软件工具。高通不仅会提供自己的软件工具支持(Qualcomm骁龙神经处理引擎)，同时也和生态系统里的伙伴合作，支持TensorFlow、Caffe2等。
Jeff Gehlhaar强调，高通只有这三个部分齐头并进，才能在市场上提供一个具有竞争力的解决方案，解决在移动终端侧的人工智能问题。
依托在移动芯片的领先地位，骁龙处理器将成为无处不在的终端侧人工智能平台。Jeff Gehlhaar以智能手机和自动驾驶为例，阐述了人工智能为终端带来的改变。他表示，智能手机将拥有更加贴心的智能助手，更加出色的拍照能力，甚至可以延长手机电池的续航时间，增强的安全性能，对调制解调器进行更好的管理等。
而在自动驾驶方面，人工智能重新定义了车载的体验，提供更好的自然用户交互界面，个性化的设计以及驾驶者的意识监控。同时基于高通电脑视觉的技术，可以提供更好的环境感知，而根据自身的计算优势，能够进行更好的传感器融合、路径规划以及决策等。
在未来，高通将在三个领域不断去研发和推进。第一是专用的硬件，也就是芯片方面的研发;第二是算法的提升，一方面要找到解决新问题的新方式，另外一方面是能够提高解决问题的效率;第三是改进优化策略，让模型更简洁、更容易在有功耗限值的终端上运行。
可以预见，在高通的技术支持下，未来人工智能终端将是高性能和低功耗的有机结合，并能够利用先进的无线通信技术(5G)，实现终端侧与云之间的人工智能配合和连接。
