Interjú: Qualcomm az AI-n és a Snapdragon 855 Hexagon 690 DSP-jén

Amikor a Qualcomm bemutatta új Snapdragon 855 mobil platform, jelentős fejlesztéseket hirdettek a mobil számítástechnika minden területén. Az átlagos felhasználó számára könnyű megérteni a végfelhasználói előnyök a CPU és GPU fejlesztések mögött amit a Qualcomm a Snapdragon 855-ben készített. A jobb CPU-teljesítmény azt jelenti, hogy az alkalmazások gyorsabban töltődnek be, a jobb GPU-teljesítmény pedig jobb képkockasebességet jelent játék közben. Amit kevésbé intuitív a felhasználók számára, az az AI (mesterséges intelligencia), és konkrétan gépi tanulási technikák, amelyeket az alkalmazások és szolgáltatások egyre inkább alkalmaznak, például a mesterséges neurális hálózatok. A Qualcomm óriási növekedést ért el a Snapdragon 855-tel a mesterséges intelligencia terhelési teljesítményében, köszönhetően a számítástechnika átfogó fejlesztéseinek, és különösen a megújult Hexagon 690 DSP-nek. Gary Brotmannel, a Qualcomm mesterséges intelligenciával és gépi tanulási stratégiával és terméktervezéssel foglalkozó vezetőjével, valamint Ziad Asgharral, a vállalat alelnökével ültünk le. Snapdragon Roadmap Planning és AI, XR, Competitive Strategy a Qualcommnál, hogy többet megtudjon a Qualcomm által az AI munkaterhelésében végzett fejlesztésekről.

---

Mario Serrafero: "Szóval, az új DSP. Tavaly megkérdeztem Önt a támadási stratégiáról, tekintettel arra, hogy a Qualcomm hogyan mozdította elő, népszerűsítette, értékesítette és kommunikálta különösen a DSP-t és a HVX-et. Abban az időben, mint mesterséges intelligencia blokk, még viszonylag új volt a legtöbb olvasó és fogyasztó számára. Kíváncsiak vagyunk, hogyan fejlődött ez azóta a 845 további promóciójával."

Gary Brotman: "Először is, amikor elkezdtük ezt csinálni a 820-assal, még mindig nagyon CPU- és GPU-központú volt, és kihasználta a DSP-t és az ehhez szükséges vektorfeldolgozási képességek valóban annak eredményeként jöttek létre, hogy a Google a TensorFlow-val és a 8 bites technológiával próbálkozik. matematika. Szóval ott feszítettük ki igazán a lábunkat DSP-ben, vagy mondjuk a vektorprocesszorokban. Tekintettel a Hexagonban meglévő vektorprocesszor érettségére, és arra, hogy a következő kettőben olyan gyorsan tudtuk ezt az ütemtervet előmozdítani. generációk, és az általunk látott használati esetek, amelyek akkoriban az alapvető osztályozási hálózatok meglehetősen egyszerűek voltak, és nem sok súly. 8 bites matematikával is jól működnek. Egy dedikált gyorsító még tavaly is kockázatot jelentett, ha alapvetően olyan területet rendeltek hozzá, ami esetleg nem szokott meg. A használati esetek összefolyása, és bármi lehet a normál egyetlen kamerától, a szuperfelbontástól vagy a valós idejű szegmentálástól. Ezek a dolgok bizonyos esetekben egyidejűleg megtörténnek, és legalább bizonyos szintű dedikált gyorsításra van szükség, amely le tudja zárni, és továbbra is be tudja olvasni a ciklusokat a vektorprocesszoron vagy akár a GPU-n. Ez volt a megfelelő idő.

Ezt minden bizonnyal sokkal korábban kellett terveznünk, mint amikor legutóbb beszéltünk, de azt hiszem, mindenki belevágott ez a vállalkozás fogadást köt arra vonatkozóan, hogy pontosan vagy közel pontosan tudják, mekkora lesz a munkaterhelés. Milyen típusú pontosságra van szükség, és ha elegendő költségvetést készített, vagy nem, hogy kielégítse az elkövetkező használati esetek összefolyását. Eléggé megfontoltan dolgozunk ebben – a Qualcomm mindig is a használati eset-központú volt –, és nem akartuk futtatni a fennáll annak a veszélye, hogy olyan speciális gyorsítást kap, amelyet nem használnak, mert az elmúlt időszakban elavult lehet ciklus. Már csak az általános konvolúcióban is eleget látunk ahhoz, hogy egy dedikált gyorsító fantasztikus munkát végezzen. Ismét a ciklusok felszabadítása máshol. Ami az új gyorsítóval kapcsolatos stratégiánkat illeti: dedikált, új architektúra. Ez nem egy hatszög származék. De ha ma egy netre gondolunk, vannak bizonyos nemlinearitási függvények, amelyek nem működnek jól a dedikált gyorsítások egy részénél...

Mario Serrafero: – Igen, szigma, ReLU…

Gary Brotman: "Pontosan, Softmax. És máshova kell beütni őket, vagy a CPU-ba. De a mi esetünkben, ahogy ezt a motorháztető alatt megterveztük, valójában a DSP a vezérlés. Meghatározza, hogy hol fut a hálózat és hol futnak a rétegek, és eldöntheti, hogy vannak-e bizonyos dolgok, amelyek a DSP-n futnak-e tartalékként, szemben a tenzorprocesszoron. Tehát ennek a párosításnak nagyon sok értelme volt számunkra. Ez azonban semmit sem von le hitünkből és stratégiánkból, miszerint SoC-nk minden elsődleges magja rendelkezik a szerepkörben, ezért minden területen optimalizálunk, de még mindig sok a változékonyság, és ez így is lesz folytatni."

Mario Serrafero: „A másik téma, amiről beszélni szeretnénk, a használati esetek. Ahogy mondtad, a Qualcomm nagyon a használati eset-központú, a mesterséges intelligencia három fő területen tért át a mobilra: beszédfelismerés, szekvencia előrejelzés, mint a karakterláncok és a gépelés, és nyilvánvalóan számítógépes látás, mint például az AI-szűrők, [és objektum elismerés]. A számítógépes látás robbanásszerűen megnőtt, most már mindenhol látja. A beszédfelismeréssel azt láttam, hogy mindenkinek van saját AI-asszisztense, mindenkinek megvan a saját asszisztense. Most mindez megtehető a szélén, kis késleltetéssel és tökéletes biztonsággal. De mi következik a gépi tanulás használati eseteivel kapcsolatban, és ezeket a használati eseteket a világ nagyvállalatai fogják fejleszteni – a világ összes Snapchatje és a Facebook? Hogy látod ezt a gördülést?"

Gary Brotman: "Nem hiszem, hogy meg tudnám emelni a gyilkos használati esetet. De a képességek nagyobb számítási bonyolultságot tesznek lehetővé, és látás esetén a bemeneti felbontás nagyobb is lehet. Nem dolgozik alacsony felbontású képeken a bokeh használatához. Korábban volt egy vita a másik interjúban, amelyre példaként a 4K streaming volt. Nem fogom megjósolni, hogy ez lehetséges, hanem a fejlesztők, akikkel együtt dolgozunk, legyen szó olyan nagyvállalatokról, mint a Google vagy a mi szoftverfejlesztő partnerek, akik valójában olyan algoritmusokat építenek, amelyek sok ilyen mobilszolgáltatást hajtanak végre, csak akarnak nyomj többet. Tovább akarnak menni. Ha van valami, amit a következő lépésekkel kapcsolatban látnék, az valószínűleg kevésbé arról szólna, hogy mi történik a vonal felett vagy az alkalmazás szintjén, és többet arról, hogy mi történik a rendszerben, mint például a termék működésének javítása, az energiagazdálkodás, és még a kamerafolyamatban is, nem csak azt. Említette a hangot, és azt, hogy hány kulcsszót fog támogatni, vagy hogy tudná-e zajszűrni az eszközön. A kulcsszó azért érdekes, mert nem könnyű felépíteni a könyvtárat – korlátozott a memória. Tehát továbbra is megmarad az egyensúly a helyi és a felhőben történõ események között."

Ziad Asghar: "Hozzátehetek egy kicsit. Tehát ma legalábbis az a két terület, ahol ez nagyon növekszik, a hang és a képalkotás. Láthatjuk, hogy sok felhasználási esete van. Jack a kamera szemszögéből beszélt a dologról, megvolt az AI-motorunk, ahol ebből sokat lehet kamatoztatni a képalkotási esetekben. Néhány a ma bemutatottak közül. És ha megnézzük a hangot, akkor nem beszéltünk róla annyit, de igazából az audioblokkhoz is hozzáadtunk néhány audioképességet. Jobb hangaktiválást tudunk végezni zajosabb környezetben. Képesek vagyunk jobb zajszűrésre [képalkotásban]. Mindezek a képességek alapvetően már megtörténtek. Vannak partnerek, amelyeket Gary ma mutatott meg az internetszolgáltatónak, és sokkal többen jönnek. Szóval azt hiszem, ez az a két dimenzió, amelyre ma jobban összpontosítunk."

Gary Brotman: "És akkor a következő lépés – nem fogok előre jelezni, hogy ez mikor fog megtörténni –, hogy most van-e elég számítás Az eszközön történő tanulás és az eszközön való tényleges tanulással kapcsolatos kísérletezés valószínűleg ebben a következőben fog megtörténni ciklus."

Mario Serrafero: „Valószínűleg ez egy olyan téma, amelyet szórakoztatóbb megvitatni, és ez az a tény, hogy a Qualcomm ragaszkodik a Hexagon DSP becenévhez és a HVX-hez, míg más cégek a „neurális” megoldást választják. Hogyan látja a Qualcomm ezt az eltérést és ezeket a különböző stratégiákat és megközelítéseket elsősorban a marketing, de kicsit később kitérhetünk a heterogén számítás versus specifikus blokkbitekre as jól."

Gary Brotman: "Mivel a Hexagon már rendelkezik a DSP-ben felhalmozott tőkével, azonnal azt gondolná, hogy csak kiterjesztjük a DSP stratégiánkat. Ami a márkát illeti, ha megnézzük mindhárom processzort, a skalárt, a vektort és most a dedikált tenzorgyorsítót, akkor ezek nem mind DSP. A Hexagon valóban magasabb szintű márka, mint a DSP. Van egy maroknyi DSP. Úgy gondolom, hogy a marketingkérdésekre egy kicsit nehezebb válaszolni, mert minden régió más. Kína nagyon NPU-központú, mert ez egy becenév, amelyet tavaly vezettek be, és úgy tűnik, hogy ez gyökeret vert. Nem mondanám, hogy ez máshol a világon működött. A Google tenzor processzorral rendelkezik, és úgy tűnik, hogy a tenzor rezonál."

Mario Serrafero: – Sok embernek más a neve.

Gary Brotman: "Végső soron azon múlik, hogy az OEM mit akar tenni. Ha ez számít ügyfeleiknek, akkor nekik kell kitalálniuk, hogyan tudják kihasználni ezt a feldolgozási képességet, és megkülönböztetni azt a képességek tekintetében. A motorunk, és azt hiszem, a feldolgozási képességünk nagy része továbbra is nagyon vektor- és tenzorcentrikus lenne a teljes mixet tekintve. Maga a dedikált feldolgozás, ahogyan a mátrixszorzást végzi, ugyanaz a dedikált processzor, mint amit egy NPU használna. A marketing kérdés érdekes, és elfelejtem, mi volt Keith válasza?

Ziad Asghar: "A válasza az volt, hogy hívhatod, ahogy akarod, hogy több terméket tudj eladni."

Gary Brotman: "Nagyjából ennyi volt; ez igaz volt, nagyon nyers válasz volt."

Ziad Asghar: "Szerintem Gary nagyon jól foglalkozott vele. Néhányan ezt a becenevet olyan kifejezésként használják, amely szinte azt állítja vagy sugallja, hogy ez csak arra a blokkra korlátozza. De azt látjuk, hogy ez az egész heterogén megközelítés a CPU, a GPU vagy a hatszög tenzor használatára. vektor, különböző kompromisszumokat kínál a teljesítmény és a teljesítmény pontosságának teljes spektrumában, és ez az, amire szüksége van Ma. Mert nem tudjuk, hogy melyik alkalmazás milyen fokú precizitást igényel, mihez kell tartós teljesítmény, vagy mi nem. Tehát úgy gondoljuk, hogy ez egy teljes körű, átfogó megoldás, mert így érheti el a legjobb élményt."

Gary Brotman: "És ez soha nem változott egyik beszélgetésünkben sem, még egy dedikált gyorsítóval sem. Ez kiegészítés, nem helyettesítés."

Mario Serrafero: "Igen, azt hiszem, tavaly Keith mondta, hogy "ahol van számítás, ott lesz mesterséges intelligencia." És most több a számítástechnika."

Gary Brotman: "Több számítás minden blokkban, ez pontosan így van."

Mario Serrafero: "NHa már a témánál járunk, sok összehasonlítást hallottunk egy „titokzatos” 7 nm-es versenytárssal Androidon. Igen, még mindig fogalmunk sincs, ki az." (beszélt tréfából)

Gary Brotman: "Nincs ötletem." (viccből beszélt)

Mario Serrafero: "De meg tudnál minket mutatni ezekkel az összehasonlításokkal? Hogyan mérték őket? Milyen figyelmeztetéseket érdemes figyelembe venni? Egyéb megjegyzések, amelyeket esetleg nem volt ideje kifejteni a diákban vagy a kérdezz-felelek között? Tudom, hogy nehéz mérni [és kommunikálni] a modellek sokfélesége miatt, ezért azt gondolom, hogy igen egy érdekes téma, amelyet érdemes kifejteni, hogy az emberek tudják, miért nem olyan egyszerű ezeket elkészíteni összehasonlítások."

Gary Brotman: "Valójában nagyon egyszerű. Egy nagyon egyszerű választ adok egy konkrét mérőszámra; januárban több benchmarkingot fogunk végezni. Többet fogunk beszélni a különböző hálókról, amelyekkel mérjük a számokat, amelyekre alapozzuk, és ez a szabványos Inception v3. Innen származtatjuk ezt a teljesítményt és azt, hogy megértjük, hol helyezkednek el a versenytársak. De ami azt illeti, amelyik bejelentette, és már megjelent a piacon, itt jön a 2x és a 3x. a 3x ellentétes volt a 845-ben elértekkel, míg a 2x a teljesítmény és a teljesítmény relatív állapota. a miénknek."

Ziad Asghar: "Rendelkezésre állnak eszközök, ténylegesen beszerezheti őket, és a tesztelés egy részét maga is elvégezheti. De azt hiszem, az egyetlen dolog, ami ellen óvakodnék, ez egyfajta vadnyugat a benchmarking AI-ban. Vannak, akik nagyon általános kifejezéseket vagy hálózatok keverékeit használnak, amelyek bizonyos módon előnyösek lehetnek számukra, vagy sem. – Ez jól illeszkedik a modális munkaterheléshez? nem olyasmi, amit az emberek figyelembe vesznek. Egyes benchmarkok, amelyek lebegtek, sokkal többet tesznek ebből, és nagyon közel vagyunk, így tudják, hogy vannak olyan emberek, akik ezeket a viszonyítási pontokat így vagy úgy megingatják, attól függően, hogy milyen előnyökkel jár őket. Ezért sokkal inkább a tényleges használati esetekről van szó. Sokkal inkább a kategóriájában a legjobb teljesítményről szól az adott használati esetre, és akkor a leggyorsabb elvégzésre. Azt hiszem, ezek mind azok a tényezők, amelyeket megvizsgálunk. De szerintem jobb lesz, konvergál. Jelenleg sokféle lehetőség létezik. Azt hiszem, maradnak bizonyos mércék, amelyek értelmesebbek. Ma talán vitatkozhatnánk, hogy az Inception v3 viszonylag jobb ebben az időben."

Gary Brotman: "A hálózatok tekintetében van egy maroknyi. Léteznek ResNet, VGG, szegmentációs hálók, szuperfelbontású hálók – a nyers teljesítmény, amellyel ezeket mérheti. A lényeg, amit el kell hagyni az olyan benchmarkok tekintetében, mint a mesterséges intelligencia benchmarkingot végző vállalatok vagy entitások, és pontosságok, hálózatok és képletek keverékei, amelyek változóak, annyira változóak, hogy az eredmények megváltoznak hétről hétre. Ez az a hely, ahol valóban a vadnyugat van, és karnyújtásnyira tartunk. Nem teszünk tétet sehol, mert olyan nagy eltérések vannak, amikor egyes hálózatok tényleges teljesítményéről van szó. amelyeket a felhasználási esetekben használnak, biztosak vagyunk abban, hogy a teljesítmény tekintetében továbbra is határozottan feljebb állunk a verseny. Azt kell mondanom, nem a helyezés, hanem a megduplázódás, amiről beszéltünk, nyers teljesítmény."

Mario Serrafero: „Az egyik téma, amely elsősorban fejlesztői oldalként érdekel bennünket, a gépi tanulás demokratizálása. Nyilvánvalóan vannak nyílt forráskódú könyvtáraink, amelyek nagyszerűek, mindenki kínálja ezeket a csodálatos SDK-kat is, és rengeteg az oktatás. És most elérhető az Android NN, a Google pedig most jelent meg ML Kit ami leegyszerűsíti a folyamatot. Csak hívjon egy API-t, adja meg a bemenetet, ők egy betanított modellt használnak, nem kell aggódnia miatta, nem kell ezen gondolkodni, nem kell tudnod semmilyen statisztikát vagy vektorszámítást. Hogyan látja, hogy a környezet fejlődött-e e tekintetben azáltal, hogy elérhetőbbé tette, egyszerűsítette az API-t? a dokumentáció, az SDK-k egyszerűsítése és a külső fejlesztők bevonásának elősegítése, nem csak a nagyok cégek?"

Gary Brotman: "Vicces, amikor valójában a nagy cégekre koncentrálunk, ez a kisebb fejlesztőknek is segít. A Snapdragon programozásánál inkább egy szabadalmaztatott veremből indultunk ki, kifejezetten az AI futtatásához. De az idő múlásával és az elmúlt néhány generációban több eszközt adtunk hozzá. Igyekszünk egyensúlyt teremteni a magas szintű absztrakció és a könnyű használhatóság, valamint az alacsonyabb szintű hozzáférés között, amelyhez valakinek szüksége van hogy sokkal hozzáértőbbek legyünk, különösen, amikor néhány szabadalmaztatott magunkkal, például a vektorprocesszorral vagy az NPU-val kell foglalkozni. Azt látjuk, hogy ez a demokratizálódás szempontjából fejlődik. Megvannak az alapvető építőköveink, mint például a Hexagon és a Qualcomm matematikai könyvtárak, de talán egy kicsit magasabb szintű API-val, amely absztrahálja a nehéz terhek legalább egy részét, de kellő rugalmasságot biztosít a fejlesztőnek ahhoz, hogy saját egyéni operátorait tudja használni, vagy egy kicsit módosítani tudja az alacsonyabb teljesítményt. szint. Tehát a portfólió továbbra is több eszközt fog tartalmazni, és minden bizonnyal olyan dolgokat, mint az NN API, ahol az Onyx példa arra, hogy alapvetően azt mondják, hogy „itt van, amit programoz, miben fejezi ki hálózatát”. Amíg a hardver támogatja, addig te jó.

Amint azt az előadásunkban említettem, felelősek vagyunk a több operációs rendszert használó környezetért. Van Windows, van Linux, van Android, tehát nem csak az Androidról van szó. Ha ezt nézzük, ha valamiféle API-t fogunk építeni, ami SoC, cross-SoC vagy platformok közötti operációs rendszer szempontjából, meg kell vizsgálnunk, hogyan találhatunk közösséget abban, amit a kapucni. A verem könyvtárakkal és operátor-támogatással, amely képes például NN API-hoz vagy Windows ML-hez csatlakoztatni. De minden bizonnyal elhagytuk az inga idejét, ahol senki sem tudja, mit tegyen, például szó szerint, nem tudván. „Nem tudom, milyen keretet használjak. TensorFlow-t használjam, vagy Caffe-t vagy Torch-ot? És nem tudni, mit kell tenni az alacsonyabb szintű optimalizáláshoz. Tehát mindenki elégedett egy API-hívással. Most, néhány éven belül, könnyű mélyebbre menni. Tehát az eszközök rendelkezésre állnak, akár általános nyílt forráskódú eszközökről van szó, akár egy olyan portfólióban, mint amit mi vagy a versenytársak kínálnak, ezek az eszközök egyre könnyebben hozzáférhetőek és könnyebben használhatók."

Mario Serrafero: „Ha már a fejlesztői közösségekről beszélünk. Legutóbb már említettük, hogy az egyik legérettebb közösségünk a játékközösség, és a Qualcomm elég jól beágyazódott ebbe. Most ezt minden eddiginél jobban látjuk a promóció alatt álló és forgalmazott játékmotorokkal való partnerség révén. Tehát erről az AI kontextusában beszéltünk, és arról, hogyan jelenik meg ott."

Mishaal Rahman: „Arról beszélt, hogyan szeretne többet befektetni a következő 12 hónapban. Ez még akkor volt, amikor utoljára itt jártunk."

Mario Serrafero: "Kifejezetten a játékfejlesztői közösségben, kicsit kibővítve ezt és azt, amit ma látunk."

Gary Brotman: "Nem emlékszem a konkrét megjegyzésre a játékközösségbe való befektetéssel kapcsolatban, de ha megnézed azt a kategóriát, amit láttunk dedikált gyorsításra van szükség, és a játék is ennek része, de nem feltétlenül ez az elsődleges felhasználási eset – a VR mint példa. A gazdag, magával ragadó VR-élményben minden mag alapvetően kihasznált. Grafikus feldolgozást végez a GPU-n, vizuális feldolgozást a vektorprocesszoron, és szükség van rá vegyen egy vagy több hálót, és külön-külön futtassa őket egy dedikált gyorsítón, az egyidejűség miatti aggódás nélkül hatás. Ez az egyik oka annak, hogy a célzott gyorsulás útjára hajtott minket. Nincs sok információm azzal kapcsolatban, hogy az AI-t hogyan használják ma a játékokban. Rengeteg munka folyik az ügynökökkel – ügynököket fejlesztenek, hogy harcoljanak ellene vagy tanítsanak.

Mario Serrafero: "Mint a hagyományos mesterséges intelligencia a játékokban."

Gary Brotman: "Pontosan, igaz. De inkább neurális hálózat alapú."

Mario Serrafero: – Igen, nem a Minimax.

Gary Brotman: "A Ziad felelősségének egy része az XR stratégia vezetése is."

Ziad Asghar: "Az XR szempontjából, ha ma megnézzük, új eszközöket dobtunk piacra, amelyek minden az egyben HMD-k teljes 6DOF-engedéllyel. Az olyan eszközök, mint az Oculus Quest, amely valójában a Snapdragon 835-tel indult, így kezdünk egy nagyon jó ponthoz jutni az XR-eszközök teljes képességének tényleges kihasználása szempontjából. A múltban néhány eszköz nem igazán nyújtotta ezt az érintetlen élményt, mert egyesek nem a legjobb élményt hozták ki belőle. Szerintem az XR most remekül működik. Amit a jövőben is vizsgálunk, mivel az 5G-vel kombinálva lehetővé teszi, hogy most eszközét, amely valójában sokkal mobilabb, ami azt jelenti, hogy elképzelheti, hogy valójában a utca. És akkor egy olyan kapcsolat, mint az 5G, azt jelenti, hogy tetszik a demó, amit Gary mutatott a Google Lensről. Most képzelje el, hogy ha valamilyen Google-szemüveget vagy hasonlót viselne, és valóban be tudja vinni információ mind arra vonatkozóan, hogy mit nézel a szemeddel, most van egy használati eseted, ami nagyon is lehet kényszerítő. Azt gondolom, hogy a hosszú távú befektetés, amiről beszélsz, ez az az irány, amelybe ez megy.

De jelenleg úgy érezzük, hogy nagyon jó állapotban vagyunk az XR és az XR-rel piacra dobott különféle cégek tekintetében. Az Oculus Go szintén a Snapdragon 820-ra épül, így azt hiszem, kezdünk eljutni egy nagyon jó ponthoz, ahol az emberek felveszik és sok mindent csinálnak vele. És a következő szakasz, ahogy már említettem, elkezdjük bevezetni az 5G-kapcsolatot, amit meg fogunk tenni, majd tovább hogy természetesen az AR és néhány dolog, amelyek teljesítménye még sokkal többet igényel, de korlátozott erő. Ez pedig rendkívül nagy kihívást jelent majd, és úgy gondolom, hogy abból, amiről ma beszéltünk, a Qualcomm valószínűleg a legjobb az ilyen használati esetek közül az erő tekintetében. Ha megnézi a grafikát, ha összehasonlítja bármelyik versenytársat, azt látja, hogy egységenkénti teljesítményünk a legjobb a kategóriájában. Ennek eredményeként a hőhatások, a tartós teljesítmény az, ami az XR-ben számít, és ebben a tekintetben valóban előrébb járunk – ez az oka annak, hogy az emberek XR-re használnak minket."

Mario Serrafero: "Tavaly óta láthattuk, hogy a Hexagon 685 DSP végre elérte a prémium középkategóriát a 710 és a megfelelő középtartomány a 670 és 675. Tehát most elérjük, hogy a Hexagon Vector Extensions bekerüljön az áramlás irányába, míg más versenytársak nem egészen ezt teszik a neurális feldolgozó egységeikkel. Hogyan látja ezen tapasztalatok hatókörének kiterjesztését, és azt akartam kérdezni, hogy a múltban látta-e, hogy az AI teljesítménybeli eltérései egyáltalán változtatnak? Mert még mindig a mesterséges intelligencia korai bevezetésénél tartunk."

Ziad Asghar: "Nézem az általános ütemtervet. Ha kategóriájában az érintetlen legjobb teljesítményt keresi, az a prémium kategóriába tartozik. Amit csinálunk, az az, hogy szelektíven veszünk a Hexagon képességekből, és csökkentjük azt. Az első AI-motort, vagyis az első Hexagont a Snapdragon 820-zal indították el. Tehát lehoztuk a Snapdragon 660-ra és a 670-re, és a 710-ben is megvan. Tehát a tervünk az, hogy megnézzük, hogyan tör be a leendő tapasztalatokba.

AI-motorként alapvető régi összetevőink vannak: CPU, GPU-k, hatszög tenzor, hatszögvektor és skalár. Mi azt tesszük, hogy ennek részeit szelektíven lejjebb helyezzük az ütemtervben, mivel azt látjuk, hogy ezek a képességek csökkennek, és az alacsonyabb szintű fejhallgatókba kerülnek. Valójában meglátod, ha tovább megyünk az évben. meglátod, többet fogunk csinálni. A Snapdragon 675-öt a 4G/5G csúcstalálkozón indítottuk el. Beszéltünk arról, hogy ez a 675-tel együtt lesz, és látni fogod, hogy ezek a használati esetek egyre gyakrabban fordulnak elő. elterjedt, amint azt az ArcSoft-tal és a többi sráccal ma megmutattuk, valóban elhozzuk ezeket a képességeket Alsó. Az alsó szinten futtathatja ezt a használati esetet, de ahhoz, hogy megkapja a megfelelő teljesítményprofilt, mint én már beszéltünk róla, ha tartós teljesítményt szeretne elérni, akkor azt szeretné, ha az adott blokk jönne Alsó. Tehát ismét a kategóriájában a legjobb teljesítmény a csúcson lesz, de ahogy lejjebb megy, nagy romlás vagy fokozatosság lesz…”

Mario Serrafero: – Gradiens süllyedés, mondhatni. (viccből beszéltem)

Ziad Asghar: "Igen, pontosan. Valahogy így teszünk más, szintén az ütemtervben szereplő technológiákkal, és az AI ebben az értelemben nem lesz nagyon más. Valószínűleg ez az egyik különbség, talán honnan jössz, mivel valószínűleg gyorsabban esik le más technológiákon keresztül, amelyeket az ütemtervben ismertettünk, így ezzel a megfigyeléssel egyetértek val vel."

---

Ha többet szeretne megtudni a Qualcomm mobilplatformjain található mesterséges intelligenciáról, javasoljuk, hogy olvassa el a tavalyi interjúnkat Gary Brotmannel. Kezdheti azzal 1. rész interjúnkból, vagy látogasson el ide 2. rész.

Az ebben az interjúban látható összes grafika Gary Brotman előadásából származik a Snapdragon Tech Summit során. Megtekintheti a diákat itt.