上周，蘋果和高通聯合發布聲明，放棄在全球層面的所有法律訴訟，簽署至少六年的專利許可協議和多年的芯片組供應協議。聲明發出后1小時，高通股票暴漲23%收盤。高通股票上一次如此大漲，還是在1999年。

就在和解的兩天后，高通人工智能開放日在深圳舉辦。大會從智能手機、汽車、物聯網、研發和投資多個領域展示了高通十年AI基礎科技研發成果，以及推動AI在不同行業落地和普及的最新進展。

從投資、研發到落地，除了芯片技術，高通還展示了一整套完整的5G+AI戰略。

本次開放日以“這是AI觸手可及的時代”作為主題，可見在高通看來，AI遠不是高高在上的技術，它應該落實在實際的產品體驗，幫助我們解決身邊的現實問題。

“想象力工程”首推王者榮耀AI戰隊

此次大會最大的亮點之一莫過于王者榮耀AI戰隊“SUPEX”，這是高通與vivo、騰訊王者榮耀、騰訊AI Lab四方合作開展“想象力工程”項目，旨在共同推動和探索終端側人工智能應用的全新體驗。

將移動游戲的AI推理能力首次大規模從云端遷移至終端側，并通過《王者榮耀》等MOBA類游戲場景的實驗環境來不斷提升和優化AI戰隊的實力，為移動電競帶來更好的競技體驗。

生態系統投資戰略

高通創投成立于2000年，曾投資小米、商湯等56所家中國公司。此次大會上，高通創投創投董事總經理沈勁詳細介紹了未來高通創投的投資重點：5G賦能的智能互連。

將設立1億美金AI投資基金，以投資加速AI技術創新的全球企業；

設立1.5億美元中國戰略投資基金，支持中國初創企業發展。

與高通展開廣泛的合作有著這異曲同工之妙，當整個5G生態系統更加成熟，那么技術創造的價值才能得到更大的發揮。

在人工智能方面，高通創投將主要側重于3個方面：

高效的硬件，包括超低功耗和有限發熱的前提下有效運算神經網絡、類眼芯片、類腦芯片和光子芯片產業鏈；

先進的算法，如：自適應編譯器、生產算法的算法，從最先進的深度學習網絡中研究的算法、為有限空間和有效性設計的算法；

垂直平臺和典型應用，從手機平臺到物聯網、農業、汽車等平臺，同時開發者社區和產業應用的對接方面也會有相應的投資。

結合XR（VR、AR、MR）與機器人，高通創投將5G+AI的目光轉向制造業。

柔性制造的模式其實廣泛存在，比如定制，這種以消費者為導向的，以需定產的方式對立的是傳統大規模量產的生產模式。在柔性制造中，考驗的是生產線和供應鏈的反應速度。XR實現引導執行、動態工廠重構、5G提供高可靠低時延的無線網絡連接、實時的供應鏈可視化、AI提供預測性維修、安防等，“5G+AI+XR“三者的融合將更好的賦能柔性制造。

智能制造是指具有信息自感知、自決策、自執行等功能的先進制造過程、系統與模式的總稱。高通創投所看好的智能制造項目包括傳感器、AGV（自動導引運輸車）、工業機器人、AR頭顯設備、手持終端、安防攝像頭和邊緣計算分析等。

在機器人領域，沈勁表示將投資應用場景更加明確的機器人企業。概念驅動的機器人不被看好，如情感陪伴等沒有解決實際痛點的項目。會傾向于問題驅動的解決方案、遠程現場的應用場景以及安全技術、大數據科學、算法等關鍵技術和服務的機器人項目。

如上圖所示，交互技術和感知技術仍然是物聯網投資領域的重點。在此次大會上也公布一系列高通在物聯網領域所取得的進展。

5G+AI讓智能從云到端

除了IoT成就之外，Cloud AI 100 以及在CES發布的三款AI芯片665、730、730G也再次亮相。

目前，高通支持完整的從云到端的AI解決方案。以高通于去年年底推出驍龍855移動平臺為例，它集成第四代多核高通AI Engine，其中包括全新設計的、專門面向AI處理而設計的硬件核心——Hexagon張量加速器（HTA），驍龍855也是全球首款商用的5G移動平臺，與驍龍X50 5G調制解調器搭配可以支持數千兆比特5G連接。

高通還宣布了面向高端和中端市場的全新驍龍7系和6系全新平臺。驍龍730和730G移動平臺集成了多項過去僅在驍龍8系支持的技術，它提升了拍攝、游戲、語音和安全的終端側直觀交互的處理速度，AI算力是前代平臺驍龍710的2倍。除智能手機外，面向移動計算、XR、物聯網、音箱和汽車，Qualcomm也都已經推出集成其人工智能引擎AI Engine的產品平臺。

高通也正在將領先優勢拓展至云端，宣布推出全新打造的Qualcomm Cloud AI 100加速器。這款用于數據中心的AI推理處理器，旨在讓分布式智能可以從云端遍布至終端之間的全部節點。此外，高通還將為開發者提供完整的工具和框架支持。

該產品將于2019年下半年開始出樣。

AI技術優化AI模型

在研發硬件的同時，高通也在推動AI軟件算法的研究，包括G-CNN、神經網絡壓縮、機器學習訓練工具等等，推動人工智能以實現高能效。通過自動化技術，利用AI技術來優化AI模型、縮短產品上市時間并減少工程成本。

通過硬件感知壓縮，自動移除不重要單元同時保持準確度，壓縮量達到3倍，同時準確度僅損失不到1%。通過量化自動降低權重和激活精度，實現內存和計算4倍能效提升，可以和FP32實現近乎相同的準確率。面向自動化硬件編譯的強化學習，可以應對數十億對潛在組合。

高通把量子場論等物理學的基礎數學框架融入到深度學習領域，提出了3D物體識別的新思路。他們正在研究一種新型卷積神經網絡。

泛化G-CNN：泛化輸入，比如旋轉的物體，適用于無人機、機器人、汽車等；泛化幾何圖形，比如面向魚眼鏡頭的曲面圖像對象、3D游戲……