设备端的“深度学习”需求
此前涉及人工智能的时候，人们讨论的话题大都集中在如何强化云端的运算能力。在这方面，Google、Facebook和微软等都运行着自己专属的AI实验室，开展着AI重要领域的研究，探讨如何使具有处理复杂信息能力的云计算基础设施变得更加强大，如何使云端设备处理的信息量得到空前提升；而对设备端职责的考虑则基本停留在如何更快、更丰富地采集数据，然后传上云端。
不过，随着技术的发展，消费者对在设备端即进行深度学习的需求变得越来越多。设备端嵌入式人工智能处理能力也在增强。“我们的做法与此前人工智能的思路有所不同。”联发科技资深技术处长朱子青在接受《中国电子报》采访时表示：“前些年，在‘一切皆云’的潮流下，深度学习相关的一切处理和计算都放在云端，手机更像一个界面。如果人们想要识别一个物体，就要将图像通过网络传输到云端，在比对之后再返回到设备端。”
“这个过程不可避免地有一定的时延，在一些高度时实性的应用中比如人脸识别，将会受到限制。现在我们的观念已经有所改变，要把处理和计算放在本地。”联发科技技术长办公室经理许哲铭说。此外，一些用户出于隐私、信息安全等方面的考虑，也不愿意把信息传到网上。
因此，将一部分人工智能处理能力下放到设备端完成，将是一个重要的趋势。对此，高通公司也有相同看法。此前高通全球副总裁沈劲在接受采访时表示：“人工智能的拐点已经到了。”在人工智能的大潮中，手机也应该发挥作用。
这就要求发展适合设备端的人工智能处理技术。
移动计算厂商发力“人工智能”
与互联网公司专注于云端人工智能技术不同，设备端的技术发展主要得益于移动计算厂商的投入。
朱子青在“2016全球异构计算HSA峰会”中，介绍了联发科当前旗舰产品Helio X20在人工智能技术上的最新研发进展。“在Helio X20上采用了三丛集十核架构。三丛集架构是把任务按照轻重等级进行精细的划分，通过一种CorePilot 3.0技术在三个丛集间对十个核心进行自由调度和搭配，相比传统双丛集架构处理器，功耗降低30%，运算能力提升15%。依托这一架构，Helio X20实现了声纹辨识、图像识别等身份识别应用。”
根据联发科发布的资料，基于Helio X20的实时处理，可实现媲美人类的面部识别水平，深度学习技术可由以前的70%识别率，提高到97%。与大数据云端训练相比，终端设备上的深度学习，更具隐私性、实时性和个性化。采用联发科发布的支持深度学习的SDK，用户可以开发更多的人工智能应用，可实现语音识别、图像识别、文字识别和语言翻译等智能应用。
高通在人工智能方面也做了很多布局。发布的Zeroth人工智能平台，可以“智能”识别出很多东西。比如可在手机上感应出一些危险行为，从而做出一些应对以增强其安全性。而在今年发布的骁龙820处理器上，则实现了对Zeroth的软硬件整合。它通过深度学习算法和智能摄像头识别技术，让移动设备具有学习能力，可以根据周围环境而做出响应。
异构计算提供支持
在小小手机端引入具有人工智能运算的处理器并不容易，因为传统的处理器计算架构很难实现如此高速的运算以及低功耗需求，必须对芯片设计从架构上进行大的改变方能支持。
“刚才我提到的深度学习需要的运算量非常大。不管应用场景是什么，追根究底，都需要巨大的运算量。如果只用CPU，不仅速度无法支持，功耗也可能非常大。这时候就要采用各种加速器装置，如集成数字信号处理器（DSP）、图形处理器（GPU）等。而简单的集成显然无法满足需求，这就需要在架构上进行很多优化。”朱子青说。
很多厂商在“本地化的深度学习”上，尝试采用异构计算进行突破，异构计算能在合理的功耗下提供计算能力，这对于移动端的计算非常重要。根据赛迪智库集成电路产业研究所副所长林雨的介绍：“异构计算芯片是将不同架构的CPU、GPU、DSP和FPGA等特定硬件加速单元依据相关技术标准和规范有机内在地融合在一颗芯片上，任务由最合适的工作单元来承担，不同异构内核之间实现协同计算。随着同构多核达到一定程度，通过核的堆叠提升计算性能遇到严重挑战，芯片级异构计算能够消除同构计算时CPU、GPU、DSP之间数据传输时间，大大提升计算效率，并且以良好的性能协同支持图形处理、信息通信、人工智能、大数据等多领域应用，基于统一编程规范和标准，能大幅减小软件开发编程难度、降低产品研制和维护成本。”
“信息技术正处于云计算与端计算、软件与硬件、智能与交互、计算与通信等多种技术融合发展态势当中。这是一个时代的来临，‘CPU+’（即异构计算）的背后有着强大驱动力。”华夏芯董事长李科奕表示。
而人工智能等技术的发展，是对这一趋势的促进，反过来异构计算又为人工智能提供了技术基础。
（作者：陈炳欣）
