高通新芯片對VR市場的布局

高通推出了一個新的芯片，這個芯片還是首個5G調制解調器，那么對VR市場會造成什么影響呢。

機器學習和異構計算

雖然機器學習技術的主流是云計算解決方案，但越來越多的機器學習解決方案在移動設備上運行。

這正是異構計算日趨重要的原因，自驍龍810芯片引入異構計算解決方案以來，高通在這方面取得了相當大進展。

高通的策略不僅僅是把負載分散到CPU和GPU上，也利用其Hexagon DSP和Spectra ISP完成部分任務。

其理念是，通過選擇最高效的組件完成任務，實現提升性能和降低能耗的目標。

這將是高通未來策略的關鍵組成部分，尤其是在與機器學習結合改進提供給消費者的功能方面。

汽車、無人機、智能家居都將利用機器學習技術向消費者提供更強大功能，其中包括目標和語音識別，以及自動駕駛汽車。

實際上，高通已經推出一款汽車專用驍龍820芯片——增強了機器學習和通信功能，雖然核心功能與智能手機芯片相似。

機器學習的其他應用范例包括通過臉部或語音識別提高設備安全性，拍照時軟件可以確保對焦準確。

目前只有約1%智能手機應用利用了機器學習技術，但市場研究公司IDC預計未來2-3年這一比例將上升至約50%。

當然，開發機器學習技術的并非只是高通和設備廠商，第三方開發商也可能有足夠的好創意。

為了推動驍龍設備上機器學習應用的開發，高通今年早些時候發布了Neural Processing Engine SDK——目前支持驍龍820系列處理器。

該平臺支持包括Caffe和CudaConvNet在內的常見深度學習框架。

雙鏡頭技術，虹膜和臉部掃描，虛擬現實的需求越來越高，它們都要求智能手機運行越來越多的復雜計算算法。

但是，手機受到能耗和發熱量的嚴格限制，在運行這類應用時面臨挑戰。專門硬件和異構計算是克服手機這些問題的關鍵。

機器學習任務類型有許多，有的在CPU上能更高效地運行，有的在GPU上能高效地運行，也有的在DSP等專門硬件上能高效地運行。

許多任務需要并行完成，因此，將負載分散到不同核心是向消費者提供這類功能的關鍵。

高通設想通過在芯片中整合更專業化的硬件模塊，提高完成對計算能力要求較高任務的效率，估計效率將提升4-20倍。

高通的Hexagon DSP、Spectra ISP和眾多傳感器處理單元，使得它能為考慮應對這些新挑戰的開發者提供經過優化的硬件。

海思半導體的麒麟960芯片就集成有ISP硬件，專門完成圖像處理任務。