我們最近推出的驍龍?神經處理引擎（NPE）SDK，強調了在設備端對時間要求較高的AI應用處理的重要性。例如，自動駕駛汽車可以即時作出決定——在檢測到障礙物的同時加以識別和避免，而不是通過網絡發送到云端服務器。

圖片：檢測前方物體的AI汽車。

雖然邊緣AI處理從本質上來說具有一定的復雜性，但是Qualcomm?驍龍移動平臺擁有強大的功能和靈活性，具有先進的異構計算架構，支持優化工具、庫和AI框架。借助驍龍神經處理引擎（NPE）SDK，開發者可以依賴 Caffe/Caffe2和TensorFlowdeep深度學習框架更加輕松地進一步調優AI的應用性能。

接下來，我希望通過介紹一些AI示例應用，了解設備端計算帶來的差異化和關鍵優勢，進一步探討這方面的問題。

從對象識別到對象跟蹤和預測建模的演變

現在，對象和面部識別已經成為基于云的照片共享和存儲服務的標準特性，允許您快速過濾龐大的圖像庫。這是一件了不起的事情，需要龐大的計算能力。如果每張照片都只包含單一的興趣對象，那么就簡單多了，但這種情況少之又少。因此，實際情況是不僅需要識別和標記照片中的多個對象，而且還需要作出判斷，根據圖像中最重要的元素進行分類。

此外，實時、智能判斷多個傳感器的輸入數據所需的對象跟蹤和預測建模給我們提出了更大的挑戰。想像一下可能性：

可以立即區分家庭成員和陌生人的安全攝像機。可以快速識別可疑行為模式并警告房主的系統，例如有人試圖打開房屋前、后門，或試圖強行打開窗戶或門。

視障者應用，可以檢測道路上的障礙物，突然的水平變化，例如臺階或路緣，或自動檢測和觸發道路交叉口的信號燈。

自動駕駛車輛或無人機對象檢測和回避。

可以識別其他車輛帶來的潛在危險并警告駕駛員的行車記錄儀，如攻擊性駕駛、疲勞駕駛、酒后駕駛。

提供上述類型應用的設備需要具備相應的處理能力，以便在臨界速度下檢測、理解和響應各種環境和事件，并具有一定的精確度。

自然語言處理、語音和講話人識別

語音識別的進步使我們能夠控制汽車導航、家庭娛樂，并使用個人語音助手執行簡單的任務，如信息查詢、日歷管理和設備控制。語音識別準確識別我們說出的單詞，但是其本身缺乏重要的語境。對講話人的識別可以顯著提高個人助手的功能，特別是在安全應用中，而自然語言理解超越了語音識別，能夠理解所傳達的內容。

增強應用包括：

緊急情況下（如停電和斷網）運行語音啟動接口。

游客或商務會議實時翻譯，支持復雜語境的識別，如諷刺或幽默。

語音控制鎖可以識別家庭成員并授予訪問權限。

用于系統訪問或店內/網上支付的語音控制密碼。

這些示例展示了引人注目的用例，與傳統的云處理相比，設備端AI更具優勢。驍龍神經處理引擎（NPE）允許開發者使用經過TensorFlow或Caffe2訓練的模型在設備端進行深度學習，并借助驍龍移動平臺異構計算架構，獲得卓越性能。

總而言之，這些技術大大增強了我們今天AI應用的功能，如實時圖像處理和語言翻譯。同時，也開啟了創新之門，為開發者節約了大量時間，提供了相應的工具和處理能力，打造具有開創性的智能用戶體驗。

根據IDC，目前只有不到1%的軟件開發者將認知能力納入他們的應用中。而預計到2018年，這一數字將超過50%。高級移動應用和自動化系統功能，如語言和語音識別、對象識別和跟蹤（通常需要數據中心進行處理），可以完全做到設備端支持，并且具有低延遲感知和推斷特性。