Charles Bergan：芯片的可扩展性正让AI进入各行各业

　　新浪科技讯 1月28日下午消息，今天由MIT科技评论和DeepTech主办、新浪科技作为首席媒体支持的全球新兴科技峰会在京举办，高通全球副总裁，工程研发负责人Charles Bergan出席大会，发表演讲。

　　以下是整理后演讲全文：

　　谈到高通的人工智能，首先就要提到高通历史上所经历的两次手机革命。

　　第一次，是声音识别革命。20多年以前，直接抓起一部手机给地球另一端的人打个电话看起来还像是个科幻小说，但20年，这已经变成了现实。

　　第二次，是移动互联网。有了智能手机这样的移动互联网的设备之后，我们就做了相关的研究工作。接下来发生的就是移动智能，随着智能逐渐向终端设备迁移，我们得以享受到高可靠性、高隐私性和低延时，这些都是非常重要的。最其中最重要的一个应用领域，就是养老体系。我们能够利用陪伴式机器人更好地照顾老年人，它们甚至能够捕捉你表情的变化。

　　接下来聊一聊高通的芯片。高通做了很多的芯片，这些芯片可以应用在数以几十亿计的设备上，无论是手机、无人车还是机器人，它们内部的芯片替代人类做了好多事情，通过与摄像头、语音识别系统的配合，再辅以机器学习的强大能力，芯片可以将收到的信息加以判断，最后做出最佳的决策。高通的机器学习是DSP来完成的，它可以做非常广泛的指令的解读，处理这些机器学习的数据速度也是非常快的。

　　接下来我们谈一下可拓展性，上面这张PPT给展示了我们的技术扩展性，服务器、汽车、智能手机应有尽有。以可穿戴助听器为例，我们希望它能够听懂你说的东西，比如你下一个命令，它就可以调节音量，这样的话，老年人就可以很轻易地操作它。

　　当然这样做起来非常难，也需要成套的解决方案。再举一个扫地机器人的例子，现在的扫地机器人经常会遇到一个问题，就是走过之后没有打扫干净，反而搞得脏物到处都是，这就需要机器学习来检测到是不是有狗的排泄物在地毯上。我们如何把这些机器学习的算法集成到非常紧密且节能的硬件之中？首先需要有一个高效的硬件。而且我们也需要不断发展我们的算法，我们需要确保我们整个算法是可以集成并且高效的，如果把算法放到手机上结果手机崩溃了，这是不能接受的。

　　另外，还要有软件的支持。我们有足够数量的专家，来帮助我们开发可以满足需求的软件工具。高通也有自己的神经处理引擎，我们会有很多的工具帮助我们在不同的处理器上使用我们的算法，因为我们需要运行不同的程序，不光是机器学习，也包括数据收集的功能。所有的功能都需要在处理器上进行运行，所以，我们并不仅仅需要一种功能的机器学习，而应当是多维度的机器学习。而且我们还需要多种的模式以及架构，比如我们的TensorFlow、Caffe、Caffe2。

　　在未来，不光是使用智能手机，我们也可以用我们的助听器以及其他的设备来和我们进行沟通。基于此，我们可以想象一下我们要打造什么样的应用，比如说对老年人的看护应用程序，这是一个比较难开发的程序。比如说有一辆车，要去接一个奶奶，她的年龄比较大，不能亲自开车，我们就需要有别人来开车，如果突然有一个人冲出来要上这辆车，那么这辆车就会拒绝。要怎么做到的？车上可能有智能的摄像机，会识别身边人的身份，如果说不是我们要接的奶奶，就不会让这个人上车，如果奶奶真的出现，车门就会打开，还会把椅子往外拉一点，这样让奶奶比较方便上车。

　　所以，我们现在已经有了一些应用程序和软件可以实现这样的工作，这是非常棒的技术进步，而且从我们的CPU的角度来讲，这也是非常好的进步。

　　那么在这里，我也希望可以为大家简单的看一下未来会是什么样的，希望我们的预测会是准的。在未来我们会有一系列的技术的集合，比如说我们要有更高的计算能力、高速的5G网络，还需要有足够的专业人士。那我们可以开发出什么样的应用程序呢？利用人工智能技术，我们的XR（扩展现实）设备可以实现高水平的沉浸式体验。当然，类似智能驾驶的应用也是我们非常看重的部分。

　　最后总结一下，如果我们可以生产一些专业的设备，提升算法，加大自动化的使用，那么我们就可以把学术界的一些研究成果集成化、缩小化，放到智能设备里，那这对所有人来说都将是极其优有益的，而机器学习将助力这一切更好地实现。