【導讀】7月6日，2023世界人工智能大會——芯片主題論壇在上海舉辦。會上，高通全球副總裁兼高通AI研究負責人侯紀磊博士做了題為《全棧AI優化 打造領先的邊緣AI性能》的演講，介紹了終端AI的重要性和優勢，高通在終端AI方面特別是生成AI方面的進展，以及對于混合AI在高效推動AI規模化落地等方面的看法。
全棧式AI優化 打造高效能AI
如今，盡管大量AI的訓練和推理仍在云端進行，但終端側的人工智能正變得越來越至關重要。通過在最靠近數據源頭之處處理數據，并同云端形成互補，往往能夠帶來在隱私、可靠性、低時延、成本、能耗、個性化等方面的顯著優勢。
“比如在成本方面，生成式AI通常參數體量巨大，如果在端側部署，能夠推動成本的顯著降低。而在AI數字助手方面，手機、駕艙、PC等使用場景，端側AI則能夠很好地滿足私密性、個性化的需求。”侯紀磊說。
據侯紀磊介紹，早在十幾年前，高通便開始了AI方面的研發，其中一個重要研究方向就是高效能AI，在包括硬件、算法和軟件等層面進行了大量的研發創新。
在高效硬件方面，通過對高通移動平臺中CPU、GPU、NPU等不同單元進行優化，最終使得針對不同任務，能夠選擇合適的計算模塊運行，侯紀磊認為這是高通端側AI非常顯著的特點。在算法層面，高通具有一支頂尖的深度神經網絡算法團隊，有很多原創性的研究成果。在軟件方面，在面向深度學習的軟件加速runtime以及SDK/開發框架方面，高通對于客戶以及開發者都做出了很好的支持。
“因此，高通AI研究的一個非常重要的原則，就是全棧式的AI創新和優化。通過跨層的模型、硬件和軟件創新加速AI應用，這種早期研發和技術發明對于引領生態系統發展至關重要，而最終將技術提供給商業團隊，并通過部署過程中的收獲來影響未來的研究，形成正向循環。”侯紀磊說。
量化研究處于行業最前沿
據侯紀磊介紹，高通在高效能AI研發中，一個重要的部分是整體模型效率研究，目的是在多個方向縮減AI模型，使其在硬件上高效運行。
比如在量化方面，學習在保持所需精度的同時降低比特精度；在條件計算方面，學習僅基于輸入執行大模型圖例模型部分組件；在神經網絡架構搜索方面，學習設計更小的神經網絡，能夠在真實硬件上媲美或超過人工設計架構；在編譯方面，學習編譯AI模型以實現高效的硬件執行等。
“在量化方面，高通一直在業界進行無論是從學術研究還是落地層面的推動。包括Stable Diffusion和ChatGPT等最終要在端側實現，量化一定是非常重要的手段。在高效能的推理方面，整數的點運算是非常重要的方向。在這方面，高通在積極推動相關學術研究，包括在頂級學術會議上的發布一些論文的同時，也會定期放到開源的工具包AIMET中。通過領先的AI研究和快速商業化，推動行業向整數推理和高能效AI方向發展。”侯紀磊說。
侯紀磊還重點提及了高通在2020年的一項研究成果——AdaRound量化研究算法，包括很多先進的理念和技術。
“高通能夠將Stable Diffusion引入端側，AdaRound就是其中一個非常重要的量化手段。此外，在大語言模型來到4bit時，包括GPTQ等主流技術，實際上也是基于AdaRound演進的簡化。所以在量化方面，不管是學界還是業界，高通都處于非常前沿的位置。”候紀磊說。
廣泛賦能眾多類型終端
在今日開幕的2023 世界人工智能大會（WAIC）上，第二代驍龍8移動平臺的高通AI引擎榮獲此次大會的頂級獎項：SAIL獎——卓越人工智能引領者獎。
第二代驍龍8憑借面向整個平臺的開創性AI智能設計賦能了非凡用戶體驗，樹立了網聯計算的新標桿。其搭載高通技術公司處理速度最快、最先進的高通 AI 引擎，通過軟硬件的一系列創新，相較上一代帶來4.35倍的AI性能提升和60%的能效提升，從而為越來越多的創新型AI用例和AI增強的用戶體驗提供強大的性能基礎。
高通 AI 引擎由多個硬件和軟件組件組成，用于在驍龍移動平臺上為終端側 AI 推理加速。它采用異構計算架構，包括高通 Hexagon 處理器、Adreno GPU、Kryo CPU 和傳感器中樞，共同支持在終端上快速而有效的運行 AI 應用程序。其關鍵核心 Hexagon 處理器擁有一系列創新，如提供專用供電系統、支持微切片推理、INT4精度、Transformer 網絡加速等，可結合高通 AI 軟件棧和 AI Studio 提供全棧 AI 能力和優化手段，在行業內率先在終端側支持 Stable Diffusion、ControlNet 等生成式 AI 用例，并可與云端協同打造適應大模型時代的混合 AI 處理框架，從而助力AI體驗創新和生態繁榮。
此外，侯紀磊介紹了AI在5G方面的應用。在今年的世界移動通信大會（MWC）上，高通發布了驍龍X75調制解調器及射頻系統，引入了第二代高通5G AI套件，包括專用張量加速器。同時，據侯紀磊介紹，高通AI團隊也與無線團隊一直保持非常緊密的深入合作，從而能夠保證將研究成果更快推向商用。比如通過AI技術進行毫米波波束管理，擴毫米波通信的覆蓋范圍；通過AI輔助GPS定位，提升定位的精準度等。
“目前，高通已經形成了在邊緣側的布局和規模化的優勢。搭載驍龍和高通平臺的用戶終端數量已經達到數十億臺。每年有數億臺搭載驍龍和高通平臺的終端進入市場。我們的AI能力賦能一系列廣泛的產品，包括手機、汽車、XR、PC和物聯網設備。”侯紀磊說。
持續推進支持百億參數大模型
去年年底，由ChatGPT引發的生成式AI浪潮席卷全球，而在生成式AI方面，高通于數年前便開始著手布局。
侯紀磊認為，生成式AI將影響各類終端上的應用場景。比如XR方面，基于簡單提示，創造沉浸式的3D虛擬世界；汽車方面，擁有先進駕駛輔助系統/自動駕駛，通過預測不同行為主體的軌跡和行為，幫助改進駕駛策略；在手機方面，成為真正的數字助手；在PC端，通過撰寫電子郵件，創建演示文稿和編寫代碼，變革生產力；在物聯網方面，有助于提升顧客和員工體驗，比如提供庫存和商店貨架排列推薦等。
今年的MWC上，高通的第二代驍龍8移動平臺已經可以支持參數超過10億的AI模型運行，并進行了全球首次端側運行超過10億參數模型的演示。對于端側能夠有效支持的模型規模，侯紀磊認為，在廣泛的用例中有很多基于10億參數為單位，從10億到100億便能夠涵蓋相當多數的生成式AI，并能夠提供非常好的效果。據侯紀磊介紹，未來幾個月內，高通有望支持參數超過 100 億的模型在終端側運行，明年將能夠支持參數超過200億的模型。此外通過全棧式的AI優化，未來也將進一步縮短大模型的推理時間。
侯紀磊指出，云經濟難以支持生成式AI的規模化發展。如基于傳統方法和生成式AI的網絡搜索，單次查詢成本將是傳統的10倍，如果再疊加眾多的生成式AI應用以及數十億的用戶基數，這將在云端帶來顯著的負擔。因此，推動端側和云端互補的混合AI，將是未來推動生成式AI落地的顯著趨勢。
“未來場景中有中心云、邊緣云、有終端側，AI處理中心在一定程度上可以向邊緣發展，因此混合AI是未來能夠支持生成式AI、大語言模型等實現全球化、規模化發展的重要手段。這個過程中，在包括無線連接、高效計算、分布式AI等方面，高通都能夠通過與業界的合作帶來更多創新。”侯紀磊說。
侯紀磊指出，對于混合AI的部署，當終端側具備強大生成式AI能力的時候，可以作為一個“錨點”。比如幫助工程師生成代碼，高通的愿景是未來一兩年內，在100-200億參數的范圍內，能夠使得大量工程師在端側進行代碼撰寫。端側AI作為智能“錨點”發揮指揮或協調的作用，可以將合格的代碼交給開發者，不理想的生成代碼指令再交給云端進一步處理，從而帶給用戶無縫體驗。
“終端側AI具有諸多優勢，是讓AI無處不在的關鍵。混合AI是AI的未來，而我們的終端側AI領導力將支持生成式AI規模化擴展。”侯紀磊最后強調。
作者：集微網，來源：雪球
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請聯系小編進行處理。
推薦閱讀：
