AIGC7: 高通骁龙AIPC开发者沙龙过程记录A

file

图中是一座高耸的宫殿。 就像AI的出现,慢慢初现端倪,头角峥嵘。

背景

一直以来都比较关注AI的发展,有幸再一次参加异常AI的盛会。

从我的角度看。

高通是一家生产芯片的公司,国内的小米,荣耀,Oppo , Vivo 手机大量在使用高通的手机芯片,但是今天的主题确实AIPC , 根据我掌握的信息和日常感知,PC,即台式电脑,台式机的CPU大多以因特尔和AMD为主。

高通这是打算要借助AI发展的风,在PC芯片这个领域进军。

先看看他的节目单。

file

按照我的初步分析。每一个分享主题的目的如下。

file

到的比较早,先签到,贴了一个臂章。

file

然后是进到会议厅,等待主持人开始。我坐在第二排,抱歉拍到了前排的营销大佬。

file

接下来我把记录的东西整理一下,顺带做一下思考和分析,如果各位有不同意见的,可以留言跟我讨论。

1 AI+助力PC变革

先上记录,搞了一个长图,见谅。

先感谢 郑总。

开篇一张图展示了高通的提供了手机和PC的芯片产品,明星产品是 骁龙XElite 和骁龙 XPlus .

这两款芯片主题就是AI能力。

芯片即CPU , 包含了集成的GPU 和用于加速的 NPU , AI的能力主要依赖GPU支持深度学习和科学运算, NPU是为人工智能和神经网络的训练和推理提供加速效果的硬件。

牛逼的芯片总要有卖点,那么 骁龙XElite的卖点是什么?

1.性能优于因特尔的最新版芯片,体现在计算速度,电池续航,标杆应用的启动速度上;

2.跟当前的大模型算力匹配,作为牛逼的硬件支撑AI软件应用;

算力有一个衡量值。

TOPS是计算性能单位,用于衡量如NPU等AI加速器的效率,表示每秒执行的运算次数(浮点或整数),1 TOPS等于1万亿次操作/秒。更高的TOPS值代表更强大的处理能力,能更快处理复杂深度学习任务。

骁龙XElite的算力是 45TOPS , 即一秒可以计算45万亿次;

文生图也有一个衡量值。 Stable Diffusion < 1秒 , 即文生图的速度小于1秒。

Stable Diffusion 是一个用深度学习技术做的图片创作模型,它是扩散模型的一种特别形式。这个模型一步步地把随机的噪点变成图片,能做到产出既精美又复杂的图像。

这些还不够明显。

从运行模型的角度来说。

你的PC机上如果安装了骁龙XLite芯片,那么可以运行 13B 参数的模型, 7B的模型每秒生成30个token .

换句话说,你可以在你的PC机器上 每秒钟回应30个短单词,速度是很快的。 相对于人的速度来说。

芯片上集成了NPU 具备了 始终感知ISP 能力。

始终感知ISP(Always-On Image Signal Processor) 是一种硬件设计,旨在使设备能够在低功耗状态下持续处理图像和视频信号。这种技术通常用于智能手机、监控摄像头和其他需要持续图像处理的设备中。始终感知ISP能够在设备处于待机模式时,保持对环境的监测,并在必要时快速响应。

硬件上是4纳米工艺,比较先进。 能降低PC的功耗,电池更耐用。

图形处理能力比较牛逼,因为芯片中含有GPU ,即图形处理单元。

支持高清的显示器输出,急速 的网络连接,摄像头更清晰,音频也更清晰。

要买可以买这些品牌的笔记本。

戴尔,华硕,宏基,联想,惠普,三星 。 最新的笔记本应该是搭载了这个PC芯片 骁龙XLite 。

对开发者来说,有价值的可能是这张宏观的图了。我手绘一下。

file

在PC上,运行了各行各业的应用,已经有或者会慢慢具备AI能力,那肯定需要底层芯片的算力支持。对整个体系来说,芯片的进步会推动这个进程。

然后非常贴心的给了高通公司的开发工具网站和购买mini设备的网站。

放一个文档链接: https://qualcomm.csdn.net/m/zone/qualcomm2016/wos/docs?docId=20898

mini设备目前是没货的,价格倒是不贵,810美元,后面可能有货。对开发者来说,必须一个本地开发环境。大部分人使用的电脑其实不具备GPU或者NPU硬件,总有一天会需要更换的。

file

2 从工具到助理 AI重新定义PC

首先感谢孙总。 作为开发者,不太擅长打交道,本来应该上去加个微信,关注一下荣耀的art14, 听完了之后,我认为 孙总是全场最懂技术的营销总。

先贴长图,作为详细过程记录。

AI的发展历程就不说了,2022年11月 GPT3.5 问世,开启了AI时代。 到当前最新的GPT4o ,以及国内百家争鸣的AI应用或者大模型,我使用过的比如: 豆包, 通义千文 ,混元大模型 ,星火 , kimi .

通用AI能力,即云端的大模型,有如下的能力:

file

PC是离用户最近的地方,如果本地能跑一些大模型,结合推理平台,可以极大的方便PC的用户,比如可以定制各种AI Agent, 即助理,结合在个人pc上配置的各种提示词或者参数,或者个人的一些资料,可以做出本地特色,深度理解用户的AI助理,art14里面应该是有一个个人pc助理,叫yoyo .

然后是整理了在pc上的AI Agent碰到的一些挑战。

file

对于辅助和助手,这个图很鲜明。

高层级的助手可以不用眼睛,不用脑子,能自主做事情。

感觉这个跟高级员工和实习生的差距。

个人电脑的 AI Agent 后期还需要在 单任务推理,多任务并行推理层面进化, 这个其实是软件层面是进化,决定性的还是推理能力, 其它的只是编排。

AI Agent 是个人PC的未来交互形态吗? 那不就是机器人了吗?只是不是人形的。

给出的AI Agent交互图,感觉还是比较科学的,这个是干活。 单独贴图出来。

file

智能体的背后是API ,即各种插件和外部API,还有就是大模型的能力,大模型有记忆,规划行动能力,从而可以理解用户意图,形成工具和api的指令集。

外部api 可以对接云端的AI服务,从而形成个人pc上的超级智能体。

最后是从荣耀硬件厂商的角度做了分层。

云端AI,即通用AI协作,提供外部API出来;

本地AI 使用本地大模型和AI芯片

在操作系统层面打通各种设备 PC , 手机,穿戴设备,广告设备 使得跨端融合成为可能。

最后搞了一波广告, art14, 我查了京东和荣耀的商城,没有搭载晓龙芯片的PC出售,是在造势应该。

最后是看好PC市场上AIPC的市场份额,实在是一个营销大师。

file

原创不易,关注诚可贵,转发价更高!转载请注明出处,让我们互通有无,共同进步,欢迎沟通交流。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1541886.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

SGFormer:简化并增强Transformer以应对大型图表示的挑战

人工智能咨询培训老师叶梓 转载标明出处 大型图数据的表示学习面临的主要挑战是如何在有限的计算资源下&#xff0c;有效地捕捉节点间的依赖关系并生成有用的节点表示。现有的基于Transformer的方法通常采用多层多头注意力机制&#xff0c;这虽然能够捕获全局信息&#xff0c;…

fasterRCNN模型实现飞机类目标检测

加入会员社群&#xff0c;免费获取本项目数据集和代码&#xff1a;点击进入>> 关于python哥团队 我们是一个深度学习领域的独立工作室。团队成员有&#xff1a;中科大硕士、纽约大学硕士、浙江大学硕士、华东理工博士等&#xff0c;曾在腾讯、百度、德勤等担任算法工程师…

13.面试算法-字符串常见算法题(二)

1. 字符串反转专题 我们知道反转是链表的一个重要考点&#xff0c;反转同样是字符串的重要问题。常见问题也就是在LeetCode中列举的相关题目&#xff1a; 【1】LeetCode344. 反转字符串&#xff1a;编写一个函数&#xff0c;其作用是将输入的字符串反转过来。输入字符串以字符…

【多维动态规划】64. 最小路径和(面试真题+面试官调整后的题目)

64. 最小路径和 难度&#xff1a;中等 力扣地址&#xff1a;https://leetcode.cn/problems/minimum-path-sum/description/ 1. 原题以及解法 1.1 题目 给定一个包含非负整数的 m x n 网格 grid &#xff0c;请找出一条从左上角到右下角的路径&#xff0c;使得路径上的数字总和…

Redis——redispluspls库list及set类型相关接口使用

文章目录 list 类型相关接口lpush和lrangerpushlpop和rpopblpop和brpopllen set 类型相关接口sadd和smemberssismemberscardspopsinstersinterstore list 类型相关接口 lpush和lrange void lrange_lpush(sw::redis::Redis& redis){std::cout<<"lpush 和 lrang…

Windows控制台中文乱码怎么解决?(nes,一些exe窗口程序)

当我们打开一些Window窗口程序出现中文乱码时&#xff0c;可以像这样设置一下&#xff01; 1、打开 设置-->时间和语言-->语言和区域 2、 管理语言设置 3、更改系统区域设置 4、取消勾选 Beta版&#xff1a;UTF-8 5、效果演示 这下中文不乱码了&#xff01;

多维系统下单点登录之生产实践(2种方案3种实践)

1、基于 Cookie 跨域与分布式 Session 的技术实践 1、XXL-SSO 整体价格 2、实现原理剖析 首次请求 第二次请求 跨域请求 注销流程 3、案例演示 首次登陆跳转至统一认证中心 访问&#xff1a;http://xxlssoclient1.com:8081/ 登陆成功&#xff0c;写入 Cookie&#…

MySQL record 06 part

事务、存储过程 事务&#xff1a; MySQL的同步&#xff0c;同步是指 together done&#xff0c;要么一起前进&#xff0c;要么一起后退的意思。 注意&#xff0c;回滚 rollback 对已经提交 commit 的数据是无效的&#xff0c;也就是说&#xff0c;只能对没有被提交 commit …

【iOS】KVC的学习

【iOS】KVC的学习 文章目录 【iOS】KVC的学习前言KVC定义KVC设值KVC取值KVC使用keyPathKVC处理异常处理nil异常 KVC的一些应用修改动态的设置值实现高阶的消息传递 小结 前言 笔者简单学习了有关与KVC的相关内容&#xff0c;这里写一篇博客简单介绍一下相关内容。 KVC 定义 KV…

saas收银系统源码

1. 线下门店多样化收银 ①门店有社区小店、也会有大店&#xff0c;甚至还会有夫妻店&#xff0c;同时还要有Windows版和安卓版&#xff0c;需满足不同门店的收银需求。 ②支持Windows收银、安卓收银、无人自助收银、聚合码收银等&#xff0c;支持ai智能称重、收银称重一体机等…

『功能项目』QFrameWorkBug拖拽功能【66】

我们打开上一篇65QFrameWork道具栏物品生成的项目&#xff0c; 本章要做的事情是实现物品的拖拽功能 修改脚本&#xff1a;UISlot.cs 实现接口后编写脚本&#xff1a; using UnityEngine; using UnityEngine.EventSystems; using UnityEngine.UI; namespace QFramework {publi…

Netty+HTML5+Canvas 网络画画板实时在线画画

采用Html5的canvas做前端画画板&#xff0c;发送数据到后端Netty服务&#xff0c;实时转发笔迹数据&#xff0c;在线实时同步画笔轨迹&#xff0c;单击绿色小方块&#xff0c;保存画板的图片 页面&#xff1a; <!-- index.html --><!DOCTYPE html> <html> …

[Linux]:信号(下)

✨✨ 欢迎大家来到贝蒂大讲堂✨✨ &#x1f388;&#x1f388;养成好习惯&#xff0c;先赞后看哦~&#x1f388;&#x1f388; 所属专栏&#xff1a;Linux学习 贝蒂的主页&#xff1a;Betty’s blog 1. 信号的阻塞 1.1 基本概念 信号被操作系统发送给进程之后&#xff0c;进程…

机器学习05-聚类算法(python)SC(轮廓系数)详解

# 导入必要的库 from sklearn.cluster import KMeans # 导入 KMeans 聚类算法 import matplotlib.pyplot as plt # 导入 matplotlib 用于绘图 from sklearn.datasets import make_blobs # 导入 make_blobs 用于生成模拟数据 from sklearn.metrics import silhouette_score …

react:组件通信

组件通信 父组件向子组件通信 function App() {return (<div><div>这是父组件</div><Child name"这是子组件" /></div>); }// 子组件 function Child(props) {return <div>{props.name}</div>; }props说明 props可以传…

浅谈计算机视觉的学习路径1

计算机视觉&#xff08;Computer Vision, CV&#xff09;是人工智能领域的一个重要分支&#xff0c;它的目标是使计算机能够像人类一样理解和处理图像和视频数据。 面向想要从事该方向的大学生&#xff0c;笔者这里给出以下是关于计算机视觉的学习路径建议&#xff1a; 简要了解…

Linux开发工具(git、gdb/cgdb)--详解

目录 一、Linux 开发工具分布式版本控制软件 git1、背景2、使用 git&#xff08;1&#xff09;预备工作——安装 git&#xff1a;&#xff08;2&#xff09;克隆远程仓库到本地&#xff08;3&#xff09;把需要提交的代码拷贝到本地仓库&#xff08;4&#xff09;提交本地仓库文…

一种新的电子邮件攻击方式:AiTM

新的攻击组利用合作伙伴组织之间的信任关系来绕过多重身份验证。 一种新的攻击方式开始出现&#xff0c;它利用合作伙伴组织之间的信任关系绕过多重身份验证。在一个利用不同组织之间关系的攻击中&#xff0c;攻击者成功地对四家或更多组织进行了商业电子邮件欺诈(BEC)攻击&…

VM-Ubantu中使用vscode头文件报错——解决办法

问题 系统中头文件明明存在但是却报错 解决方法 在报错的文件中点击&#xff0c;shift ctrl p选择Edit Configurations(JSON) 修改文件内容 原文件内容 修改之后的内容 {"configurations": [{"name": "Linux","includePath":…

计算机毕业设计推荐-基于python大数据的个性化图书数据可视化分析

&#x1f496;&#x1f525;作者主页&#xff1a;毕设木哥 精彩专栏推荐订阅&#xff1a;在 下方专栏&#x1f447;&#x1f3fb;&#x1f447;&#x1f3fb;&#x1f447;&#x1f3fb;&#x1f447;&#x1f3fb; 实战项目 文章目录 实战项目 一、个性化图书数据可视化分析-项…