高通AI啟示錄，從一篇數學物理基礎論文說起

Qualcomm成功的秘訣是什么？

Qualcomm——高通，移動互聯網時代最成功的公司。

一代代旗艦芯片和移動平臺，更是安卓手機廠商核心競爭力和賣點之一。

但成功的花兒，外界更多看到花開時的艷麗，鮮能關注綻放前的艱辛。

所以最近一篇AI論文發布后，意外引起論文之外的討論。

中國俗語：臺上一分鐘，臺下十年功。

如果說移動時代的成功“秘訣”太難追，那這篇論文展示的，正是高通面向AI時代的“十年功”管窺。

一篇基礎理論的AI論文

這篇引發思考的AI論文，全名：Gauge Equivariant Convolutional Networks and the Icosahedral CNN.

中文翻譯：《規范等變卷積網絡與二十面體CNN》。

主題高深，著力點又極其基礎——把數學、物理方面的基礎理論，用在卷積神經網絡（CNN）攻堅中。

概括而言，之前的卷積神經網絡主要被用于平面問題，而且不具有旋轉不變性。

但高通的這項新研究，可以基于規范等變CNN的方法來實現一個尼曼三維任意曲面的旋轉不變性，這不僅是CNN模型新突破，而且結果可以用在全球氣候模式、醫療影像的研究上。

論文作者也非泛泛之輩。

Taco Cohen和Max Welling（韋靈思），均來自高通AI研發團隊。其中，韋靈思教授是深度學習領域知名科學家、變分自動編碼器（VAE）的提出者，還是諾貝爾物理學獎得主Gerardus’t Hooft和圖靈獎Geoffrey Hinton的學生。

這篇論文，可以說是韋靈思教授等集師承之所長的結果。

于是從論文本身到作者背景，立馬在AI科研圈引發反響：

推特上，轉發超過300，點贊數1千2——作為這樣一篇看懂標題都不易的論文，足見其影響了。

更主要的是，高通AI研究院展開如此基礎的研究，令不少人感到震驚。

一般而言，企業內部的研究院，雖然也會偏向學術式推進，但會偏重企業的側重所在。

比如高通這樣的公司，或通信或芯片，或者移動基礎架構。

但韋靈思等大牛的研究，更基礎更理論，并看不出限制。

這還不是孤立事件，稍早之前，韋靈思教授等還將廣義相對論和量子場論的數學原理應用到深度學習中，提供了3D物體識別的新思路。

更早之前，還在神經網絡壓縮、機器學習訓練工具等基礎方面展開攻堅。

所以也有人評價說，高通深厚的專利和技術壁壘背后，正是提前對上述看似無用的基礎研究的持續投入。

而等到OEM廠商爭相搭載驍龍芯片時，這些隱而不彰的基礎成就，雖然無跡可尋，但實際早已春風化雨。

高通AI生態

高通內部支持上述基礎理論研究，彰顯著高通對AI變革趨勢的判斷，也是面向新時代的適者生存。

至少目前對外宣示的是這樣：

除了優勢所在的手機終端，還正在把勢能延伸向物聯網、汽車，滲透到更多的端、邊緣，最終結合云端，讓AI等新技術無處不在。

越來越多智能傳感器，也正在讓數據呈現大爆炸之勢。

于是AI走向邊緣、走向IoT終端，開始呼之欲出。目之所及，掃地機器人、安防攝像頭、交通信號燈，包括汽車等等，都到了需要一顆“芯”的時候。

這不正是高通所長嗎？

在今年的高通人工智能開放日上，高通也在IoT和汽車領域大秀肌肉，吸引眾多目光。

在其發展戰略中，把汽車視為智慧城市、智慧基礎設施中的一環，包括道路在內就有無數傳感器，都在為智能汽車服務。

高通希望車與車、車與智能交通設施完全連接，形成一張V2X的巨大信息網，所有聯網共享的設備可以實時共享數據，而AI可以讓這些數據得到最好的運用。

在開放日現場最吃香的是一個專為司機提供的智能數字座艙，第三代驍龍數字座艙平臺為AI添加了人性化特色，不僅在用戶看不見的智能駕駛芯片和算法中，在車內的增強現實抬頭顯示（HUD）、虛擬助理等方面，也能讓用戶直接感受到AI的強大，可以為駕乘人員打造突破性的全新體驗。

實際上，智能數字座艙也最能體現AI時代的高通將往何處去。

在整個場景下，驍龍820A平臺提供了技術基礎，第三代驍龍汽車平臺集成多核高通人工智能引擎AI Engine，擁有高通安全處理單元（SPU），以及高通視覺增強高精定位和計算機視覺處理能力，能夠一系列AI基礎能力，但進一步延展開來的還有語音交互、AI視覺等方面的諸多能力。

你可以將“數字座艙”與“手機”相類比，只是前者類似的場景，比手機多得多——甚至目前還難以窮盡，這是一個完全增量的市常

所以回過頭來看，高通在去年11月建立的1億美元AI風險投資基金，所投方向涉及自動駕駛汽車、機器人、計算機視覺以及物聯網等領域，野心也便再清晰不過。

手機依然是主戰場

不過，手機依然最大智能終端。

或者說在AI時代，智能手機會真正被AI賦予“智能”能力。

2018年的驍龍820開始，高通的旗艦芯片就已經在全面集成高通自研人工智能引擎AI Engine。

今年的異構多核旗艦移動平臺驍龍855集成了最新的高通第四代人工智能引擎AI Engine，所謂異構計算就是由CPU、GPU、Hexagon不同功能的核心發揮各自所長，而又相互協作，共同實現高效的AI處理。

高通驍龍855芯片中，Adreno 640 GPU、Hexagon 690處理器和Kryo 485 CPU相互協作，通過異構計算智能分配AI任務，相比前代實現了整體AI性能3倍的提升。

其中Hexagon 690新增的Hexagon張量加速器（Hexagon Tensor Accelerator，HTA）功不可沒。

張量運算是AI算法中的基礎操作，PC和云計算廠商近年來引入張量計算單元為AI加速。該張量加速器是Qualcomm自主設計、面向更多AI處理的硬件核心。

Hexagon張量加速器的加入對手機行業意義重大，它不僅使數字信號處理的功能得到擴展，還讓開發者實現可編程的AI加速。AI如今已經成為高端智能手機的核心賣點。

時代也正在發生這樣的變化：

僅有AI硬件的升級遠遠不夠，還需要有軟件開發商的支持，才能發揮出高通第四代人工智能引擎的運算潛能。

在軟件框架層面，驍龍855底層硬件支持TensorFlow、PyTorch、ONNX等主流機器學習平臺，以及Google NN API等運行軟件框架，讓開發者充分利用AI特性，圍繞高通人工智能引擎AI Engine，打造覆蓋范圍最廣的AI生態系統。

同樣在高通AI開放日現場，去除噪點、實時翻譯語音、手勢識別等實際應用，都是AI帶來的新變化。

曾經在PC上需要大量資源才能運行的圖像、語音處理模型，如今在手機上也能輕松運行。

而且AI也讓高通的生態空前龐大，商湯、曠視和虹軟等AI獨角獸也都紛紛參與到高通AI朋友圈中，基于芯片和軟件支持平臺，最后推出更豐富的AI應用和場景化落地。

基礎研發啟示錄

所以歸根結底，無論是手機方向上的努力，還是更宏大的AI生態藍圖。

這篇高通AI基礎論文背后的啟示，早已再清晰不過。

如果不在基礎研發下苦功，任何領先和生態，都只會是窒息一常

所謂臺上一分鐘，臺下十年功。

之前太多羨慕高通移動時代的話語權之強大，但鮮有背后研發投入和基礎苦功的闡釋表達。

現在，這篇引起學界一番熱議的論文，恰似一個注腳，能夠解釋高通之所以引領了一個時代的核心原因。

也是值得更多擁有宏圖夢想的AI公司們學習的原因。