高通如何拓展终端人工智能？

99ANYc3cd6 人工智能 2026-04-16 3

这不仅仅是高通的一个业务方向,更是其整个公司战略的核心支柱，高通的目标是将强大的AI能力从云端延伸到我们手中的每一台设备，实现端侧AI（On-Device AI）的普及。

（图片来源网络，侵删）

下面我将从几个维度来详细解析高通的终端AI战略：

为什么高通要大力拓展终端AI？

在深入其技术之前,理解其动机至关重要，高通布局终端AI，主要基于以下几点核心驱动力：

市场需求与技术趋势：
- AI无处不在： 从手机拍照、语音助手、游戏到汽车辅助驾驶，AI已成为提升用户体验的关键。
- 实时性要求： 像AR/VR、实时翻译、游戏场景等，需要AI在毫秒级内做出响应，云端网络延迟无法满足。
- 隐私保护： 敏感数据（如人脸、语音）在本地处理，无需上传云端，能更好地保护用户隐私。
- 可靠性： 无网络连接时（如飞机、地下室），终端AI仍能正常工作。
商业护城河：
（图片来源网络，侵删）
- 从“连接”到“智能”： 高通的传统优势在于移动通信（基带）和计算（CPU/GPU），通过AI，它可以将自己的芯片平台打造成一个更智能、更不可或缺的核心，从而在竞争激烈的芯片市场中建立更高的壁垒。
- 生态系统绑定： 强大的AI SDK和工具链会吸引开发者在其平台上开发应用，形成“芯片-系统-应用”的良性生态闭环，将客户（如手机厂商）更紧密地绑定在自己的生态中。
技术演进的自然延伸：

高通的骁龙芯片集成了CPU、GPU、ISP（图像信号处理器）、DSP（数字信号处理器）等，AI本质上是一种并行计算任务，将这些异构计算单元高效地组织起来，用于AI推理，是技术发展的必然路径。

高通的端侧AI战略并非单一技术,而是一个由硬件、软件、生态三大支柱构成的完整体系。

这是高通AI能力的物理基础,它不是依赖单一的CPU或GPU，而是调动整个芯片平台的“异构计算”资源。

（图片来源网络，侵删）

Hexagon DSP (数字信号处理器)：
- 核心角色： AI计算的主力军，从骁龙855开始，Hexagon DSP集成了专门的AI加速器（Tensor Accelerator）。
- 优势： 能效极高，特别擅长执行AI模型中的大量乘加运算，在处理AI任务时，其能效比远超CPU和GPU，是实现终端AI长续航的关键。
Adreno GPU (图形处理器)：
- 核心角色： 并行计算的利器，GPU拥有数千个核心，非常适合处理大规模并行计算，如图像识别中的卷积神经网络。
- 优势： 在处理需要高吞吐量的AI任务时（如实时视频背景虚化、游戏中的AI NPC）表现出色。
Kryo CPU (中央处理器)：
- 核心角色： 调度与控制中心，CPU负责运行操作系统的核心任务，并协调GPU和DSP，将不同的AI子任务分配给最合适的处理器执行。
AI Engine (AI引擎)：
- 这是高通对上述所有AI加速单元的统一管理和调度平台。 它是一个硬件和软件的结合体，能够智能地将AI计算负载在CPU、GPU、DSP之间进行动态分配，以实现性能和能效的最优解，用户和开发者无需关心底层细节，只需调用API即可。

硬件再强,没有易用的软件也无法普及，高通为此打造了业界领先的软件工具链。

Qualcomm AI Engine Direct：
- 核心作用： 它是连接开发者与底层硬件的桥梁，开发者可以使用它来直接优化和部署AI模型，充分发挥骁龙芯片的AI性能。
- 支持主流框架： 兼容TensorFlow, PyTorch, ONNX等主流AI框架，并提供了专门的量化工具，可以将庞大的AI模型压缩到适合终端设备的大小，而精度损失极小。
Qualcomm AI Model Efficiency Toolkit (AIMET)：
- 核心作用： 模型“瘦身”专家，AIMET提供了一系列先进的模型压缩技术，如量化、剪枝、知识蒸馏等，帮助开发者将云端训练的大模型高效地部署到资源受限的终端设备上。
Qualcomm Snapdragon Neural Processing SDK：
- 更早期的开发者工具，虽然现在AI Engine Direct是主流，但SNPPS仍然为许多开发者提供了稳定支持。

硬件和软件是基础,最终要落地到具体的应用场景和行业。

智能手机（旗舰市场）：
- 这是高通AI的“主战场”，通过骁龙旗舰芯片，实现了：
  - 影像AI： 实时语义分割、AI降噪、AI增强、电影模式虚化等。
  - 语音AI： 唤醒词识别、实时语音翻译、AI降噪通话。
  - 游戏AI： AI驱动的场景渲染、NPC行为预测。
  - 连接AI： 智能Wi-Fi/蓝牙连接优化。
XR（扩展现实，AR/VR/MR）：
- 被高通视为下一个重要增长点，终端AI对于XR至关重要，可以实现：
  - 实时手势和眼球追踪。
  - 场景理解与空间映射。
  - AI渲染优化，降低功耗，提升续航。
  - 其骁龙XR系列芯片专门为此进行了优化。
汽车（智能座舱与自动驾驶）：
- 高通通过其骁龙数字底盘平台,将AI能力赋能汽车：
  - 智能座舱： 驾驶员监控系统（DMS，如疲劳检测、注意力分散）、乘客监控系统（OMS）、自然语音交互。
  - 自动驾驶： 虽然L4/L5级自动驾驶仍依赖强大的域控制器，但端侧AI在L2+/L3级辅助驾驶中扮演关键角色，用于传感器融合、物体检测、路径规划等。
物联网与边缘计算：

将AI能力下放到更广泛的设备中,如智能摄像头、工业机器人、可穿戴设备等，实现本地的智能决策和响应。

与苹果的竞争： 苹果A系列芯片在端侧AI的整合和能效比方面一直表现优异，是高通强劲的对手。
来自NVIDIA的跨界竞争： NVIDIA凭借其在数据中心AI和GPU领域的绝对优势，正通过其Omniverse平台和Thor芯片等，积极向汽车、机器人等终端AI领域渗透。
软件生态的深度： 尽管高通的SDK很强大，但在开发者社区的广度和深度上，与NVIDIA的CUDA生态相比仍有差距。
模型与硬件的平衡： 如何在越来越复杂的AI模型和终端设备有限的功耗、散热之间找到最佳平衡点，是一个持续的挑战。

高通拓展终端AI的战略,是一场“硬件+软件+生态”的立体化布局，它不再仅仅是一家芯片公司，而是转型为一家“智能连接”的平台公司，通过在手机、汽车、PC、XR等多个领域全面发力，高通正致力于将AI从“云端的特权”变为“人人可及的终端体验”，从而在未来的智能时代中巩固其核心领导地位。