生态积累并非一蹴可几，高通选择稳健循序渐进
高通在夏威夷发表新一代移动平台骁龙855，以及衍生自骁龙855的计算平台骁龙8cx，其不论是规模之大，以及在架构上的革新的确令人惊艳，然而对高通而言，soc技术本身只是一部份重点，背后的生态更值得一提。
作为本世代移动soc的重点，ai特性是本次高通着重突出的要素之一，同时高通也对外展示了其ai软硬生态上的一些已经可落地的ai解决方案。
生态指的是支持特定技术所需要的软硬资源，以及围绕着相关技术所形成的利益圈，在资源的部分，包含了程序设计工具、开发软硬件、框架、甚至支持这个特定技术的人力资源，也就是技术/应用开发者本身也属于生态的一部份，而这也是之所以目前各大ai计算生态都要强调教育以及扩大开发者社群的根本原因。
生态积累并非一蹴可几，高通选择稳健循序渐进
然而生态需要积累，这个积累不仅仅只是针对开发环境的完备，更重要的是，为了让开发者能有更大的市场基础可以发挥，作为生态最基础的硬件本身也要具备足够的装机量，那么开发者所推出的应用才有更大的市场销售潜力，并形成利益的共同体，当开发者更有利可图，整个生态也才会更健康。
以ai生态为例，手机上的ai计算环境其实也才是这一两年的事情，业界厂商在2017年开始主打硬件化的手机ai计算环境，强调计算性能表现，然而真正在ai开发环境投入最早的，却是高通。而以ai设备的装机量而言，高通更远远超过其他所有方案厂商，包括自研芯片的手机厂。这也代表，以生态而言，高通其实拥有绝大的优势，且在不短的未来都将持续。
（来源：高通官网）
早在对手的npu现身之前，高通就已经使用其gpu加dsp的异构计算来建立ai计算生态。这种半软半硬的方式的好处在于，在整体ai计算生态成熟前，该架构可以很灵活地和各种新型态的计算框架、算法进行适配，若使用硬件npu，可能就只能满足于最早设计目标的那几种算法，存在可能被淘汰的风险。
另外，由于高通已经坚持使用dsp/gpu的异构计算已经有数年之久，早从820系列开始，就已经支持这样的计算方式，目前其累积的装机量已经远远超出数亿支，单纯就数量而言，已经是全球最多。
业界最早投入开放ai开发环境，已累积大量资源
高通也非常强调开放的开发环境，也就是说，只要基于开放框架设计的应用，配合高通的计算环境，就能发挥出ai的计算好处。
对此，高通提供开发者一套骁龙神经处理 sdk，它可以支持 android nn 环境。也同时支持了 hexagon nn环境，如果开发者选择使用 hexagon dsp 来做开发，hexagonnn 库就可以专门针对某一内核进行优化。所有这些功能为开发者带来极大的灵活性，并有助于他们实现性能最大化。这也说明，智能手机 ai 体验不能仅仅依靠一个特定的内核，更重要的是需要多种架构、多种工具所建构起来的完整体系。
早期高通手机方案的开发工具包都只针对其客户发放，而之后snpe（骁龙神经处理）sdk针对第三方开发者的友善设计算是高通相当明智的策略转变，snpesdk 在应用开发上的优势，以及在高通平台的基础渗透率极为庞大的状况下，成为手机 ai 的主导平台也不令人意外。
snpe开发环境已经不再封闭，而是提供给广大的第三方 ai 应用开发者，snpe 也理所当然的支持主流深度学习框架，包含tensorflow、caffe 等，而不久前才发表的tensorflow lite 及 facebook 与微软合作推出的 onnx 也同样在支持之列。在ai芯片市场上，更完备的开放式开发环境将为高通提供显著的竞争优势。
最新方案针对ai计算全面优化，达到超越对手的硬件级性能表现
而观察高通在骁龙峰会上发布的最新一代骁龙855，之所以仍不放弃异构计算方式，一方面是为了延续过去积累的计算生态优势，也就是说，针对过去旧款架构所开发的应用仍然能无痛的延续到最新平台；另一方面，通过支持骁龙855框架的自动计算单元适配，新加入的张量计算单元能够发挥其近似纯硬件npu的算力效率，能让以通用框架开发的ai应用发挥更强大的效率表现，而若是针对高通硬件架构优化的应用，其效能提升更不在话下。
（来源：高通官网）
高通在hexagon dsp加入的张量单元是现有ai硬件的补充，也就是说，异构计算在性能上还能得到极大的改善。根据帐面数据，dsp的性能是以前的4倍，并增加了int16、int8和混合指令格式，现在已经完成了对语音助手等常见用途的优化。另一方面，异构计算的另一个主角，也就是adreno 640，则是增加了fp16和fp32指令，甚至cpu内核有pf32和int8也是如此。
我们可以说，高通从cpu、dsp甚至gpu等核心设计，无一不是为ai打造优化。
高通公司表示，骁龙855所有计算单元的算力加总表现都超过7tops，它比上一代产品快3倍，与ai相关事件中最接近的竞争对手的性能提高2倍。随着张量单元的引入，以及dsp和cpu在数据计算格式的改善，这一切也都显得合理不过了。
以量取胜的绝对优势生态，开发者的支持才是市场决胜关键
高通所有的ai开发环境可回溯支持至两年前的骁龙820系列，骁龙820之后发布的骁龙600系列也加入了ai计算优化，若单纯以相关产品的销售量计算，高通已经在市场上洒出了超过竞争对手一定量级的产品。dt君认为，这种市场力量的呈现将会是决定未来ai计算生态胜负的重要关键。
关于数据存储计划简述与构建和部署及其好处
锂电材料煅烧技术获得新突破，陶瓷内胆回转窑优势显著
通过分析失效器件来推断失效环境
5G开启运营商人才培训的又一轮高潮
人工智能怎样让会议变得多彩
生态积累并非一蹴可几，高通选择稳健循序渐进
罗姆与芯驰科技面向智能座舱的应用产品开发建立合作关系
高杨：5G赋能高新视频四大新业态
Poly“混合”新常态办公解锁协作的全部潜力
配电室运维——线上线下运维都包括哪些内容？
定制大功率电感要注意什么
风向风速监测在环境中的应用是怎样的
MDK-ARM编译器从V5升级到V6需要做哪些工作 ？
典型的线性音频放大器拓扑结构
北斗系统通信功能为应急抢修监控航标实时工作状态装上 “智慧眼睛”
比亚迪强调刀片电池的安全性是哪些？
AR云到底是什么，AR云为什么那么受欢迎
ROS操作系统或将成为下一个安卓
利用近红外光谱法实现非侵入式血糖监测
新型2.5D和3D封装技术的挑战
作为本世代移动soc的重点，ai特性是本次高通着重突出的要素之一，同时高通也对外展示了其ai软硬生态上的一些已经可落地的ai解决方案。
生态指的是支持特定技术所需要的软硬资源，以及围绕着相关技术所形成的利益圈，在资源的部分，包含了程序设计工具、开发软硬件、框架、甚至支持这个特定技术的人力资源，也就是技术/应用开发者本身也属于生态的一部份，而这也是之所以目前各大ai计算生态都要强调教育以及扩大开发者社群的根本原因。
生态积累并非一蹴可几，高通选择稳健循序渐进
然而生态需要积累，这个积累不仅仅只是针对开发环境的完备，更重要的是，为了让开发者能有更大的市场基础可以发挥，作为生态最基础的硬件本身也要具备足够的装机量，那么开发者所推出的应用才有更大的市场销售潜力，并形成利益的共同体，当开发者更有利可图，整个生态也才会更健康。
以ai生态为例，手机上的ai计算环境其实也才是这一两年的事情，业界厂商在2017年开始主打硬件化的手机ai计算环境，强调计算性能表现，然而真正在ai开发环境投入最早的，却是高通。而以ai设备的装机量而言，高通更远远超过其他所有方案厂商，包括自研芯片的手机厂。这也代表，以生态而言，高通其实拥有绝大的优势，且在不短的未来都将持续。
（来源：高通官网）
早在对手的npu现身之前，高通就已经使用其gpu加dsp的异构计算来建立ai计算生态。这种半软半硬的方式的好处在于，在整体ai计算生态成熟前，该架构可以很灵活地和各种新型态的计算框架、算法进行适配，若使用硬件npu，可能就只能满足于最早设计目标的那几种算法，存在可能被淘汰的风险。
另外，由于高通已经坚持使用dsp/gpu的异构计算已经有数年之久，早从820系列开始，就已经支持这样的计算方式，目前其累积的装机量已经远远超出数亿支，单纯就数量而言，已经是全球最多。
业界最早投入开放ai开发环境，已累积大量资源
高通也非常强调开放的开发环境，也就是说，只要基于开放框架设计的应用，配合高通的计算环境，就能发挥出ai的计算好处。
对此，高通提供开发者一套骁龙神经处理 sdk，它可以支持 android nn 环境。也同时支持了 hexagon nn环境，如果开发者选择使用 hexagon dsp 来做开发，hexagonnn 库就可以专门针对某一内核进行优化。所有这些功能为开发者带来极大的灵活性，并有助于他们实现性能最大化。这也说明，智能手机 ai 体验不能仅仅依靠一个特定的内核，更重要的是需要多种架构、多种工具所建构起来的完整体系。
早期高通手机方案的开发工具包都只针对其客户发放，而之后snpe（骁龙神经处理）sdk针对第三方开发者的友善设计算是高通相当明智的策略转变，snpesdk 在应用开发上的优势，以及在高通平台的基础渗透率极为庞大的状况下，成为手机 ai 的主导平台也不令人意外。
snpe开发环境已经不再封闭，而是提供给广大的第三方 ai 应用开发者，snpe 也理所当然的支持主流深度学习框架，包含tensorflow、caffe 等，而不久前才发表的tensorflow lite 及 facebook 与微软合作推出的 onnx 也同样在支持之列。在ai芯片市场上，更完备的开放式开发环境将为高通提供显著的竞争优势。
最新方案针对ai计算全面优化，达到超越对手的硬件级性能表现
而观察高通在骁龙峰会上发布的最新一代骁龙855，之所以仍不放弃异构计算方式，一方面是为了延续过去积累的计算生态优势，也就是说，针对过去旧款架构所开发的应用仍然能无痛的延续到最新平台；另一方面，通过支持骁龙855框架的自动计算单元适配，新加入的张量计算单元能够发挥其近似纯硬件npu的算力效率，能让以通用框架开发的ai应用发挥更强大的效率表现，而若是针对高通硬件架构优化的应用，其效能提升更不在话下。
（来源：高通官网）
高通在hexagon dsp加入的张量单元是现有ai硬件的补充，也就是说，异构计算在性能上还能得到极大的改善。根据帐面数据，dsp的性能是以前的4倍，并增加了int16、int8和混合指令格式，现在已经完成了对语音助手等常见用途的优化。另一方面，异构计算的另一个主角，也就是adreno 640，则是增加了fp16和fp32指令，甚至cpu内核有pf32和int8也是如此。
我们可以说，高通从cpu、dsp甚至gpu等核心设计，无一不是为ai打造优化。
高通公司表示，骁龙855所有计算单元的算力加总表现都超过7tops，它比上一代产品快3倍，与ai相关事件中最接近的竞争对手的性能提高2倍。随着张量单元的引入，以及dsp和cpu在数据计算格式的改善，这一切也都显得合理不过了。
以量取胜的绝对优势生态，开发者的支持才是市场决胜关键
高通所有的ai开发环境可回溯支持至两年前的骁龙820系列，骁龙820之后发布的骁龙600系列也加入了ai计算优化，若单纯以相关产品的销售量计算，高通已经在市场上洒出了超过竞争对手一定量级的产品。dt君认为，这种市场力量的呈现将会是决定未来ai计算生态胜负的重要关键。
关于数据存储计划简述与构建和部署及其好处
锂电材料煅烧技术获得新突破，陶瓷内胆回转窑优势显著
通过分析失效器件来推断失效环境
5G开启运营商人才培训的又一轮高潮
人工智能怎样让会议变得多彩
生态积累并非一蹴可几，高通选择稳健循序渐进
罗姆与芯驰科技面向智能座舱的应用产品开发建立合作关系
高杨：5G赋能高新视频四大新业态
Poly“混合”新常态办公解锁协作的全部潜力
配电室运维——线上线下运维都包括哪些内容？
定制大功率电感要注意什么
风向风速监测在环境中的应用是怎样的
MDK-ARM编译器从V5升级到V6需要做哪些工作 ？
典型的线性音频放大器拓扑结构
北斗系统通信功能为应急抢修监控航标实时工作状态装上 “智慧眼睛”
比亚迪强调刀片电池的安全性是哪些？
AR云到底是什么，AR云为什么那么受欢迎
ROS操作系统或将成为下一个安卓
利用近红外光谱法实现非侵入式血糖监测
新型2.5D和3D封装技术的挑战