高通骁龙835的“战斗值”，仅仅就是手机芯片那么简单？

机器学习是在VR/AR之后最被业界看好的技术，几乎所有的业界巨头都有涉足。

在硬件领域，英特尔Xeon Phi家族与英伟达Tesla P/K系列，分别是X86和GPU阵营的机器学习芯片代表。

软件领域的微软、Google、facebook等巨头也早就在自家产品中加入机器学习，当中的Google甚至也定制了神经网络专用的TPU（张量处理单元）和英伟达的硬拼。

虽然Google和facebook这种厂商很早就把机器学习的成功应用在自家的搜索、图片和视频相关业务上。但不可否认，此前的机器学习无论是技术还是设备门槛，对于普通用户，甚至很多软硬件开发者来说，依旧是非常高大上和陌生的高科技。

这一切，得等到高通在骁龙计算平台上加入机器学习相关的软硬件支持之后才开始有所转变。高通作为受众最广的移动领域上游厂商，其在消费级产品上加入机器学习支持，这个理念不但超前，而且还很可能是里程碑式的。

起起落落60载，机器学习为何物？

人工智能学科在20世纪40年代诞生，第一个游戏AI在1951年出现，但其实只是个可以下西洋棋的程序。1956年达特茅斯会议后的数年，是人工智能的大发现时代，那时候的计算机已经可以证明几何定理、学习和使用英语了。

60年间，人工智能的发展重点经过从"推理"到"知识"再到"学习"为主导的变迁，分别代表了程序、暴力穷尽和神经网络等不同时代的人中只能方案。而提到人工智能就必须要提到机器学习和深度学习。

与传统的有明确目标的程序不同，机器学习具备自行创建模型和算法的能力，其是通过大量数据让计算机从数据中自动分析和改善算法模型，从而对未知数据进行预测的过程。机器学习早已被广泛应用于数据挖掘、计算机视觉、自然语言处理、手写识别、生物特征识别、搜索引擎、DNA测序等领域。

实现计算机自动创建并修正模型和算法的方案有很多种，而深度学习则是近年来名声最大、应用最广的分支。深度学习通过模拟生物大脑神经元的神经网络架构，对数据进行进行高层抽象。

Siri/Google Assistant/微软小娜等语音助手、刚开始爆发的智能音箱、Prisma线上自动修图、手机云相册的人脸识别和筛选等，这些以前看起来很神奇的功能，都是深度学习的直接结果。

计算机慢慢地开始可以表现得像人类，甚至代替人类做简单的脑力工作了。换个浅显一点的角度看，机器学习正在把语音和图像，这些以前计算机无法理解和使用的数据转换为实用功能了。

高通初见成果的十年耕耘

和其他巨头一样，高通很早就进入了人工智能领域。10年前，真正的智能手机诞生之初，高通就开始了人工智能的基础研究，随后高通投资并和Brain Corp合作，专注于生物真实性的脉冲神经网络的研究。

2013年，高通研究人工神经处理构架并通过深度学习进行人脸识别的研究。2014年，高通收购了Euvison并于次年的MWC上展示了照片分类和手写识别技术。

在深度学习大热的2016年，高通和Google两个巨头在机器学习上合作，骁龙平台对Google的TensorFlow机器学习语言做了适配和相互优化。同年，高通推出了NPE（Neural Processing Engine神经处理引擎）深度学习软件开发包SDK。

2017年，高通宣布支持Facebook的 Caffe2开源深度学习框架，随后高通收购了从阿姆斯特丹大学（UvA）分拆的人工智能公司Scyfer。

此外，高通也是最早大规模应用深度学习成果的厂商。高通的最早落地的人工智能项目是2013年的Zeroth处理器和Zeroth认知计算平台，其核心正是深度学习。

在早期试验性质的骁龙Rover、骁龙Cargo等机器人上，高通通过深度卷积神经网络，实现了人脸识别和视觉避障等功能，在与Planet GmBH的合作中则实现了OCR手写识别。

最早从机器学习中受益的移动摄影领域，早在2015年就开始大规模应用机器学习的成果。当年安卓旗舰开始搭载的各种情景模式相机、OCR识别文本和笔迹的能力，用的正是就高通骁龙系列处理器的开放接口。

而更上一阶的Google，在自家手机系列上的HDR+技术，正是通过高通的Hexagon DSP，使用Halide语言提供的深度学习能力进行图形处理加速。

和以前的处理器构架、传感器、指纹、曲面屏等单一的技术突破不同，深度学习几乎可以强化所有和算法有关的部分。而高通今年的骁龙835，可以说是史上机器学习成果最集中的一代移动计算平台，经过了大量认知训练的机器学习算法和应用，被用于对续航、相机、安全、连接和VR/AR的优化上。

影像方面，机器学习优化了骁龙平台对场景模式的分类能力，在HDR、夜景等算法判断以及多帧合成的过程中，机器学习用于帮助手机识