机器学习（Machine Learning）本质上是能将庞大数据转成有效行动的一种方式。各界大多将机器学习技术的焦点放在超高速资料处理应用、伺服器主机群、以及超级电脑上。然而，当你想在智慧型手机上修出完美的相片，或是帮你在飞机上翻译出外语菜单，这时候远在天边的伺服器是无法帮忙的。让机器学习行动化，将其放入终端装置中，就能为大多数人解决许多日常使用情境中的问题。

高通Snapdragon行动平台未来会将机器学习技术运用在旗下各款SoC及如物联网与自动驾驶等毗邻领域的平台之中。

高通技术公司的工程师多年来不断克服迈向机器学习的挑战，现今开花结果，推出装置上行动机器学习平台－高通Snapdragon行动平台。该平台是Snapdragon产品线的核心元件，未来还会将机器学习技术运用在旗下各款SoC（包括820、835、以及部分600系列晶片组）以及如物联网与自动驾驶等毗邻领域的平台之中。

高通并非凭借一己之力发展这项技术，而是和整个工具生态系统、经验丰富的OEM厂商以及具有创新精神的软体业者合作，为消费者带来全新的体验。这类体验需借助建置于终端装置的机器学习，所以需要透过合作去构思进而实践。

这个领域一项令人振奋的进展是脸书进一步投资Caffe框架的演进版－Caffe2。在今年的F8开发者大会上，脸书与高通技术公司宣布将联手优化Caffe2、脸书开源深度学习框架以及高通Snapdragon 神经处理引擎（NPE）框架。该NPE目的是运用Snapdragon行动平台上高效执行类神经网路的重要工作，让开发者能够把更多时间与资源投注于打造创新的使用者体验。利用Caffe2所支持的现代化运算图形设计、极简模组化设计、以及能移转到多种平台的灵活性，开发者得以拥有更多发挥空间设计各种深度学习作业，像是电脑视觉、自然语言处理、扩增实境、以及事件预测等。

Caffe2已经建置在脸书的系统中，用来协助开发者与研究人员训练各种机器学习模型，并为多种行动App置入由人工智慧（AI）所支援的体验。现在，开发人员能取得许多这样的工具，让他们能执行大规模分散式训练情境，以及针对行动平台开发各种机器学习应用。

Snapdragon与NPE带来的其中一项益处就是开发人员能根据其应用的功耗与效能需求，针对Snapdragon中各个异质化运算核心进行性能优化。 Snapdragon 835能够透过嵌入式Qualcomm Adreno 540 绘图处理器处理Caffe2的作业负载，以提供高达5倍的效能提升（相较于CPU）。 Qualcomm Hexagon DSP搭载的Hexagon Vector eXtensions （HVX）向量扩展技术亦设计用来提供更高的效能与能源效率。NPE包含执行阶段软体、函式库、应用程式介面、离线模型转换工具、除错与效能量测工具、范例程式码、以及技术文件。预计在今年夏季就会向开发者社群全面释出。

高通技术公司持续支持开发者与客户，除了Snapdragon平台外，还提供种类众多的感知功能以及深度学习工具。我们预期开发人员能一同参与更广泛与多元的机器学习作业负载生态体系，借以让更多装置能更有效率且更安全地运作。

虽然现在尚未清楚技术应用的版图全貌，但高通已等不及想见识全球各地的创新开发者如何运用这类技术。