高通新芯片对VR市场的布局

高通推出了一个新的芯片，这个芯片还是首个5G调制解调器，那么对VR市场会造成什么影响呢。

机器学习和异构计算

虽然机器学习技术的主流是云计算解决方案，但越来越多的机器学习解决方案在移动设备上运行。

这正是异构计算日趋重要的原因，自骁龙810芯片引入异构计算解决方案以来，高通在这方面取得了相当大进展。

高通的策略不仅仅是把负载分散到CPU和GPU上，也利用其Hexagon DSP和Spectra ISP完成部分任务。

其理念是，通过选择最高效的组件完成任务，实现提升性能和降低能耗的目标。

这将是高通未来策略的关键组成部分，尤其是在与机器学习结合改进提供给消费者的功能方面。

汽车、无人机、智能家居都将利用机器学习技术向消费者提供更强大功能，其中包括目标和语音识别，以及自动驾驶汽车。

实际上，高通已经推出一款汽车专用骁龙820芯片——增强了机器学习和通信功能，虽然核心功能与智能手机芯片相似。

机器学习的其他应用范例包括通过脸部或语音识别提高设备安全性，拍照时软件可以确保对焦准确。

目前只有约1%智能手机应用利用了机器学习技术，但市场研究公司IDC预计未来2-3年这一比例将上升至约50%。

当然，开发机器学习技术的并非只是高通和设备厂商，第三方开发商也可能有足够的好创意。

为了推动骁龙设备上机器学习应用的开发，高通今年早些时候发布了Neural Processing Engine SDK——目前支持骁龙820系列处理器。

该平台支持包括Caffe和CudaConvNet在内的常见深度学习框架。

双镜头技术，虹膜和脸部扫描，虚拟现实的需求越来越高，它们都要求智能手机运行越来越多的复杂计算算法。

但是，手机受到能耗和发热量的严格限制，在运行这类应用时面临挑战。专门硬件和异构计算是克服手机这些问题的关键。

机器学习任务类型有许多，有的在CPU上能更高效地运行，有的在GPU上能高效地运行，也有的在DSP等专门硬件上能高效地运行。

许多任务需要并行完成，因此，将负载分散到不同核心是向消费者提供这类功能的关键。

高通设想通过在芯片中整合更专业化的硬件模块，提高完成对计算能力要求较高任务的效率，估计效率将提升4-20倍。

高通的Hexagon DSP、Spectra ISP和众多传感器处理单元，使得它能为考虑应对这些新挑战的开发者提供经过优化的硬件。

海思半导体的麒麟960芯片就集成有ISP硬件，专门完成图像处理任务。