高通骁龙835的“战斗值”，仅仅就是手机芯片那么简单？

别场景和物体边缘，提供更好的锐化和降噪效果，这些都是传统算法和硬件都无法提供的可能性。

而在即将全面爆发的双摄领域，无论是黑白双摄的画面数据合成和优化，长短焦双摄的平滑变焦、大量的后期降噪和锐化算法、还是背景虚化所需的物体边缘识别和抠图算法，都少不了深度学习。

在更偏向后期的图像增强领域，骁龙835的机器学习可以根据现有的数据，以及从其他类似图像训练出来的算法进行推断，对图像进行重建或填充图像中缺失的部分，以此提升多帧合成的后期降噪和去鬼影效果。

配合Hexagon 682 DSP，骁龙835上追踪速度和精度更高的面部检测和人脸识别，可以用于改善自动对焦性能或进行人像美化，甚至是在视频拍摄过程中的使用人工智能完成追焦任务。

在Google和苹果刚加入战局的虚拟现实/增强现实领域，其重点是用户物理位置的感知定位和高速的画面渲染。机器学习在骁龙835上被用于整合摄像头和传感器数据，高通的视觉惯性测距（VIO）头部运动跟踪系统，在处理摄像头的30 FPS的画面外，还需要以高达800-1000Hz的频率处理加速度计和陀螺仪在6自由度（6-DOF）的数据。

在骁龙835的异构计算系统中，这个工作交给了Hexagon 682 DSP处理，以提供比CPU高4倍的性能和更低的耗电，而画面渲染则交给了性能提升高达 25% 的 Adreno 540 。机器学习甚至还会预测下一个画面，让GPU精确调整当前内容。

在视觉之外的自然语言处理上，大规模神经网咯训练出来的算法很早之前就能做到实时的语音转文字，而骁龙835上运用的深度神经网络，被用来学习如何更好地理解语音指令和问题，通过将其转化为合适的指令，而且DSP可以做到比以前更低的功耗、响应更快的全天候语音待命。

在骁龙835上，高通整合了SecureMSM的软硬件并引入了Haven安全平台，以提升生物识别与终端认证的安全性。让骁龙835成为首个支持全部生物识别方案的计算平台，在几年前就开始用机器学习的Sense ID 3D指纹识别和声纹信息的生物识别之外，骁龙835可以使用安全摄像头实现基于眼球、面部，甚至虹膜的识别。

机器学习的预测能力也被加入到大家已经习以为常的通话上，在骁龙835上除了环境声音检测和消除，还能对声音模式进行预测和判断。

命运式的差异：高通的移动终端机器学习

机器学习需要进行大量的数据训练，以前的移动设备根本不具备神经网络模拟的硬件电路和运算能力，所以现阶段大部分厂商的机器学习都是基于大型的CPU/GPU集群，然后通过云端与移动连接，从而提供计算机视觉、语音助手等深度学习功能。

这就是为什么智能语音助手一但断网就基本残废，以及相册应用中的人脸识别和分类功能，只能在照片上传云端之后才能使用的原因。

而高通在通讯和移动血统上的差异，让其在机器学习的出发点和立意上，就注定和其他芯片厂商完全不同，并提出了截然不同的思路--移动终端的机器学习。

高通定义了NPU（Neural Processing Unit，神经处理单元）并改用其执行深度学习任务后，其目标是让智能手机、汽车、无人机、机器人等数十亿移动设备，都能实现一定程度的人工智能。

更出乎业界预料的是，高通在去年的骁龙820、今年的骁龙835和骁龙660等计算平台上就加入了大量深度学习的支持（而业界下一个跟进的Kirin 970得等到2017年底才会量产）。

骁龙835还加入NPE神经网络技术支持，支持卷积和循环神经网络加速，厂商可以定制神经网络层，高通也以极高的速度引入了Caffe、CudaConvNet、Google TensorFlow和facebook 的Caffe 2等深度学习语言和框架的支持。

当中的关键是高通的异构计算概念和近年来规模和性能暴涨的Hexagon DSP。其内置的HVX（Hexagon向量扩展）专门用于图像和视频处理、虚拟现实和机器视觉等应用，其还借用了大量来自高级CPU内核的概念，让骁龙平台的DSP成为了移动端性能最强、功能最广的DSP。

Hexagon 682在机器学习方面的的性能达到CPU的8倍，但却比CPU省电25倍。骁龙和NPE所带来的重要优势是，开发者和OEM厂商能够基于应用的功能和性能要求，自行在Kryo 280 CPU、Adreno 540 GPU和Hexagon DSP 及其Hexagon Vector eXentions（HVX）中，选择最高效的异构化核心运行模型。

高通的移动化机器学习理念虽然非常大胆，但确注定是未来的其中一个形态。无论是在无人驾驶、计算机视觉识别，还是自然语言处理等机器学习，移动端在即时响应、可靠性、隐私保护等很多优势，都是现有的云端模式所无法提供的。

此外，移动端是最重要的图像和声音数据源，在最靠