智能的體現在以前大多都是在大型服務器或者是云端，目前人工智能正向終端側邁進。在目前的技術發展以及架構下，數據的處理等以及智能的培訓也可以在終端設備上進行。而如果要將人工智能向終端遷移，必然會遇到一些難題。首先，人工智能負載本身非常復雜，它不僅需要大量、密集的計算，同時還有始終開啟實時在線的需求;此外，智能手機、無人機、汽車等終端側產品的計算環境非常受限，要想實現真正的人工智能，在續航、內存和高效散熱等方面，都是很大的挑戰。

以實現終端側人工智能所需條件來看不難發現，人工智能的設備首先是高性能低功耗的設備，依托現有的無線通信技術，實現利用5G設備端和云之間的智能配合和連接。而這些都是高通過去幾年所專注的領域。

硬件方面，鑒于芯片研發的深入，高通在電池性能和熱效率等方面的解決能力已經十分了得，而這也為高通進一步深耕人工智能提供良好基礎。除此之外，高通一直致力于算法上的改進。目前整個行業 對于算法的提升尤為重視，高通不僅對未來可能出現的新工作負載和新的用例進行優化，同時也對現有算法進行優化提升，使之能夠在移動終端更高效運行解決方案。而在軟件工具部分，于終端側高通提供自己的軟件工具以支持在終端側進行的人工智能，同時也和生態系統中的合作伙伴攜手同行，例如支持TensorFlow、Caffe2等。

目前高通推出了人工智能引擎(AI Engine)，讓人工智能在智能手機等終端側設備上的應用更快速、高效。該AI Engine包括軟硬件兩部分，在高通驍龍核心硬件架構(CPU、GPU、VPS向量處理器)上搭載了神經處理引擎、Android NN API、Hexagon神經網絡庫等軟件。目前高通旗下芯片產品驍龍845、驍龍835、驍龍820、驍龍660都將支持該人工智能引擎AI Engine，其中驍龍845將支持當前最頂尖的終端側人工智能處理。

人工智能引擎作為實現人工智能的重要組成部分，是眾多同行者致力于研究的。而一向致力于人工智能終端側研發的高通，早在2007年就開始啟動相關研究項目。多年來的堅持創新，已經有所收獲。在2017年7月，高通推出驍龍神經處理引擎，它已經有SDK供開發者開發，能夠讓工智能工作負載在現有的驍龍移動平臺上實現高效的運行。

同時，通過這一套工具包，第三方開發者能夠更好地利用多樣的Qualcomm的硬件架構，包括CPU、GPU、DSP進行人工智能的處理。此外，該工具包不需要對網絡進行特定的人工智能培訓，它支持TensorFlow、Caffe、Caffe2以及一些未來即將發布的框架。這套工具包還支持優化的特性：無須專門針對特定的硬件核心進行編程，就可以在我們的一個或多個硬件核心上運行深度神經網絡。

自2007年，高通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，隨后在2012年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。2017年更是收購了專注于前沿機器學習技術的阿姆斯特丹大學附屬公司Scyfer B.V.，而Scyfer已為全球多個不同行業的公司打造了人工智能解決方案，包括制造業、醫療業和金融業。Scyfer創辦人，阿姆斯特丹大學著名教授Max Welling博士也加入了高通技術公司，充實壯大了高通人工智能技術研發團隊，協助推動人工智能研究與發展。

高通表示，未來的人工智能，應該是具備高通現已支持的高性能、低功耗終端的能力，并能夠利用先進的無線通信技術(5G)，實現終端側與云之間的人工智能配合和連接。而目前高通已經具備相應能力，讓用戶在高通支持的終端上客戶能夠運行人工智能工作負載。并且實現保護數據所有人的個人信息，將安全做到更好。