8月30日至31日，由中国高科技行业门户OFweek微科网、高新科技协会主办的中国（上海）国际人工智能展览暨会议， OFweek人工智能网主办。
OFweek（第二届）人工智能产业大会在上海成功举办。
本次大会以全新视角剖析行业趋势，解读今年国内外人工智能领域最值得关注的学术和研发进展，与数千名国际知名企业高管、资深行业专家进行交流，专家分析人工智能领域的机构。
精英们进行多方分析讨论。
在30日的人工智能技术主论坛上，高通公司刘学辉发表了主题演讲。
他分析了端侧人工智能的四大需求、智能手机人工智能的三个方向以及基准测试的四个组成部分。
。
不仅如此，刘学慧还强调，人工智能向终端测试方向发展，需要依靠用户和设备，让人工智能能够被训练、执行和推理。
智能手机的AI体验不能只依赖一个核心。
当AI面向图像分类网络时，其准确率和运算次数的比较是基准测试最重要的指标。
人工智能软件的持续优化是实现Snapdragon SoC产品组合性能的关键。
一年内实现两倍提升的重要突破口。
以下是美国高通公司产品经理刘雪辉的内容。
OFweek编辑在不改变原意的情况下进行了整理编辑：尊敬的嘉宾，早上好。
很高兴有这个机会与大家分享有关高通的信息。
在人工智能方面取得了一些成果。
我今天演讲的话题其实没有我们宣传的那么大。
由于时间限制，我的演讲只有20分钟，所以我们把话题锁定在高通在终端侧人工智能方面所做的一些事情。
高通实际上生产终端芯片，包括智能手机芯片、平板电脑芯片、物联网芯片。
我们公司有两大战略。
一是人工智能，这很符合今天的主题。
另一个战略是5G。
未来几年，今年是5G时代，在“万物互联”和物联网快速发展的时代，这两种技术其实可以很好的契合。
端侧人工智能的出现这几年很火，这个话题也很热门。
它的出现其实有它的需求。
我们总结它主要有这几大需求。
首先是终端侧，因为大多数终端都是人使用的，所以它的隐私和用户隐私保护是非常强烈的需求。
可以通过使用人工智能进行终端测试来完成，而不是交给云端。
满足隐私需求。
第二是可靠性。
你可以想象一下，当我们在驾驶自动驾驶汽车时，如果AI能力不是在车上完成，而是由云端完成，如果出现通信问题，任何延迟都会发生，如果及时性、可靠性，包括低延迟都无法实现一旦满足，后果将非常严重。
另一个是效率高。
这里所说的高效率，其实是指除了计算资源的高效消耗之外，还有一个非常重要的，就是能源的消耗，也就是我们终端设备对电池的使用。
这也是非常重要的。
一个重要因素。
最后一点是个性化，因为我们很多物联网设备，无论是手表还是可穿戴设备，尤其是我们的手机，虽然用的是同一个手机，但是不同的人在使用的时候都希望有相同的功能。
这些需求推动了设备端人工智能的快速发展。
虽然我们今天的主题是机器人和物联网，但我们不得不谈谈智能手机，因为智能手机是目前地球上唯一出货量最大的单一产品。
我们有第三方预测，2018年到2020年五年内，新出货手机将达到86亿部。
你可以想象，这86亿部中很大一部分将是搭载人工智能的手机。
让我们重点关注这一点，以智能手机为例。
人工智能的功能能为用户带来哪些良好的体验？人工智能在智能手机上有三个方向。
第一个是拍照。
是与视觉密切相关的一个大方向。
这个领域的很多功能已经商用，比如美拍自拍就采用了人工智能技术，包括背景虚化等功能。
这些都是人工智能在拍照。
，视觉中的应用。
第二个方向是语音。
语音UI包括语音唤醒，甚至同声传译等，这些都是语音的一个很大的应用领域。
目前，手机语音还刚刚起步。
第三个方向是增强现实，也就是常说的AR。
也就是说，用户在拍摄一些真实场景时，可以手持手机，在屏幕上叠加虚拟图像或虚拟场景，给用户带来全新的体验。
其背后的商机也是非常大的，并且能够产生新的玩法，大家都知道游戏行业是一个巨大的行业。
同时也有很多商业的引入，比如广告，包括一些互动的交流，能够带来很多的一线体验。
我们简单回顾一下高通端到端人工智能测试的发展历程。
其实高通从2000年就开始研究神经元处理单元在芯片上的实现，到了2018年，我们第一代人工智能产品出来了，而我们那个时代的旗舰芯片Snapdragon，当时其实就已经实现了，加速人工智能的发展。
卡支付网络模型，允许其在CPU上加速。
我们的第二代AI产品实际上是在过去两年的旗舰芯片上实现的。
我们支持更多的框架，然后让神经元网络通过我们的一个引擎，我们称之为“SNPE”，使用这个引擎来加速CPU、GPU和DSP。
今天看我们的第三代，它是在很多高端旗舰手机的芯片上实现的，我们实际上已经实现了对更多框架的支持。
现在流行的新框架有很多，包括我们国内的百度PAD。
PAD，以及商汤科技动力框架的支持，我们的引擎得到了更多的扩展，支持了一些新的API。
它是我们高通AI的产品。
这个产品其实集成了硬件，包括大家看到的DSP、GPU、CPU核心，包括我们一系列的软件工具，还有对多种框架、多种API的支持，这些都集成到了我们的AI产品中，所以我们的AI产品实际上是一种分布式计算的AI技术。
当然，除了我们这样的AI产品之外，如果没有算法厂商，一些系统集成商最终也做不到这个终端设备，所以我们非常重视这个生态系统的建设。
所以我们提出一个观点。
我们的观点是，在智能AI手机上，它的体验其实仅仅依靠一个核心是不够的。
也就是说，你可能会看到人工智能这个领域的一些争论。
比如有一种说法，没有NPU，没有专用的AI核心，就不叫AI手机。
我们强烈不同意这个观点。
我们的观点是，只要在这个终端上实现了AI功能，那么它就是AI手机。
我稍后再讨论。
我跟大家聊这个问题，所以我聊了另外一个话题，就是你们如何判断这个设备的AI能力。
这是一个人工智能基准测试。
我们觉得对标实际上应该包括四个方面。
第一个方面是准确性。
无论是利用AI视觉对照片进行分类还是识别物体，其准确性都是第一要务。
没有准确性，就不会有良好的用户体验。
其次是成绩，也就是所谓的跑分或者速度。
当然，这个表现非常重要。
只有好的性能，才能承载更多更强的AI算法。
第三是能源效率。
因为我们讲的是端侧AI，电池的使用，尤其是如何省电，是一个非常重要的必须考虑的指标，因为如果是在云端，你的电量可以是无限的，但是这个能效在终端上是一个必须考虑的指标。
第四也是最重要的一点是用例。
我们今天终端AI工作的最终目标就是在终端上实现AI功能，给用户带来不一样的、更好的体验。
因此，没有用例支持的实际测试。
这个不成立。
我们再进一步讨论一下。
其实业界大家做测试的时候，只是用一些最经典、最流行的网络来做这个测试。
哪些网络能够满足我们前面讲的四个指标？我们列出了一些最常用的网络。
正如你所看到的，我们画了一条曲线。
曲线上的纵坐标是准确率，横坐标是对计算能力的需求。
您可以在曲线的左上角看到网络。
这两个网络是我们认为在手机等手持设备上最有用、最常用的网络。
这两个网络目前都可以实现高效率和能源效率。
的满足感。
相比之下，您可以看到右侧的VGG-16和VGG-19。
我们认为这两个网络实际上对于智能手机来说毫无用处，并且由于其准确性而在用例方面毫无用处。
特别是功耗要求太高，不适合手机，所以我们在优化的时候，基本放弃了对VGG-16和VGG-19的支持，然后加入了对ResNet50和inception-v3的支持。
在网络上做了很多优化。
这印证了我们之前说的四点，也印证了为什么我们觉得单核NPU无法进行分布式计算。
除了核心能力的提升之外，还有一个非常重要的点，就是整个软件对于端到端AI测试的提升。
有一个数据，就是硬件一年没有变化，但是软件改进后，整体性能提升了一倍。
所以到现在为止，就像之前提到的，我们非常重视生态系统的建设。
以上功能均已在您拥有的手机上商用。
其实这些算法不是高通做的，而是依赖我们的合作伙伴，包括我们列出了这些合作伙伴，当然也有一些合作伙伴没有列出。
他们来这里是为了完成它。
当然他们的算法在我们的平台上也得到了很好的优化。
除了和算法厂商的合作之外，我们还和云合作伙伴，也就是俗称的互联网公司有一些深度的合作。
在中国，我们和腾讯一起开发了一个非常接地气的应用程序。
在大家手机最新版本的QQ中，如果您的手机支持我们AI产品所使用的芯片，您可以找到一个叫做高能舞蹈工作室的应用程序。
函数，如果没有，这个函数就不能发布，它的作用是什么？它只是向您显示一些图标来教您如何跳舞，然后给您一个分数。
它使用一种已经商用的身体识别算法。
如果您有兴趣，可以在QQ上找到这个功能。
我们在语音方面和百度有一些深入的合作，当然在国际上我们和Facebook在AR方面、谷歌在相册的一些品类方面有深入的合作，包括微软开放的AI API。
最后总结一下，其实高通整个AI产品策略就是我们以我们的芯片为起点，以开放的心态支持多种框架，除了Android之外还支持Windows等其他操作系统。
我们和领先的算法厂商，包括今天旷视的谢总这样的合作伙伴紧密合作，然后生产一些用户体验好的功能，创建一些应用，最后实现在各种终端上，服务行业和用户。
带来更好的体验和价值。
我的发言就到这里，谢谢大家。