至顶网网络频道 08月10日 综合消息: 人工智能将成为驱动很多行业变革的关键。在未来数年,人工智能随着5G移动通信技术的落地和发展,将分布至数万亿的无线边缘,真正实现人工智能的规模化。也就是说人工智能不可避免的将向着终端侧迈进。
有数据指出,到2022年智能手机累计出货量将超86亿部。智能手机的巨大规模加上5G的赋能,将成为人工智能最普及的平台,届时势必会将人工智能带至数万亿的终端设备,这正是人工智能向着终端侧迁移的必然。而搭载高通骁龙芯片的手机已经超过10亿部,基本上相当于全球平均每7个人中就有一人在使用搭载了骁龙芯片的手机。在移动生态领域的庞大规模,让高通推动人工智能向终端侧发展具有更大的优势。为了让人工智能所需要的计算能力从云端分布到智能手机等终端,将人工智能带给市场和大众消费者,手机这一最为普遍的终端产品必定是主打市场之一。
高通对人工智能领域的研究可以追溯到2007年,启动了首个人工智能项目。至今推出了三代人工智能产品,分别是第一代人工智能产品骁龙820、第二代人工智能产品骁龙835以及第三代人工智能产品骁龙845,他们已经大量应用于智能手机终端之上。近期,高通还推出了全新的骁龙710芯片,采用支持人工智能的高效架构而设计,集成多核人工智能引擎(AI Engine),并具备神经网络处理能力。骁龙710是全新骁龙700系列产品组合中的首款移动平台,旨在通过为更广泛的用户带来部分顶级特性,从而超越人们对目前高端移动体验的期待。
人工智能进入万亿终端的过程,少不了人工智能引擎的赋能。实际上,骁龙660、骁龙800系列以及全新骁龙700系列,都已经具有高通的人工智能引擎,这也让如今无论是旗舰手机还是千元机,人工智能都成为了标配。高通人工智能引擎是由多个硬件、软件组成,以实现终端侧人工智能运算能力的加速,进而提升用户体验。简而言之,在高通人工智能引擎的体系下,以骁龙芯片上的Hexagon向量处理器、Adreno GPU和Kryo CPU为硬件基础,以骁龙神经处理引擎等多个软件框架和Hexagon Neutral Network(NN)等库为接口的异构计算方案。
得益于人工智能引擎的赋能,人工智能在手机中的应用场景也越来越多,比如智能拍照、智能美颜、智能语音助手。像是小米手机中的“小爱同学”语音助理,一句唤醒搞定手机的复杂操作。这背后是人工智能算法、硬件、软件的全面升级,也是人工智能生态圈和影响力的扩大。以小米MIX 2S为例,在人工智能引擎的助力下,手机能够动态分布、科学分配人工智能资源,将人工智能运算效率最大化,为手机终端提供3倍人工智能的性能。
借助人工智能引擎的支持也让智能手机在场景识别时更加精确、快速,识别种类不断增加,同时AI赋能的应用稳步增长:面部识别、食品分类、智能相册、单摄背景虚化等等。目前人工智能引擎已经覆盖了市面上热门的中高端至旗舰级智能手机,除了小米,vivo、 OPPO、一加、锤子等OEM厂商均推出了搭载人工智能引擎的产品。
多年来,高通一直引领着移动领域的创新,接下来的这一场人工智能的革命才刚刚开始,高通将以在人工智能领域不亚于移动通信领域的技术实力,继续引领行业发展。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。